数据挖掘:你必须知道的32个经典案例第2版【正版】 2025 chm pdf kindle rb azw3 下载 115盘

本书是为广大数据分析师量身定制的入门读物，它旨在帮助读者站在大数据时代的制高点。数据分析处于统计学、计算机信息科学、运筹学、数据库等多个领域的交叉地带，大数据时代的到来大大丰富了数据分析的内涵，数据分析师的职责与以往相比发生了巨大的改变。本书全面介绍了经典数据分析、模式识别、机器学习、深度学习、数据挖掘、商务智能等多个领域的数据分析算法，将大数据时代的数据分析热点技术一网打尽。本书为每个数据分析算法都搭配了一个经典案例，并按照由易到难的原则构建知识框架，充分照顾了不同水平读者的阅读习惯。通过阅读本书，读者将对大数据时代下的数据分析有一个全面的认识。无论是入门级的数据分析员还是有一定基础的数据分析师，都能通过本书完善、加深对数据分析的认识。

第1章??经典的探索性数据分析案例?11．1??探索性数据分析综述?21．1．1??什么是探索性数据分析?21．1．2??如何收集数据?41．1．3??数据预处理技术?51．2??数据巧收集――红牛的大数据营销案例?81．2．1??状况百出的红牛企业?81．2．2??红牛企业巧妙收集消费者数据?91．2．3??数据收集小结?121．3??数据可视化――数据新闻促使英军撤军?131．3．1??维基解密带来的海量数据?131．3．2??百花齐放的数据新闻?151．3．3??数据可视化小结?181．4??异常值分析――Facebook消灭钓鱼链接?191．4．1??Facebook和广告商之间的拉锯战?201．4．2??异常值分析指导排名算法工作?221．4．3??异常值分析小结?261．5??对比分析――TrueCar指导购物者寻找最合算的车价?271．5．1??火中取栗的TrueCar网站?281．5．2??数据对比赢得消费者信赖?291．5．3??对比分析小结?32第2章??经典的相关分析与回归分析案例?352．1??相关回归综述?362．1．1??相关回归简介?362．1．2??相关性分析的发展介绍?382．1．3??回归分析的发展介绍?392．2??皮尔逊相关值――纽约市政府利用相关分析监控违法建筑?402．2．1??简约而不简单的消防检测系统?402．2．2??使用相关分析洞察60个变量的关系?422．2．3??相关分析小结?452．3??时间序列分析――人寿保险的可提费用预测?472．3．1??人寿保险公司和可提费用?472．3．2??使用4种时间序列回归预测模型解决问题?492．3．3??时间序列分析小结?522．4??线性回归分析――梅西百货公司的12项大数据策略?542．4．1??从“一亿豪赌”说起的零售商困境?542．4．2??SAS公司帮助梅西百货构建模型?562．4．3??线性回归分析小结?592．5??Logistic回归分析――大面积流感爆发的预测分析?622．5．1??究竟谁才是流感预测算法之王?622．5．2??向Logistic算法中引入更多变量?642．5．3??Logistic回归分析小结?67第3章??经典的降维数据分析案例?693．1??降维分析算法综述?703．1．1??为什么要使用降维算法?703．1．2??线性降维算法?723．1．3??非线性降维算法?733．2??粗糙集算法――协助希腊工业发展银行制定信贷政策?743．2．1??银行信贷政策的制定原则?753．2．2??粗糙集算法的原理和应用?763．2．3??粗糙集算法小结?803．3??因子分析――基于李克特量表的应聘评价法?823．3．1??源于智力测试的因子分析?823．3．2??使用因子分析解构问卷?843．3．3??因子分析小结?873．4??尺度分析――直观评估消费者倾向的分析方法?893．4．1??市场调查问题催生的尺度分析?893．4．2??6种经典的尺度分析解读方法?913．4．3??尺度分析小结?953．5??PCA降维算法――智能人脸识别的应用与拓展?973．5．1??刷脸的时代来了?973．5．2??使用PCA算法完成降维工作?993．5．3??PCA算法小结?102第4章??经典的模式识别案例?1054．1??模式识别综述?1064．1．1??模式识别简介?1064．1．2??模式识别的发展脉络?1074．1．3??模式识别应用简介?1104．2??图像分析――谷歌的超前自动驾驶技术?1114．2．1??以安全的名义呼吁自动驾驶技术?1114．2．2??快速成熟的无人驾驶技术?1134．2．3??图像分析小结?1164．3??遗传算法――经典的人力资源优化问题?1184．3．1??使用有限资源实现利益化?1184．3．2??遗传算法的计算过程?1204．3．3??遗传算法小结?1234．4??决策树分析――“沸腾时刻”准确判断用户健康水平?1244．4．1??打造我国的健身平台?1244．4．2??信息增益和决策树?1264．4．3??决策树小结?1294．5??K均值聚类分析――HSE24通过为客户分类降低退货率?1314．5．1??在电子商务市场快速扩张的HSE24?1314．5．2??使用K均值聚类为客户分类?1334．5．3??K均值聚类小结?136第5章??经典的机器学习案例?1395．1??机器学习综述?1405．1．1??机器学习简介?1405．1．2??机器学习的主流发展和应用?1425．2??语义搜索――沃尔玛搜索引擎提升15%销售额?1435．2．1??注重用户体验的沃尔玛公司?1445．2．2??语义搜索引擎的底层技术和原理?1455．2．3??语义搜索技术小结?1485．3??顺序分析――搜狗输入法的智能纠错系统?1505．3．1??搜狗输入法的王牌词库和智能算法?1515．3．2??频繁树模式和顺序分析算法?1535．3．3??顺序分析小结?1565．4??文本分析――经典的垃圾邮件过滤系统?1585．4．1??大数据时代需要文本分析工作?1585．4．2??垃圾邮件过滤中的分词技术和词集模型?1605．4．3??文本分析小结?1635．5??协同过滤――构建个性化推荐系统的经典算法?1645．5．1??协同过滤算法为什么这么流行?1655．5．2??基于用户和基于产品的协同过滤?1665．5．3??协同过滤算法小结?169第6章??经典的深度学习案例?1716．1??深度学习综述?1726．1．1??深度学习简介?1726．1．2??深度学习在图像处理方面的应用?1746．1．3??深度学习在自然语言处理方面的应用?1766．2??支持向量机――乔布斯利用大数据对抗癌症?1786．2．1??乔布斯和胰腺癌的抗争?1786．2．2??医学统计学和支持向量机?1806．2．3??支持向量机小结?1846．3??感知器神经网络――的房产价格预测算法?1856．3．1??如何预测房价?1866．3．2??多层感知器和误差曲面?1886．3．3??感知器神经网络小结?1916．4??自组织神经网络――如何又快又好地解决旅行商问题?1936．4．1??路径问题的典型模式和解决方法?1936．4．2??自组织神经网络的拓扑结构和权值调整?1946．4．3??自组织神经网络小结?1986．5??RBM算法――为新闻报道智能分类?1996．5．1??新闻报道智能分类的难与易?1996．5．2??RBM算法的学习目标和学习方法?2016．5．3??RBM算法小结?204第7章??经典的数据挖掘案例?2077．1??数据挖掘综述?2087．1．1??什么是数据挖掘?2087．1．2??数据挖掘的主要应用领域?2097．1．3??数据挖掘模型的评价指标?2117．2??判别分析――美国运通构建客户流失预测模型?2137．2．1??美国运通公司的旧日辉煌?2137．2．2??判别分析的假设条件和判别函数?2147．2．3??判别分析小结?2187．3??购物篮分析――找出零售业的商品组合?2207．3．1??名动天下的“啤酒和尿布”案例?2207．3．2??购物篮分析的频繁模式?2227．3．3??购物篮分析小结?2257．4??马尔可夫链――准确预测客运市场占有率?2277．4．1??复杂的客运市场系统?2277．4．2??概率转移矩阵的求解方法?2297．4．3??马尔可夫链小结?2327．5??AdaBoost元算法――有效侦测欺诈交易的复合算法?2337．5．1??弱分类器和强分类器之争?2337．5．2??AdaBoost元算法的分类器构建方法?2357．5．3??AdaBoost元算法小结?238第8章??经典的商业智能分析案例?2418．1??商业智能分析综述?2428．1．1??什么是商业智能?2428．1．2??商业智能的主流发展与应用?2448．2??KXEN分析软件――构建欧洲博彩业下注预测平台?2468．2．1??现代博彩业背后的黑手?2478．2．2??集体智慧和庄家赔率的联系?2488．2．3??KXEN软件小结?2528．3??数据废气再利用――物流公司数据成功用于评估客户信用?2538．3．1??数据废气和黑暗数据的异同?2548．3．2??论如何充分利用物流公司数据?2558．3．3??数据废气再利用小结?2588．4??必应预测――使用往期信息预测自然灾害?2598．4．1??预测自然灾害的必要性?2608．4．2??微软大数据预测的优与劣?2618．4．3??必应预测小结?2638．5??点球成金――助力NBA大数据分析的多种神秘软件?2658．5．1??NBA的有效球员数据?2658．5．2??有关点球成金的靠谱方法?2688．5．3??点球成金小结?270

