Python 資料分析與挖掘實戰 Python数据分析与挖掘实战

張良均, 王路, 譚立雲, 蘇劍林, 等

  • 出版商: 機械工業出版社
  • 出版日期: 2016-01-01
  • 定價: $414
  • 售價: $414
  • 貴賓價: 9.5$393
  • 語言: 簡體中文
  • 頁數: 335
  • 裝訂: 平裝
  • ISBN: 7111521234
  • ISBN-13: 9787111521235
  • 相關分類: 資料科學
  • 銷售排行: 👍 2016 年度 簡體中文書 銷售排行 第 18 名

下單後立即進貨 (4週~6週)

買這商品的人也買了...

相關活動主題

20180802 %e6%9c%80%e6%96%b0%e5%88%b0%e8%b2%a8small

商品描述

 

<內容簡介>

10餘位數據挖掘領域資深專家和科研人員,10餘年大數據挖掘咨詢與實施經驗結晶。從數據挖掘的應用出發,以電力、航空、醫療、因特網、生產製造以及公共服務等行業真實案例為主線,深入淺出介紹Python數據挖掘建模過程,實踐性極強。
張良均、王路、譚立雲、蘇劍林、雲偉標等著的《Python數據分析與挖掘實戰》共15章,分兩個部分:基礎篇、實戰篇。基礎篇介紹了數據挖掘的基本原理,實戰篇介紹了一個個真實案例,通過對案例深入淺出的剖析,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,借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演算法與原理進行了介紹。
實戰篇(第6?15章),重點對數據挖掘技術在電力、航空、醫療、因特網、生產製造以及公共服務等行業的應用進行了分析。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。

 

<章節目錄>

前言
基礎篇
第1章  數據挖掘基礎
  1.1  某知名連鎖餐飲企業的困惑
  1.2  從餐飲服務到數據挖掘
  1.3  數據挖掘的基本任務
  1.4  數據挖掘建模過程
    1.4.1  定義挖掘目標
    1.4.2  數據取樣
    1.4.3  數據探索
    1.4.4  數據預處理
    1.4.5  挖掘建模
    1.4.6  模型評價
  1.5  常用的數據挖掘建模工具
  1.6  小結
第2章  Python數據分析簡介
  2.1  搭建Python開發平臺
    2.1.1  所要考慮的問題
    2.1.2  基礎平臺的搭建
  2.2  Python使用入門
    2.2.1  運行方式
    2.2.2  基本命令
    2.2.3  數據結構
    2.2.4  庫的導入與添加
  2.3  Python數據分析工具
    2.3.1  Numpy
    2.3.2  Scipy
    2.3.3  Matplotlib
    2.3.4  Pandas
    2.3.5  StatsModels
    2.3.6  Scikit-Learn
    2.3.7  Keras
    2.3.8  Gensim
  2.4  配套資源使用設置
  2.5  小結
第3章  數據探索
  3.1  數據質量分析
    3.1.1  缺失值分析
    3.1.2  異常值分析
    3.1.3  一致性分析
  3.2  數據特徵分析
    3.2.1  分佈分析
    3.2.2  對比分析
    3.2.3  統計量分析
    3.2.4  周期性分析
    3.2.5  貢獻度分析
    3.2.6  相關性分析
  3.3  Python主要數據探索函數
    3.3.1  基本統計特徵函數
    3.3.2  拓展統計特徵函數

    3.3.3  統計作圖函數
  3.4  小結
第4章  數據預處理
  4.1  數據清洗
    4.1.1  缺失值處理
    4.1.2  異常值處理
  4.2  數據集成
    4.2.1  實體識別
    4.2.2  冗餘屬性識別
  4.3  數據變換
    4.3.1  簡單函數變換
    4.3.2  規範化
    4.3.3  連續屬性離散化
    4.3.4  屬性構造
    4.3.5  小波變換
  4.4  數據規約
    4.4.1  屬性規約
    4.4.2  數值規約
  4.5  Python主要數據預處理函數
  4.6  小結
第5章  挖掘建模
  5.1  分類與預測
    5.1.1  實現過程
    5.1.2  常用的分類與預測演算法
    5.1.3  回歸分析
    5.1.4  決策樹
    5.1.5  人工神經網絡
    5.1.6  分類與預測演算法評價
    5.1.7  Python分類預測模型特點
  5.2  聚類分析
    5.2.1  常用聚類分析演算法
    5.2.2  K-Means聚類演算法
    5.2.3  聚類分析演算法評價
    5.2.4  Python主要聚類分析演算法
  5.3  關聯規則
    5.3.1  常用關聯規則演算法
    5.3.2  Apriori演算法
  5.4  時序模式
    5.4.1  時間序列演算法
    5.4.2  時間序列的預處理
    5.4.3  平穩時間序列分析
    5.4.4  非平穩時間序列分析
    5.4.5  Python主要時序模式演算法
  5.5  離群點檢測
    5.5.1  離群點檢測方法
    5.5.2  基於模型的離群點檢測方法
    5.5.3  基於聚類的離群點檢測方法
  5.6  小結
實戰篇
第6章  電力竊漏電用戶自動識別

