Python數據分析與挖掘實戰(zhàn)（第3版）

定　價：￥89.00

作　者：	張春福白婧張良均范林元吳建平
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網 (￥66.70)

ISBN：	9787111764793	出版時間：	2024-12-01	包裝：	平裝-膠訂
開本：	16開	頁數：		字數：

內容簡介

　　本書共13章，分三個部分：基礎篇、實戰(zhàn)篇、提高篇。（1）基礎篇（第1～5章），第1章的主要內容是數據挖掘概述；第2章對本書所用到的數據挖掘建模工具Python語言進行了簡明扼要的說明；第3章、第4章、第5章對數據挖掘的建模過程，包括數據探索、數據預處理及挖掘建模的常用算法與原理進行了介紹。（2）實戰(zhàn)篇（第6～12章），重點對數據挖掘技術在金融、航空、零售、農業(yè)、制造和互聯網等行業(yè)的應用進行了分析。在案例結構組織上，本書是按照先介紹案例背景與挖掘目標，再闡述分析方法與過程，最后完成模型構建的順序進行的，在建模過程關鍵環(huán)節(jié)，穿插程序實現代碼。最后通過上機實踐，加深數據挖掘技術在案例應用中的理解。（3）提高篇（第13章），圍繞去編程化的TipDM大數據挖掘建模平臺，先介紹了平臺每個模塊的功能，再以航空公司客戶價值分析案例為例，介紹如何使用平臺快速搭建數據分析與挖掘的工程，展示平臺去編程化、流程化的特點。

作者簡介

　　資深大數據挖掘專家和模式識別專家，高級信息項目管理師。10余年大數據挖掘應用、咨詢和培訓經驗。為電信、電力、政府、互聯網、生產制造、零售、銀行、生物、化工、醫(yī)藥等多個行業(yè)上百家大型企業(yè)提供過數據挖掘應用與咨詢服務，實踐經驗非常豐富。精通Java EE企業(yè)級應用開發(fā)，是華南師范大學、中南財經政法大學、廣東工業(yè)大學、西安理工大學、廣西科技大學、重慶交通大學、桂林電子科技大學等校外碩導。