任昱衡，博士，副研究员，高级电子商务师，高级硬件工程师，中国电子商务协会电子商务研究院副院长，中国电子商务协会信用体系建设管理中心主任助理，中国电子商务师资质（职称）认证管理中心主任助理。参与国家多项电子商务法律、法规、标准制定工作，目前主要负责国家电子商务师职业水平（职称）认证体系的构建和国家电子商务行业企业信用监督工作。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：数据挖掘:你必须知道的32个经典案例第2版【正版】在线阅读

在线听书地址：数据挖掘:你必须知道的32个经典案例第2版【正版】在线收听

在线购买地址：数据挖掘:你必须知道的32个经典案例第2版【正版】在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

本书是为广大数据分析师量身定制的入门读物，它旨在帮助读者站在大数据时代的制高点。数据分析处于统计学、计算机信息科学、运筹学、数据库等多个领域的交叉地带，大数据时代的到来大大丰富了数据分析的内涵，数据分析师的职责与以往相比发生了巨大的改变。本书全面介绍了经典数据分析、模式识别、机器学习、深度学习、数据挖掘、商务智能等多个领域的数据分析算法，将大数据时代的数据分析热点技术一网打尽。本书为每个数据分析算法都搭配了一个经典案例，并按照由易到难的原则构建知识框架，充分照顾了不同水平读者的阅读习惯。通过阅读本书，读者将对大数据时代下的数据分析有一个全面的认识。无论是入门级的数据分析员还是有一定基础的数据分析师，都能通过本书完善、加深对数据分析的认识。