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

  • [直供] Python数据挖掘实战 Python 数据分析初学者入门书籍 Python 常用的数据处理 数据挖掘实战方法
  • 新商品上架
    • 作者: 方小敏,著
    • 出版社: 电子工业出版社
    • 出版时间:2021-02
    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:
    江莱图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 方小敏,著
    • 出版社:电子工业出版社
    • 出版时间:2021-02
    • 开本:16开
    • ISBN:9787121404610
    • 版权提供:电子工业出版社

    内容介绍

    从解决工作实际问题出发,提炼总结工作中Python 常用的数据处理、数据挖掘实战方法与技巧。本书通俗易懂地介绍数据挖掘过程中可能用到的回归模型、分类模型、聚类、关联、时间序列分析等技术。在不影响学习理解的前提下,尽可能地避免使用晦涩难懂的Python 编程、统计术语或模型公式。 本书定位是带领Python 数据分析初学者入门,并能解决学习、工作中大部分的问题或需求。入门后如还需要进一步进阶学习,可自行扩展阅读相关书籍或资料,学习是永无止境的,正所谓"师傅领进门,修行在个人”。


    目录

    第1章 数据挖掘基础 /1
    1.1 数据挖掘是什么 /1
    1.1.1 数据挖掘算法的类型 /2
    1.1.2 数据挖掘需要的技能 /4
    1.1.3 数据挖掘的常见误区 /6
    1.2 数据挖掘的常见问题 /8
    1.2.1 预测问题 /9
    1.2.2 分类问题 /9
    1.2.3 聚类问题 /11
    1.2.4 关联问题 /12
    1.3 数据挖掘的标准流程 /13
    1.3.1 商业理解 /14
    1.3.2 数据理解 /14
    1.3.3 数据准备 /14
    1.3.4 模型构建 /15
    1.3.5 模型评估 /15
    1.3.6 模型部署 /15
    1.4 数据分析和数据挖掘的区别 /16
    1.4.1 数据分析 /16
    1.4.2 数据挖掘 /17

    第2章 回归模型 /18
    2.1 回归模型简介 /18
    2.2 相关分析 /20
    2.2.1 依存关系 /20
    2.2.2 相关系数的计算 /21
    2.2.3 相关系数的方向与大小 /22
    2.2.4 居民购物习惯相关分析案例 /23
    2.3 简单线性回归分析 /25
    2.3.1 线性回归方程解读 /25
    2.3.2 使用最小二乘法求解回归方程 /26
    2.3.3 使用广告投放费用预测销售额案例 /28
    2.4 多重线性回归分析 /33
    2.4.1 使用最小二乘法求解多重线性回归方程 /33
    2.4.2 使用广告投放费用与客流量预测销售额案例 /36
    2.5 一元非线性回归 /39
    2.5.1 一元非线性回归模型 /39
    2.5.2 一元非线性回归模型求解 /40
    2.5.3 使用上线天数预测活跃用户数案例 /41

    第3章 分类模型 /48
    3.1 分类模型基础 /48
    3.1.1 分类模型的建模五步骤 /49
    3.1.2 分类模型评估指标 /50
    3.1.3 K折交叉验证 /53
    3.2 KNN模型 /54
    3.2.1 KNN模型原理 /54
    3.2.2 使用商户数据预测是否续约案例 /55
    3.3 贝叶斯分类 /64
    3.3.1 贝叶斯分类的核心概念 /65
    3.3.2 朴素贝叶斯分类 /67
    3.3.3 朴素贝叶斯分类算法在离散型特征上的求解 /68
    3.3.4 朴素贝叶斯分类算法在连续型特征上的求解 /71
    3.3.5 使用议员在议案上的投票记录预测其所属党派案例 /83
    3.3.6 根据商户数据预测其是否续约案例 /85
    3.3.7 根据新闻文本预测其所属分类案例 /86
    3.4 决策树 /89
    3.4.1 决策树分类 /89
    3.4.2 决策树分类算法原理 /91
    3.4.3 使用高中生基本信息预测其是否计划升学案例 /93
    3.4.4 案例解读 /102
    3.5 随机森林 /104
    3.5.1 随机森林的特点 /104
    3.5.2 网格搜索 /106
    3.5.3 使用随机森林算法提升决策树算法效果案例 /107
    3.6 支持向量机 /111
    3.6.1 支持向量机的核心原理 /111
    3.6.2 根据葡萄酒成分数据预测其分类案例 /116
    3.7 逻辑回归 /118
    3.7.1 逻辑回归的核心概念 /118
    3.7.2 逻辑回归的数学推导 /119
    3.7.3 使用住户信息预测房屋是否屋主所有案例 /120

    第4章 特征工程 /124
    4.1 描述性统计分析 /125
    4.2 数据标准化 /127
    4.2.1 Min-Max标准化 /128
    4.2.2 Z-Score 标准化 /129
    4.2.3 Normalizer归一化 /131
    4.3 数据变换 /132
    4.3.1 二值化 /132
    4.3.2 分桶 /135
    4.3.3 幂变换 /138
    4.4 缺失值处理 /139
    4.4.1 删除缺失值所在的行 /140
    4.4.2 均值/众数/中值填充 /141
    4.4.3 模型填充 /142
    4.5 降维 /143
    4.5.1 主成分分析 /143
    4.5.2 因子分析 /154

    第5章 聚类算法 /160
    5.1 K均值算法 /161
    5.1.1 K均值算法的核心概念 /161
    5.1.2 电信套餐制定案例 /164
    5.2 DBSCAN算法 /169
    5.2.1 DBSCAN算法核心概念 /170
    5.2.2 用户常活动区域挖掘案例 /173
    5.3 层次聚类算法 /175
    5.3.1 演示:聚类层次的计算过程 /175
    5.3.2 基于运营商基站信息挖掘商圈案例 /178

    第6章 关联算法 /184
    6.1 关联规则 /185
    6.1.1 关联规则的核心概念 /186
    6.1.2 超市关联规则挖掘案例 /188
    6.1.3 超市关联规则解读 /192
    6.2 协同过滤 /192
    6.2.1 协同过滤算法的实现 /193
    6.2.2 安装scikit-surprise模块 /196
    6.2.3 基于电影数据的协同过滤案例 /197
    6.3 奇异值分解 /201

    第7章 时间序列 /206
    7.1 时间序列分解 /206
    7.1.1 非季节性时间序列分解 /207
    7.1.2 季节性时间序列 /211
    7.2 序列预测 /214
    7.2.1 把不平稳的时间序列转换成平稳的时间序列 /214
    7.2.2 自回归模型 /219
    7.2.3 移动平均模型 /220
    7.2.4 自回归移动平均模型 /221

    第8章 模型持久化 /226
    8.1 保存模型 /226
    8.2 恢复模型 /228
    8.3 管道模型 /229


    作者介绍

    方小敏,*机器学习工程师;中山大学数字治理研究中心技术顾问;曾服务于腾讯等知名互联网企业,熟练掌握Python、R、Spark、Hive、TensorFlow等工具进行机器学习。《谁说菜鸟不会数据分析(Python篇)》作者。

    1
    • 商品详情
    • 内容简介

    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