返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • Python数据挖掘 入门、进阶与实用案例分析 卢滔 等 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 卢滔,张良均,戴浩,李曼,陈四德 著著
    • 出版社: 机械工业出版社
    • 出版时间:2023-07-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 卢滔,张良均,戴浩,李曼,陈四德 著著
    • 出版社:机械工业出版社
    • 出版时间:2023-07-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2023-07-01
    • 字数:450
    • 页数:323
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111730101
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    Python数据挖掘 入门、进阶与实用案例分析

    作  者:卢滔 等 著
    定  价:99
    出 版 社:机械工业出版社
    出版日期:2023年07月01日
    页  数:336
    装  帧:平装
    ISBN:9787111730101
    主编推荐

    (1)作者背景资深:作者是泰迪科技董事长,在大数据、数据挖掘、数据科学、人工智能领域有20余年数据挖掘教学、科研和项目实战经验。(2)以实战为导向:不似传统入门书“理论+实践”的风格,而是用11个综合案例为驱动,将数据挖掘的技术、流程、方法融入实战案例中。(3)源于经典赛事:本书11个案例精选自数据挖掘领域知名赛事“泰迪杯”,该赛事已举办10届,1500余所高校的10余万师生参赛。(4)配套资源丰富:本书提供建模平台、视频讲解、习题及答案、作者答疑、数据文件、程序代码、教学课件、模型服务、教学平台、就业推荐等10项超值服务。

    内容简介

    这是一本以项目实战案例为驱动的数据挖掘著作,它能帮助接近没有Python编程基础和数据挖掘基础的读者快速掌握Python数据挖掘的技术、流程与方法。在写作方式上,本书与传统的“理论与实践结合”的入门书不同,它以数据挖掘领域的知名赛事“泰迪杯”数据挖掘挑战赛(已举办10届)和“泰迪杯”数据分析技能赛(已举办5届)(累计1500余所高校的10余万师生参赛)为依托,精选了11个经典赛题,将Python编程知识、数据挖掘知识和行业知识三者融合,让读者在实践中快速掌握电商、教育、交通、传媒、电力、旅游、制造等7大行业的数据挖掘方法。本书不仅适用于零基础的读者自学,还适用于教师教学,为了帮助读者更加高效地掌握本书的内容,本书提供了以下10项附加价值:(1)建模平台:提供一站式大数据挖掘建模平台,免配置,包含大量案例工程,边练边学,告别纸上谈兵(2)视频讲解:提供不少于600分钟Python编程和数据挖null