  6.1  背景與挖掘目標
  6.2  分析方法與過程
    6.2.1  數據抽取
    6.2.2  數據探索分析
    6.2.3  數據預處理
    6.2.4  構建專家樣本
    6.2.5  模型構建
  6.3  上機實驗
  6.4  拓展思考
  6.5  小結
第7章  航空公司客戶價值分析
  7.1  背景與挖掘目標
  7.2  分析方法與過程
    7.2.1  數據抽取
    7.2.2  數據探索分析
    7.2.3  數據預處理
    7.2.4  模型構建
  7.3  上機實驗
  7.4  拓展思考
  7.5  小結
第8章  中醫證型關聯規則挖掘
  8.1  背景與挖掘目標
  8.2  分析方法與過程
    8.2.1  數據獲取
    8.2.2  數據預處理
    8.2.3  模型構建
  8.3  上機實驗
  8.4  拓展思考
  8.5  小結
第9章  基於水色圖像的水質評價
  9.1  背景與挖掘目標
  9.2  分析方法與過程
    9.2.1  數據預處理
    9.2.2  模型構建
    9.2.3  水質評價
  9.3  上機實驗
  9.4  拓展思考
  9.5  小結
第10章  家用電器用戶行為分析與事件識別
  10.1  背景與挖掘目標
  10.2  分析方法與過程
    10.2.1  數據抽取
    10.2.2  數據探索分析
    10.2.3  數據預處理
    10.2.4  模型構建
    10.2.5  模型檢驗
  10.3  上機實驗
  10.4  拓展思考
  10.5  小結
第11章  應用系統負載分析與磁盤容量預測

  11.1  背景與挖掘目標
  11.2  分析方法與過程
    11.2.1  數據抽取
    11.2.2  數據探索分析
    11.2.3  數據預處理
    11.2.4  模型構建
  11.3  上機實驗
  11.4  拓展思考
  11.5  小結
第12章  電子商務網站用戶行為分析及服務推薦
  12.1  背景與挖掘目標
  12.2  分析方法與過程
    12.2.1  數據抽取
    12.2.2  數據探索分析
    12.2.3  數據預處理
    12.2.4  模型構建
  12.3  上機實驗
  12.4  拓展思考
  12.5  小結
第13章  財政收入影響因素分析及預測模型
  13.1  背景與挖掘目標
  13.2  分析方法與過程
    13.2.1  灰色預測與神經網絡的組合模型
    13.2.2  數據探索分析
    13.2.3  模型構建
  13.3  上機實驗
  13.4  拓展思考
  13.5  小結
第14章  基於基站定位數據的商圈分析
  14.1  背景與挖掘目標
  14.2  分析方法與過程
    14.2.1  數據抽取
    14.2.2  數據探索分析
    14.2.3  數據預處理
    14.2.4  模型構建
  14.3  上機實驗
  14.4  拓展思考
  14.5  小結
第15章  電商產品評論數據情感分析
  15.1  背景與挖掘目標
  15.2  分析方法與過程
    15.2.1  評論數據採集
    15.2.2  評論預處理
    15.2.3  文本評論分詞
    15.2.4  模型構建
  15.3  上機實驗
  15.4  拓展思考
  15.5  小結
參考文獻

 

<作者介紹>

張良均//王路//譚立雲//蘇劍林//雲偉標等
張良均,資深大數據挖掘專家和模式識別專家,有10多年的大數據挖掘應用、咨詢經驗,10餘年數據倉庫系統管理與實施經驗,超過10年的系統開發與設計經驗。為電信、電力、因特網、生產製造、零售、銀行、生物、化工、醫藥等多個行業上百家大型企業提供過數據挖掘應用與咨詢服務,實踐經驗非常豐富。此外,他精通Java EE企業級應用開發,是廣東工業大學和華南師範大學兼職教授,著有《神經網絡實用教程》、《數據挖掘:實用案例分析》等暢銷書。