圖書目錄

目　　錄　Contents
前言
基礎篇
第1章　數據挖掘基礎2
1.1　某知名連鎖餐飲企業(yè)的困惑2
1.2　從餐飲服務到數據挖掘4
1.3　數據挖掘的基本任務4
1.4　數據挖掘的建模過程5
1.4.1　目標定義5
1.4.2　數據采集6
1.4.3　數據探索7
1.4.4　數據預處理8
1.4.5　挖掘建模8
1.4.6　模型評價8
1.5　常用的數據挖掘建模工具8
1.6　小結10
第2章　Python數據分析簡介11
2.1　搭建Python開發(fā)平臺12
2.1.1　需要考慮的問題12
2.1.2　基礎平臺的搭建13
2.2　Python使用入門14
2.2.1　運行方式14
2.2.2　基本命令15
2.2.3　數據結構18
2.2.4　庫的導入與添加23
2.3　Python數據分析工具25
2.3.1　NumPy26
2.3.2　SciPy27
2.3.3　Matplotlib28
2.3.4　pandas29
2.3.5　StatsModels31
2.3.6　scikit-learn31
2.3.7　Keras33
2.3.8　Gensim35
2.3.9　TensorFlow35
2.3.10　PyTorch39
2.3.11　PaddlePaddle42
2.3.12　XGBoost45
2.4　配套附件使用設置47
2.5　小結47
第3章　數據探索48
3.1　數據質量分析48
3.1.1　缺失值分析49
3.1.2　異常值分析49
3.1.3　一致性分析53
3.2　數據特征分析53
3.2.1　分布分析53
3.2.2　對比分析58
3.2.3　統計量分析60
3.2.4　周期性分析63
3.2.5　貢獻度分析65
3.2.6　相關性分析67
3.3　Python的主要數據探索函數71
3.3.1　基本統計特征函數71
3.3.2　拓展統計特征函數75
3.3.3　統計繪圖函數76
3.4　小結83
第4章　數據預處理84
4.1　數據清洗84
4.1.1　缺失值處理84
4.1.2　異常值處理89
4.1.3　重復值處理89
4.2　數據集成91
4.2.1　實體識別91
4.2.2　冗余屬性識別91
4.3　數據變換92
4.3.1　簡單函數變換92
4.3.2　數據規(guī)范化92
4.3.3　連續(xù)屬性離散化95
4.3.4　屬性構造97
4.3.5　小波變換98
4.4　數據歸約101
4.4.1　屬性歸約101
4.4.2　數值歸約106
4.5　Python的主要數據預處理函數109
4.6　小結111
第5章　挖掘建模113
5.1　分類與預測113
5.1.1　實現過程114
5.1.2　常用的分類與預測算法114
5.1.3　回歸分析115
5.1.4　決策樹119
5.1.5　人工神經網絡126
5.1.6　分類與預測算法評價131
5.1.7　Python的分類預測模型136
5.2　聚類分析136
5.2.1　常用的聚類分析算法137
5.2.2　k均值聚類算法138
5.2.3　聚類分析算法評價143
5.2.4　Python的主要聚類分析算法144
5.3　關聯規(guī)則146
5.3.1　常用的關聯規(guī)則算法147
5.3.2　Apriori算法147
5.4　時序模式153
5.4.1　時間序列算法153
5.4.2　時間序列的預處理154
5.4.3　平穩(wěn)時間序列分析156
5.4.4　非平穩(wěn)時間序列分析159
5.4.5　Python的主要時序模式算法167
5.5　離群點檢測170
5.5.1　離群點的成因及類型170
5.5.2　離群點檢測方法171
5.5.3　基于統計模型的離群點
　　　檢測方法172
5.5.4　基于聚類的離群點檢測方法174
5.6　小結177
實戰(zhàn)篇
第6章　房屋租金影響因素分析
　　　　與預測180
6.1　背景與挖掘目標180
6.2　分析方法與過程181
6.2.1　數據預處理181
6.2.2　數據探索190
6.2.3　模型構建201
6.3　上機實驗207
6.4　拓展思考208
6.5　小結209
第7章　商超客戶價值分析210
7.1　背景與挖掘目標210
7.2　分析方法與過程211
7.2.1　數據探索與預處理212
7.2.2　模型構建及結果分析228
7.3　上機實驗238
7.4　拓展思考239
7.5　小結240
第8章　商品零售購物籃分析241
8.1　背景與挖掘目標241
8.2　分析方法與過程242
8.2.1　數據探索分析243
8.2.2　數據預處理249
8.2.3　模型構建249
8.3　上機實驗255
8.4　拓展思考256
8.5　小結256
第9章　基于水色圖像的水質評價257
9.1　背景與挖掘目標257
9.2　分析方法與過程258
9.2.1　分析流程259
9.2.2　數據預處理259
9.2.3　模型構建263
9.2.4　水質評價264
9.3　上機實驗265
9.4　拓展思考265
9.5　小結266
第10章　家用熱水器用戶行為
　　　　　分析與事件識別267
10.1　背景與挖掘目標267
10.2　分析方法與過程268
10.2.1　數據探索分析269
10.2.2　數據預處理272
10.2.3　模型構建283
10.2.4　模型檢驗284
10.3　上機實驗285
10.4　拓展思考287
10.5　小結288
第11章　電視產品個性化推薦289
11.1　背景與挖掘目標289
11.2　分析方法與過程290
11.2.1　分析流程291
11.2.2　數據預處理291
11.2.3　分析與建模306
11.2.4　模型評價310
11.3　上機實驗313
11.4　拓展思考314
11.5　小結314
第12章　天問一號事件中的網民
　　　　評論情感分析315
12.1　背景與挖掘目標315
12.2　分析方法與過程316
12.2.1　分析流程316
12.2.2　數據說明317
12.2.3　數據探索318
12.2.4　文本預處理323
12.2.5　繪制詞云圖327
12.2.6　使用樸素貝葉斯構建
　　　　情感分析模型331
12.2.7　模型評價338
12.2.8　模型優(yōu)化340
12.3　上機實驗344
12.4　拓展思考345
12.5　小結345
提高篇
第13章　基于TipDM大數據挖掘
　　　　　建模平臺實現商超客戶
　　　　　價值分析348
13.1　平臺簡介348
13.1.1　“共享庫”模塊350
13.1.2　“數據連接”模塊350
13.1.3　“數據集”模塊350
13.1.4　“我的工程”模塊351
13.1.5　“個人組件”模塊354
13.2　快速構建數據挖掘工程355
13.2.1　數據源配置355
13.2.2　數據探索與處理360
13.2.3　模型構建與結果分析379
13.3　小結393