    作者简介

    精彩内容

    目录
    前 言
    第一篇 基础篇
    第1章 数据挖掘概述  2
    1.1 数据挖掘简介  2
    1.2 数据挖掘的通用流程  4
    1.2.1 目标分析  4
    1.2.2 数据抽取  4
    1.2.3 数据探索  5
    1.2.4 数据预处理  5
    1.2.5 分析与建模  5
    1.2.6 模型评价  6
    1.3 常用数据挖掘工具  6
    1.4 Python数据挖掘环境配置  7
    1.5 小结  9
    第2章 Python数据挖掘编程基础  10
    2.1 Python使用入门  10
    2.1.1 基本命令  10
    2.1.2 判断与循环  14
    2.1.3 函数  15
    2.1.4 库的导入与添加  17
    2.2 Python数据分析及预处理常用库  19
    2.2.1 NumPy  19
    2.2.2 pandas  20
    2.2.3 Matplotlib  20
    2.3 Python数据挖掘建模常用框架和库  20
    2.3.1 scikit-learn  21
    2.3.2 深度学习  21
    2.3.3 其他  23
    2.4 小结  25
    第二篇 入门篇
    第3章 电商平台手机销售数据采集与分析  28
    3.1 背景与目标  28
    3.1.1 背景  29
    3.1.2 数据说明  29
    3.1.3 目标分析  30
    3.2 数据采集  31
    3.2.1 手机销售数据采集  31
    3.2.2 手机售后数据采集  32
    3.3 数据探索与预处理  34
    3.3.1 数据信息探索  34
    3.3.2 缺失值处理  36
    3.3.3 文本处理  37
    3.4 数据可视化分析  38
    3.4.1 手机的销售因素分析  38
    3.4.2 用户的消费习惯分析  45
    3.4.3 用户的售后评论分析  49
    3.5 制定营销策略  50
    3.6 小结  51
    第4章 自动售货机销售数据分析与应用  52
    4.1 背景与目标  52
    4.1.1 背景  52
    4.1.2 数据说明  53
    4.1.3 目标分析  53
    4.2 数据读取与预处理  54
    4.2.1 数据读取  54
    4.2.2 数据清洗  55
    4.2.3 数据规约  57
    4.3 销售数据可视化分析  59
    4.3.1 销售额和自动售货机数量的关系  59
    4.3.2 订单数量和自动售货机数量的关系  60
    4.3.3 畅销和滞销商品  63
    4.3.4 自动售货机的销售情况  64
    4.3.5 订单支付方式占比  67
    4.3.6 各消费时段的订单用户占比  68
    4.4 销售额预测  69
    4.4.1 统计周销售额  69
    4.4.2 平稳性检验  70
    4.4.3 差分处理  72
    4.4.4 模型定阶  74
    4.4.5 模型预测  74
    4.5 小结  75
    第5章 教育平台的线上课程推荐策略  76
    5.1 背景与目标  76
    5.1.1 背景  77
    5.1.2 数据说明  77
    5.1.3 目标分析  78
    5.2 数据探索  78
    5.2.1 数据质量分析  79
    5.2.2 课程单价分布分析  81
    5.3 数据预处理  82
    5.4 平台的运营状况分析  83
    5.4.1 用户留存率  83
    5.4.2 用户活跃时间  88
    5.4.3 课程受欢迎程度  90
    5.5 Apriori模型的构建  92
    5.5.1 Apriori算法  93
    5.5.2 构建Apriori模型  94
    5.5.3 模型应用  97
    5.6 制定课程推荐策略  98
    5.7 小结  99
    第三篇 进阶篇
    第6章 电视产品的营销推荐  102
    6.1 背景与目标  102
    6.1.1 背景  103
    6.1.2 数据说明  103
    6.1.3 目标分析  104
    6.2 数据预处理  105
    6.2.1 数据清洗  105
    6.2.2 数据探索  109
    6.2.3 属性构建  115
    6.3 分析与建模  118
    6.3.1 基于物品的协同过滤推荐模型  119
    6.3.2 基于流行度的推荐算法模型  121
    6.4 模型评价  122
    6.5 小结  124
    第7章 运输车辆安全驾驶行为分析  125
    7.1 背景与目标  125
    7.1.1 背景  126
    7.1.2 数据说明  126
    7.1.3 目标分析  126
    7.2 构建车辆驾驶行为指标  127
    7.3 数据探索分析  129
    7.3.1 分布分析  129
    7.3.2 相关性分析  131
    7.3.3 异常值检测  132
    7.4 驾驶行为聚类分析  133
    7.4.1 K-Means聚类  133
    7.4.2 层次聚类  135
    7.4.3 高斯混合模型聚类  136
    7.4.4 谱聚类  137
    7.5 构建驾驶行为预测模型  139
    7.5.1 构建LDA模型  139
    7.5.2 构建朴素贝叶斯模型  140
    7.5.3 构建神经网络模型  142
    7.6 驾驶行为安全分析总结  143
    7.7 小结  143
    第8章 基于非侵入式负荷监测与
    分解的电力数据挖掘  144
    8.1 背景与目标  144
    8.1.1 背景  144
    8.1.2 数据说明  146
    8.1.3 目标分析  148
    ……

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购