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:
本店所有商品

  • 醉染图书商务数据分析与应用9787512145993
  • 正版全新
    • 作者: 袁瑞萍著 | 袁瑞萍编 | 袁瑞萍译 | 袁瑞萍绘
    • 出版社: 北京交通大学出版社
    • 出版时间:2021-10-01
    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:
    醉染图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 袁瑞萍著| 袁瑞萍编| 袁瑞萍译| 袁瑞萍绘
    • 出版社:北京交通大学出版社
    • 出版时间:2021-10-01
    • 版次:1
    • 印次:1
    • 字数:448000
    • 页数:276
    • 开本:16开
    • ISBN:9787512145993
    • 版权提供:北京交通大学出版社
    • 作者:袁瑞萍
    • 著:袁瑞萍
    • 装帧:平装-胶订
    • 印次:1
    • 定价:49.00
    • ISBN:9787512145993
    • 出版社:北京交通大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2021-10-01
    • 页数:276
    • 外部编号:1202626822
    • 版次:1
    • 成品尺寸:暂无


    篇基础篇
    章商务数据分析理论基础2
    1.1商务数据类型2
    1.2商务数据分析流程2
    1.3商务数据分析阶段和方法3
    1.3.1商务数据分析的阶段3
    1.3.2商务数据分析的方法4
    1.4用Python进行商务数据分析5
    课后习题5
    第2章Python基础知识6
    2.1Python环境搭建6
    2.1.1Python版本6
    2.1.2安装Anaconda发行版6
    2.1.3检验安装成功11
    2.2Python解释器12
    2.2.1数据类型12
    2.2.2变量13
    2..列表13
    2.2.4字典14
    2.2.5布尔型15
    2.2.6if语句15
    2.2.7for语句16
    2.2.8函数16
    .NumPy16
    ..1导入NumPy17
    ..2生成NumPy数组17
    ..NumPy的算术运算17
    ..4NumPy的N维数组18
    ..5广播19
    ..访问元素19
    2.4Pandas20
    2.4.1Series21
    2.4.2DataFrame25
    2.4.3索引对象31
    2.5Matplotlib33
    2.5.1绘制简单图形33
    2.5.2Pyplot的功能34
    2.5.3显示图像35
    课后习题35
    第2篇方法篇
    第3章商务数据分析方法概述37
    3.1数据预处理37
    3.2特征工程37
    3.3机器学习方法37
    3.4深度学习方法38
    3.4.1深度学习简介38
    3.4.2深度学习方法简介40
    3.4.3深度学习框架40
    课后习题47
    第4章数据预处理48
    4.1数据探索分析48
    4.2数据清洗50
    4.2.1缺失值处理50
    4.2.2异常值处理51
    4..泰尼号数据清洗过程52
    4.3数据重构53
    4.4数据可视化55
    4.5冰箱订单数据预处理60
    4.5.1数据集信息60
    4.5.2缺失值处理61
    4.5.3订单分析62
    课后习题73
    第5章特征工程74
    5.1特征缩放74
    5.1.1归一化74
    5.1.2正则化75
    5.2征编75
    5.2.1序号编码75
    5.2.2独热编码76
    5..二进制编码76
    5.2.4多元化77
    5.2.5离散化77
    5.3特征提取78
    5.3.1主成分分析78
    5.3.2线判分析79
    5.3.3独立成分分析79
    5.4特征选择79
    5.4.1特征选择原理80
    5.4.2过滤式选择81
    5.4.3包裹式选择82
    5.4.4嵌入式选择82
    5.5特征构建83
    5.6泰尼号数据特征工程83
    5.6.1缺失值填充83
    5.6.2编码分类变量83
    课后习题84
    第6章决策树方法及其应用85
    6.1决策树简介85
    6.2决策树的构造过程86
    6.2.1特征选择86
    6.2.2决策树生成87
    6..决策树剪枝87
    6.3决策树算法实现87
    6.3.1结点定义88
    6.3.2特征选取88
    6.3.3结点分裂89
