由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版新书]数据挖掘与商务智能朱明皓,谢祥,穆文歆 主编 编978751
¥ ×1
第1章 商务智能概述
1.1 基本概念
1.1.1 商务智能的定义
1.1.2 商务智能的发展
1.1.3 商务智能的主要功能
1.2 框架和流程
1.2.1 商务智能的体系框架
1.2.2 商务智能系统的处理流程
1.3 支撑技术
1.3.1 数据仓库技术
1.3.2 在线分析处理技术
1.3.3 数据挖掘技术
1.4 主要应用和发展趋势
1.4.1 商务智能的主流软件
1.4.2 商务智能的应用场景
1.4.3 商务智能的发展趋势
小结
习题
第2章 数据挖掘概述
2.1 引论
2.1.1 数字社会
2.1.2 人工智能的浪潮
2.2 数据、信息与知识
2.2.1 数据概述
2.2.2 信息概述
2.2.3 知识概述
2.3 基本概念
2.3.1 数据挖掘的定义
2.3.2 数据挖掘的功能
2.3.3 数据挖掘的研究问题
2.4 数据类型和来源
2.4.1 数据挖掘的数据类型
2.4.2 数据挖掘的数据来源
2.5 核心技术
2.5.1 统计学
2.5.2 机器学习
2.5.3 信息检索
2.6 应用场景与安全问题
2.6.1 数据挖掘的应用场景
2.6.2 数据挖掘的安全问题
小结
习题
第3章 Python基础
3.1 Python环境的搭建
3.1.1 Python简介
3.1.2 Python环境的配置
3.1.3 Python开发工具
3.1.4 Python库的安装
3.2 numpy库
3.2.1 numpy库安装验证
3.2.2 NDarray对象创建
3.2.3 NDarray数组属性
3.2.4 NDarray数据类型
3.2.5 NDarray数组切片
3.2.6 NDarray高级索引
3.2.7 NDarray数组翻转
3.2.8 NDarray数组连接
3.2.9 NDarray数组分裂
3.2.10 NDarray数组计算
3.3 pandas库
3.3.1 pandas库安装验证
3.3.2 pandas库数据结构
3.3.3 DataFrame创建
3.3.4 DataFrame属性
3.3.5 DataFrame读取
3.3.6 DataFrame时间序列操作
3.3.7 DataFrame修改表结构
3.3.8 DataFrame筛选数据
3.3.9 DataFrame分组统计
3.4 matplotlib库
3.4.1 matplotlib库安装验证
3.4.2 绘制函数
3.4.3 线条的设置
3.4.4 坐标轴的设置
3.4.5 图例的设置
3.5 pyecharts库
3.5.1 pyecharts库安装验证
3.5.2 绘制图表
3.5.3 配置项
3.5.4 Web框架整合
3.5.5 绘制组合图表
小结
习题
第4章 数据采集与预处理
4.1 数据采集
4.2 数据的描述性统计
4.2.1 集中趋势度量
4.2.2 离散趋势度量
4.3 数据预处理
4.3.1 数据预处理概述
4.3.2 数据清洗
4.3.3 数据集成
4.3.4 数据变换
4.3.5 数据归约
4.4 数据存储
4.4.1 TXT、CSV、Excel
4.4.2 数据库
4.4.3 云存储
4.4.4 数据仓库
小结
习题
第5章 网络爬虫技术
5.1 初识网络爬虫
5.1.1 网络爬虫概述
5.1.2 网络爬虫分类
5.1.3 网络爬虫原理
5.1.4 网络爬虫约束
5.2 Web前端
5.2.1 HTTP基本原理
5.2.2 HTML语言
5.2.3 CSS层叠样式表
5.2.4 JavaScript动态脚本语言
5.3 数据请求库requests
5.3.1 GET请求
5.3.2 POST请求
5.3.3 添加请求头headers
5.3.4 超时设置
5.4 数据解析库Xpath
5.4.1 Xpath概述
5.4.2 Xpath常用路径表达式
5.4.3 Xpath解析HTML
5.4.4 Xpath获取节点
5.4.5 Xpath获取文本
5.4.6 Xpath属性匹配
5.5 正则表达式
5.5.1 匹配规则
5.5.2 查找一个匹配项
5.5.3 查找多个匹配项
5.5.4 分割字符串
5.5.5 替换字符串
5.5.6 正则表达式对象
5.6 爬虫实战:豆瓣电影Top250
小结
习题
第6章 数据挖掘基础算法
6.1 机器学习概述
6.1.1 机器学习的定义
6.1.2 机器学习的一般方法
6.1.3 机器学习的分类
6.1.4 过拟合与欠拟合
6.1.5 机器学习性能评估
6.1.6 scikit-learn简介
6.2 回归分析
6.2.1 回归分析概述
6.2.2 简单线性回归
6.2.3 多元线性回归
6.2.4 逻辑回归
6.3 分类分析
6.3.1 分类分析概述
6.3.2 基于规则的分类
6.3.3 基于最近邻的分类
6.3.4 决策树分类
6.3.5 贝叶斯分类
6.3.6 支持向量机分类
6.3.7 随机森林分类
6.3.8 人工神经网络
6.4 聚类分析
6.4.1 聚类分析概述
6.4.2 K-means聚类
6.4.3 DBSCAN聚类
6.5 关联分析
6.5.1 关联分析概述
6.5.2 关联分析的概念及流程
6.5.3 Apriori算法原理
6.5.4 Apriori算法实现
小结
习题
第7章 文本挖掘技术
7.1 文本挖掘概述
7.1.1 文
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
