Python數據分析與挖掘實戰（第2版）（微課版）

翟世臣，男，專業技術講師，高級工程師，軟件工程碩士，研究方向：數據分析與可視化、知識圖譜與智能問答，主要講授課程: Java EE，Python，MySQL，自然語言處理基礎以及人工智能導論等，申請實用新型、發明專利3項，軟件著作權5項；曾榮獲校級青年教師技能大賽一等獎，指導學生參加計算機設計大賽、藍橋杯等獲獎多項。

基礎篇
第1章 數據挖掘基礎
1.1 數據挖掘發展史
1.2 數據隱私安全
1.2.1 倫理困境與法律法規
1.2.2 數據隱私與合規性
1.3 數據挖掘的常用方法
1.4 數據挖掘的通用流程
1.4.1 目標分析
1.4.2 數據抽樣
1.4.3 數據探索
1.4.4 數據預處理
1.4.5 分析與建模
1.4.6 模型評價
1.5 常用數據挖掘工具
1.6 Python數據挖掘環境配置
小結
課後習題
第2章 Python數據挖掘編程基礎
2.1 Python使用入門
2.1.1 基本命令
2.1.2 判斷與循環
2.1.3 函數
2.1.4 庫的導入與安裝
2.2 Python數據挖掘建模的常用庫
2.2.1 NumPy
2.2.2 pandas
2.2.3 Matplotlib
2.2.4 scikit-learn
2.2.5 其他
2.3 深度學習框架
2.3.1 TensorFlow
2.3.2 Keras
2.3.3 PyTorch
2.3.4 PaddlePaddle
2.3.5 Caffe
小結
實訓 判斷、函數、類型轉換的使用
課後習題
第3章 數據探索
3.1 數據校驗
3.1.1 一致性校驗
3.1.2 缺失值校驗
3.1.3 異常值校驗
3.1.4 數據漂移校驗
3.2 數據特征分析
3.2.1 描述性統計分析
3.2.2 分布分析
3.2.3 對比分析
3.2.4 周期性分析
3.2.5 貢獻度分析
3.2.6 相關性分析
小結
實訓1 分布分析、描述性統計分析和貢獻度分析
實訓2 對比分析、相關性分析和周期性分析
課後習題
第4章 數據預處理
4.1 數據清洗
4.1.1 重覆值處理
4.1.2 缺失值處理
4.1.3 異常值處理
4.2 數據變換
4.2.1 簡單函數變換
4.2.2 數據標準化
4.2.3 數據離散化
4.2.4 獨熱編碼
4.3 數據合並
4.3.1 多表合並
4.3.2 分組合並
4.4 自動化預處理
4.4.1 自動化預處理的概念
4.4.2 常用的自動化預處理工具
4.4.3 自動化預處理流程
4.4.4 自動化預處理的優勢與註意事項
小結
實訓
實訓1 數據清洗
實訓2 數據變換
實訓3 數據合並
課後習題
第5章 數據挖掘算法基礎
5.1 分類與回歸
5.1.1 常用的分類與回歸算法
5.1.2 分類與回歸模型評價
5.1.3 線性模型
5.1.4 決策樹
5.1.5 K最近鄰分類
5.1.6 支持向量機
5.1.7 神經網絡
5.1.8 集成算法
5.2 聚類
5.2.1 常用的聚類算法
5.2.2 聚類模型評價
5.2.3 K-Means算法
5.2.4 密度聚類
5.2.5 層次聚類
5.3 關聯規則
5.3.1 常用關聯規則算法
5.3.2 Apriori算法
5.3.3 FP-Growth算法
5.4 時間序列分析
5.4.1 時間序列分析算法
5.4.2 時間序列的預處理
5.4.3 平穩序列分析
5.4.4 非平穩序列分析
5.5 智能推薦
5.5.1 常用智能推薦算法
5.5.2 智能推薦模型評價
5.5.3 協同過濾推薦算法
5.5.4 基於流行度的推薦算法
5.6 深度學習
5.6.1 深度學習的常用算法
5.6.2 深度學習與機器學習的區別
小結
實訓
實訓1 使用分類算法實現客戶流失預測
實訓2 使用K-Means算法實現超市顧客聚類分析
實訓3 使用Apriori算法挖掘網址間的相關關系
實訓4 使用ARIMA模型實現溫度預測
課後習題
實戰篇
第6章 商超客戶價值分析
6.1 背景與目標
6.1.1 背景
6.1.2 數據說明
6.1.3 目標
6.2 數據探索與預處理
6.2.1 數據質量評估與預處理
6.2.2 可視化分析
6.2.3 相關性分析
6.3 分析與建模
6.3.1 指標選取
6.3.2 模型構建
6.4 結果分析
6.4.1 客戶分群
6.4.2 客戶群體對比分析
小結
實訓 使用K-Means算法實現運營商客戶價值分析
課後習題
第7章 餐飲企業菜品關聯分析
7.1 背景與目標
7.1.1 背景
7.1.2 數據說明
7.1.3 目標
7.2 數據探索
7.2.1 分析每日用餐人數和營業額
7.2.2 分析菜品熱銷度
7.3 數據預處理
7.3.1 數據清洗
7.3.2 屬性構造
7.4 分析與建模
7.4.1 構建Apriori模型
7.4.2 訓練模型
7.5 模型評價
小結
實訓 西餅屋訂單關聯分析
課後習題
第8章 金融服務機構資金流量預測
8.1 背景與目標
8.1.1 背景
8.1.2 數據說明
8.1.3 目