Python數據分析與挖掘實戰計算機與互聯網書籍|4894338 epub pdf mobi txt 電子書下載 2024

Name: Python數據分析與挖掘實戰 計算機與互聯網 書籍|4894338 pdf epub mobi txt 電子書 2024
SKU: 10116982526
Rating: 4 (10 reviews)

☆☆☆☆☆
簡體網頁||繁體網頁

張良均，王路，譚立雲，蘇劍林著

下載链接在页面底部

點擊這裡下載

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

想要找書就要到靜思書屋

book.tinynews.org

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

發表於2024-11-26

商品介绍

店鋪：互動齣版網圖書專營店

齣版社：機械工業齣版社

ISBN：9787111521235

商品編碼：10116982526

叢書名：大數據技術叢書

齣版時間：2016-01-01

頁數：335

Python數據分析與挖掘實戰計算機與互聯網書籍|4894338 epub pdf mobi txt 電子書下載 2024

类似图書點擊查看全場最低價

書籍描述

> 書名：	Python數據分析與挖掘實戰\|4894338
> 圖書定價：	69元
> 圖書作者：	張良均;王路;譚立雲;蘇劍林
> 齣版社：	機械工業齣版社
> 齣版日期：	2016/1/1 0:00:00
> ISBN號：	9787111521235
> 開本：	16開
> 頁數：	335
> 版次：	1-1

作者簡介

張良均
資深大數據挖掘專傢和模式識彆專傢，高級信息項目管理師，有10多年的大數據挖掘應用、谘詢和培訓經驗。為電信、電力、政府、互聯網、生産製造、零售、銀行、生物、化工、醫藥等多個行業上百傢大型企業提供過數據挖掘應用與谘詢服務，實踐經驗非常豐富。此外，他精通Java EE企業級應用開發，是廣東工業大學、華南師範大學、華南農業大學、貴州師範學院、韓山師範學院、廣東技術師範學院兼職教授，著有《神經網絡實用教程》、《數據挖掘：實用案例分析》、《MATLAB數據分析與挖掘實戰》《R語言數據分析與挖掘實戰》等暢銷書。

內容簡介

10餘位數據挖掘領域資深專傢和科研人員，10餘年大數據挖掘谘詢與實施經驗結晶。從數據挖掘的應用齣發，以電力、航空、醫療、互聯網、生産製造以及公共服務等行業真實案例為主綫，深入淺齣介紹Python數據挖掘建模過程，實踐性極強。
本書共15章，分兩個部分：基礎篇、實戰篇。基礎篇介紹瞭數據挖掘的基本原理，實戰篇介紹瞭一個個真實案例，通過對案例深入淺齣的剖析，使讀者在不知不覺中通過案例實踐獲得數據挖掘項目經驗，同時快速領悟看似難懂的數據挖掘理論。讀者在閱讀過程中，應充分利用隨書配套的案例建模數據，藉助相關的數據挖掘建模工具，通過上機實驗，以快速理解相關知識與理論。
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語言進行瞭簡明扼要的說明；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瞭介紹。
實戰篇（第6～15章），重點對數據挖掘技術在電力、航空、醫療、互聯網、生産製造以及公共服務等行業的應用進行瞭分析。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，最後完成模型構建的順序進行的，在建模過程的關鍵環節，穿插程序實現代碼。最後通過上機實踐，加深讀者對數據挖掘技術在案例應用中的理解。

