实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
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!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
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。
音像Python广告数据挖掘与分析实战杨游云,周健
¥ ×1
商品
服务
物流
前言章Python安装方法1.1Python介绍1.1.1Python的由来1.1.2Python的特点1.2Anaconda安装1.3PyCharm安装及环境配置1.3.1PyCharm安装1.3.2PyCharm环境配置1.4为什么建议使用Python1.5本章小结第2章认识广告数据分析2.1广告数据概述2.1.1广告数据的特点2.1.2广告数据分析的意义2.2广告数据分布2.2.1伯努利分布2.2.2均匀分布2..二项分布2.2.4正态分布2.2.5泊松分布2.2.6指数分布.异常值诊断..1三倍标准差法..2箱形图分析法2.4数据相关2.4.1Pearson相关系数2.4.2Spearman秩相关系数2.5显著检验2.6本章小结第3章Python广告数据分析常用工具包3.1数据基础运算工具:NumPy3.1.1常见数据结构3.1.2索引与切片3.1.3数组运算3.1.4矩阵运算3.1.5广播3.1.6常用作3.2数据预处理工具:Pandas3.2.1数据结构概述3.2.2数据加载3..数据拼接3.2.4数据聚合3.2.5数据透视表和交表3.2.6广告缺失值处理3.3数据可视化分析工具:Matplotlib3.3.1散点图3.3.2条形图3.3.3折线图3.3.4饼图3.3.5直方图3.3.6箱形图3.3.7组合图3.4本章小结第4章模型常用评价指标4.1回归模型常用评价指标4.1.1R24.1.2调整后的R24.2分类模型常用评价指标4.2.1混淆矩阵4.2.2ROC曲线4..AUC4.2.4KS指标4.2.5提升度4.3本章小结第5章利用Python建立广告分类模型5.1逻辑回归5.1.1逻辑回归原理5.1.2损失函数5.1.3利用Python建立逻辑回归5.2决策树5.2.1决策树概述5.2.2决策树算法5..决策树剪枝处理5.2.4决策树的实现5.3KNN5.3.1距离度量5.3.2KNN算法原理5.3.3KNN算法中K值的选取5.3.4KNN中的一些注意事项5.3.5KNN分类算法实现5.4SVM5.4.1优选间隔超平面5.4.2支持向量5.4.3目标函数5.4.4软间隔优选化5.4.5核函数5.4.6SVM算法的应用5.5神经网络5.5.1结构特点5.5.2训练过程5.5.3激活函数5.5.4损失函数5.5.5神经网络的实现5.6本章小结第6章利用Python建立广告集成模型6.1随机森林6.1.1随机森林的Bagging思想6.1.2随机森林的生成及优点6.1.3袋外误差6.1.4Scikit-learn随机森林类库介绍6.1.5随机森林模型的实现6.2GBDT6.2.1GBDT算法思想6.2.2GBDT算法原理6..Scikit-learnGBDT类库介绍6.2.4使用Scikit-learn类库实现GBDT算法6.3XGBoost6.3.1XGBoost算法思想6.3.2XGBoost算法原理6.3.3XGBoost算法的优点6.3.4XGBoost类库参数6.3.5使用Scikit-learn类库实现XGBoost算法6.4Stacking6.4.1Stacking算法思想6.4.2Stacking算法原理6.4.3Stacking算法实现6.5LR+GBDT6.5.1LR+GBDT原理6.5.2LR+GBDT在广告CTR中的应用6.5.3LR+GBDT算法实现6.6FM6.6.1FM的原理6.6.2FM的改进6.6.3FM的Python实现6.7本章小结第7章移动广告常用数据分析方法7.1App下载数据分析7.2游戏行业用户分析7.2.1游戏行业数据分析的作用7.2.2游戏行业的关键数据指标7..游戏用户数据分析方法7.3电商类App用户转化分析7.4工具类App用户分析7.5本地O2O婚纱摄影行业分析7.5.1精准人群定向7.5.2广告创意素材7.6品牌广告与效果广告7.7本章小结第8章广告数据分析报告8.1分析观点明确,逻辑清晰8.2汇报结果,用数据说话8.3分析过程有理有据8.4图表说明8.5数据验8.6分析建议8.7本章小结第9章广告用户数据挖掘与分析9.1广告用户曝光与响应率分析9.2广告用户曝光与点击率分析9.3广告订单消耗与分析9.3.1BudgetSmooth算法9.3.2BudgetSmooth的系统设计9.4Lookalike聚类分析9.4.1Lookalike概述9.4.2K-means聚类9.4.3K-means算法的过程9.4.4K-means算法的实现9.5Lookalike技术在广告中的应用9.5.1Lookalike的基本流程9.5.2社交中的Lookalike应用9.6本章小结0章广告数据预处理与特征选择10.1广告数据预处理10.1.1特征缩放10.1.2征编10.2常用特征选择方法10.2.1Filter10.2.2Wrapper10..Embedded10.3PCA10.3.1PCA的主要思想10.3.2优选方差理论10.4本章小结
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
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~
验证码错误
看不清楚?换一张
确定关闭
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~
查看我的收藏夹
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
继续等待
0小时0分
立即开通
SUPER会员