    6.4基于决策树的用户购买行为预测90
    课后习题94
    第7章支持向量机方法及其应用95
    7.1分类超平面与间隔95
    7.2对偶问题与拉格朗日乘子法97
    7.3核函数98
    7.4软间隔与正则化100
    7.5基于支持向量机的鸢尾花分类预测101
    课后习题104
    第8章集成学习方法及其应用106
    8.1Bagging算法106
    8.2Boosting算法106
    8.3随机森林106
    8.4XGBoost算法107
    8.5基于随机森林的鸢尾花分类预测108
    8.6基于随机森林的泰尼号生存概率预测110
    8.6.1切割训练集和测试集110
    8.6.2模型创建111
    8.6.3输出模型预测结果111
    8.6.4模型评估112
    课后习题115
    第9章神经网络及其应用116
    9.1前馈神经网络116
    9.2反馈神经网络117
    9.3激活函数118
    9.4损失函数121
    9.4.1回归损失121
    9.4.2分类损失122
    9.5基于BP神经网络的港口货物吞吐量预测125
    9.5.1数据描述125
    9.5.2参数介绍126
    9.5.3代码实现127
    课后习题130
    0章卷积神经网络及其应用131
    10.1卷积神经网络的结构131
    10.2卷积层132
    10.2.1卷积运算132
    10.2.2填充132
    10..步幅134
    10.2.4三维数据的卷积运算135
    10.2.5批处理137
    10.3池化层137
    10.4卷积神经网络的实现138
    10.5常见卷积神经网络141
    10.5.1LeNet141
    10.5.2AlexNet141
    10.6基于卷积神经网络的趋势预测142
    课后习题146
    1章循环神经网络及其应用147
    11.1循环神经网络的记忆能力147
    11.2循环神经网络的结构148
    11.2.1单向循环神经网络148
    11.2.2双向循环神经网络148
    11.3长短期记忆网络149
    11.3.1长短期记忆网络与循环神经网络的异同149
    11.3.2长短期记忆网络的结构151
    11.3.3长短期记忆网络变体152
    11.4基于长短期记忆网络算法的通货膨胀率预测153
    11.4.1业务背景分析153
    11.4.2指标选择与数据说明154
    11.4.3训练方法及优化器选择156
    11.4.4超参数的设定和网络结构的选择156
    11.4.5动态预测过程156
    11.4.6预测误差指标156
    11.4.7代码实现157
    课后习题164
    2章深度森林及其应用165
    12.1多粒度扫描165
    12.2级联森林166
    1.深度森林算法流程167
    12.4基于深度森林的母婴商品预测168
    12.4.1项目分析168
    12.4.2数据探索分析168
    12.4.3模型构建181
    课后习题184
    第3篇案例篇
    3章二手车交易价格预测186
    13.1项目分析186
    13.2数据预处理187
    13.3特征工程197
    13.4模型构建203
    13.4.1XGB模型203
    13.4.2XGB和LGB融合模型207
    13.5预测结果对比分析211
    4章电商企业商品预测212
    14.1项目分析212
    14.2数据探索分析214
    14.3数据预处理221
    14.4特征工程228
    14.5模型构建
    14.5.1随机森林模型240
    14.5.2XGBoost模型242
    14.5.3深度神经网络模型245
    14.5.4深度森林模型251
    14.5.5加权深度森林模型252
    14.6预测结果对比分析256
    5章区域物流需求量预测258
    15.1项目分析258
    15.2数据描述258
    15.3模型构建259
    15.4预测结果分析264
    参考文献265


    【前言】


    商务数据分析与应用


    【内容简介】


    本书包括商务数据分析的理论、方法和案例,分为三篇。篇:基础理论篇。介绍了商务数据分析的基础理论及 Python等数据分析工具。第二篇方法篇,包括数据清晰和数据预处理等方法以及近年来流行的策树、支持向量机、集成学习、等深度学习方法及其在商务数据分析中的应用。第三篇:案例篇。开发了二手车交易价格预测、电商企业商品预测、地区物流需求量预测3个商务数据分析的综合项目开发实例。本书注重理论联系实际,提供丰富的案例及代码,让读者可以在实践中学习和掌握**的商务数据分析方法。


    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