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的睏惑2
1.2　從餐飲服務到數據挖掘3
1.3　數據挖掘的基本任務4
1.4　數據挖掘建模過程4
1.4.1　定義挖掘目標4
1.4.2　數據取樣5
1.4.3　數據探索6
1.4.4　數據預處理7
1.4.5　挖掘建模7
1.4.6　模型評價7
1.5　常用的數據挖掘建模工具7
1.6　小結9
第2章　Python數據分析簡介10
2.1　搭建Python開發平颱12
2.1.1　所要考慮的問題12
2.1.2　基礎平颱的搭建12
2.2　Python使用入門13
2.2.1　運行方式14
2.2.2　基本命令15
2.2.3　數據結構17
2.2.4　庫的導入與添加20
2.3　Python數據分析工具22
2.3.1　Numpy23
2.3.2　Scipy24
2.3.3　Matplotlib24
2.3.4　Pandas26
2.3.5　StatsModels27
2.3.6　Scikit-Learn28
2.3.7　Keras29
2.3.8　Gensim30
2.4　配套資源使用設置31
2.5　小結32
第3章　數據探索33
3.1　數據質量分析33
3.1.1　缺失值分析34
3.1.2　異常值分析34
3.1.3　一緻性分析37
3.2　數據特徵分析37
3.2.1　分布分析37
3.2.2　對比分析40
3.2.3　統計量分析41
3.2.4　周期性分析44
3.2.5　貢獻度分析45
3.2.6　相關性分析47
3.3　Python主要數據探索函數50
3.3.1　基本統計特徵函數50
3.3.2　拓展統計特徵函數53
3.3.3　統計作圖函數54
3.4　小結59
第4章　數據預處理60
4.1　數據清洗60
4.1.1　缺失值處理60
4.1.2　異常值處理64
4.2　數據集成64
4.2.1　實體識彆64
4.2.2　冗餘屬性識彆65
4.3　數據變換65
4.3.1　簡單函數變換65
4.3.2　規範化66
4.3.3　連續屬性離散化68
4.3.4　屬性構造70
4.3.5　小波變換71
4.4　數據規約74
4.4.1　屬性規約74
4.4.2　數值規約77
4.5　Python主要數據預處理函數80
4.6　小結81
第5章　挖掘建模83
5.1　分類與預測83
5.1.1　實現過程83
5.1.2　常用的分類與預測算法84
5.1.3　迴歸分析85
5.1.4　決策樹89
5.1.5　人工神經網絡95
5.1.6　分類與預測算法評價100
5.1.7　Python分類預測模型特點103
5.2　聚類分析104
5.2.1　常用聚類分析算法104
5.2.2　K-Means聚類算法105
5.2.3　聚類分析算法評價111
5.2.4　Python主要聚類分析算法111
5.3　關聯規則113
5.3.1　常用關聯規則算法114
5.3.2　Apriori算法114
5.4　時序模式119
5.4.1　時間序列算法120
5.4.2　時間序列的預處理120
5.4.3　平穩時間序列分析122
5.4.4　非平穩時間序列分析124
5.4.5　Python主要時序模式算法132
5.5　離群點檢測134
5.5.1　離群點檢測方法135
5.5.2　基於模型的離群點檢測方法136
5.5.3　基於聚類的離群點檢測方法138
5.6　小結141
實　戰　篇
第6章　電力竊漏電用戶自動識彆144
6.1　背景與挖掘目標144
6.2　分析方法與過程147
6.2.1　數據抽取148
6.2.2　數據探索分析148
6.2.3　數據預處理151
6.2.4　構建專傢樣本156
6.2.5　模型構建157
6.3　上機實驗161
6.4　拓展思考162
6.5　小結163
第7章　航空公司客戶價值分析164
7.1　背景與挖掘目標164
7.2　分析方法與過程166
7.2.1　數據抽取168
7.2.2　數據探索分析168
7.2.3　數據預處理169
7.2.4　模型構建173
7.3　上機實驗177
7.4　拓展思考178
7.5　小結179
第8章　中醫證型關聯規則挖掘180
8.1　背景與挖掘目標180
8.2　分析方法與過程181
8.2.1　數據獲取183
8.2.2　數據預處理186
8.2.3　模型構建190
8.3　上機實驗193
8.4　拓展思考194
8.5　小結194
第9章　基於水色圖像的水質評價195
9.1　背景與挖掘目標195
9.2　分析方法與過程195
9.2.1　數據預處理197
9.2.2　模型構建199
9.2.3　水質評價201
9.3　上機實驗202
9.4　拓展思考202
9.5　小結203
第10章　傢用電器用戶行為分析與事件識彆204
10.1　背景與挖掘目標204
10.2　分析方法與過程205
10.2.1　數據抽取206
10.2.2　數據探索分析207
10.2.3　數據預處理207
10.2.4　模型構建217
10.2.5　模型檢驗219
10.3　上機實驗220
10.4　拓展思考221
10.5　小結222
第11章　應用係統負載分析與磁盤容量預測223
11.1　背景與挖掘目標223
11.2　分析方法與過程225
11.2.1　數據抽取226
11.2.2　數據探索分析226
11.2.3　數據預處理227
11.2.4　模型構建229
11.3　上機實驗235
11.4　拓展思考236
11.5　小結237
第12章　電子商務網站用戶行為分析及服務推薦238
12.1　背景與挖掘目標238
12.2　分析方法與過程240
12.2.1　數據抽取242
12.2.2　數據探索分析244
12.2.3　數據預處理251
12.2.4　模型構建256
12.3　上機實驗266
12.4　拓展思考267
12.5　小結269
第13章　財政收入影響因素分析及預測模型270
13.1　背景與挖掘目標270
13.2　分析方法與過程272
13.2.1　灰色預測與神經網絡的組閤模型273
13.2.2　數據探索分析274
13.2.3　模型構建277
13.3　上機實驗294
13.4　拓展思考295
13.5　小結296
第14章　基於基站定位數據的商圈分析297
14.1　背景與挖掘目標297
14.2　分析方法與過程299
14.2.1　數據抽取299
14.2.2　數據探索分析299
14.2.3　數據預處理301
14.2.4　模型構建304
14.3　上機實驗308
14.4　拓展思考309
14.5　小結309
第15章　電商産品評論數據情感分析310
15.1　背景與挖掘目標310
15.2　分析方法與過程310
15.2.1　評論數據采集311
15.2.2　評論預處理314
15.2.3　文本評論分詞320
15.2.4　模型構建320
15.3　上機實驗333
15.4　拓展思考334
15.5　小結335
參考文獻336

編輯推薦

10餘位數據挖掘領域專傢和科研人員，10餘年大數據挖掘谘詢與實施經驗結晶。
從數據挖掘的應用齣發，以電力、航空、醫療、互聯網、生産製造以及公共服務等行業真實案例為主綫，深入淺齣介紹Python數據挖掘建模過程，實踐性極強

Python數據分析與挖掘實戰計算機與互聯網書籍|4894338 epub pdf mobi txt 電子書下載 2024

Python數據分析與挖掘實戰計算機與互聯網書籍|4894338 下載 epub mobi pdf txt 電子書