幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

數據挖掘(你必須知道的32個經典案例第2版)

  • 作者：任昱衡//姜斌//李倩星//米曉飛
  • 出版社：電子工業
  • ISBN：9787121351129
  • 出版日期：2018/10/01
  • 裝幀：平裝
  • 頁數：271
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
     任昱衡、姜斌、李倩星、米曉飛著的《數據挖掘(你必須知道的32個經典案例第2版)》是為廣大數據分析師量身定製的入門讀物，它旨在幫助讀者站在大數據時代的制高點。數據分析處於統計學、電腦信息科學、運籌學、資料庫等多個領域的交叉地帶，大數據時代的到來大大豐富了數據分析的內涵，數據分析師的職責與以往相比發生了巨大的改變。
    本書全面介紹了經典數據分析、模式識別、機器學習、深度學習、數據挖掘、商務智能等多個領域的數據分析演算法，將大數據時代的數據分析熱點技術一網打盡。本書為每個數據分析演算法都搭配了一個經典案例，並按照由易到難的原則構建知識框架，充分照顧了不同水平讀者的閱讀習慣。
    通過閱讀本書，讀者將對大數據時代下的數據分析有一個全面的認識。無論是入門級的數據分析員還是有一定基礎的數據分析師，都能通過本書完善、加深對數據分析的認識。
作者介紹
任昱衡//姜斌//李倩星//米曉飛
目錄
第1章  經典的探索性數據分析案例
  1.1  探索性數據分析綜述
    1.1.1  什麼是探索性數據分析
    1.1.2  如何收集數據
    1.1.3  數據預處理技術
  1.2  數據巧收集——紅牛的大數據營銷案例
    1.2.1  狀況百出的紅牛企業
    1.2.2  紅牛企業巧妙收集消費者數據
    1.2.3  數據收集小結
  1.3  數據可視化——數據新聞促使英軍撤軍
    1.3.1  維基解密帶來的海量數據
    1.3.2  百花齊放的數據新聞
    1.3.3  數據可視化小結
  1.4  異常值分析——Facebook消滅釣魚鏈接
    1.4.1  Facebook和廣告商之間的拉鋸戰
    1.4.2  異常值分析指導排名演算法工作
    1.4.3  異常值分析小結
  1.5  對比分析——TrueCar指導購物者尋找最合算的車價
    1.5.1  火中取栗的TrueCar網站
    1.5.2  數據對比贏得消費者信賴
    1.5.3  對比分析小結
第2章  經典的相關分析與回歸分析案例
  2.1  相關回歸綜述
    2.1.1  相關回歸簡介
    2.1.2  相關性分析的發展介紹
    2.1.3  回歸分析的發展介紹
  2.2  皮爾遜相關值——紐約市政府利用相關分析監控違法建築
    2.2.1  簡約而不簡單的消防檢測系統
    2.2.2  使用相關分析洞察60個變數的關係
    2.2.3  相關分析小結
  2.3  時間序列分析——人壽保險的可提費用預測
    2.3.1  人壽保險公司和可提費用
    2.3.2  使用4種時間序列回歸預測模型解決問題
    2.3.3  時間序列分析小結
  2.4  線性回歸分析——梅西百貨公司的12項大數據策略
    2.4.1  從「一億豪賭」說起的零售商困境
    2.4.2  SAS公司幫助梅西百貨構建模型
    2.4.3  線性回歸分析小結
  2.5  Logistic回歸分析——大面積流感爆發的預測分析
    2.5.1  究竟誰才是流感預測演算法之王
    2.5.2  向Logistic演算法中引入更多變數
    2.5.3  Logistic回歸分析小結
第3章  經典的降維數據分析案例
  3.1  降維分析演算法綜述
    3.1.1  為什麼要使用降維演算法
    3.1.2  線性降維演算法
    3.1.3  非線性降維演算法
  3.2  粗糙集演算法——協助希臘工業發展銀行制定信貸政策
    3.2.1  銀行信貸政策的制定原則
    3.2.2  粗糙集演算法的原理和應用

    3.2.3  粗糙集演算法小結
  3.3  因子分析——基於李克特量表的應聘評價法
    3.3.1  源於智力測試的因子分析
    3.3.2  使用因子分析解構問卷
    3.3.3  因子分析小結
  3.4  最優尺度分析——直觀評估消費者傾向的分析方法
    3.4.1  市場調查問題催生的最優尺度分析
    3.4.2  6種經典的最優尺度分析解讀方法
    3.4.3  最優尺度分析小結
  3.5  PCA降維演算法——智能人臉識別的應用與拓展
    3.5.1  刷臉的時代來了
    3.5.2  使用PCA演算法完成降維工作
    3.5.3  PCA演算法小結
第4章  經典的模式識別案例
  4.1  模式識別綜述
    4.1.1  模式識別簡介
    4.1.2  模式識別的發展脈絡
    4.1.3  模式識別應用簡介
  4.2  圖像分析——谷歌的超前自動駕駛技術
    4.2.1  以安全的名義呼籲自動駕駛技術
    4.2.2  快速成熟的無人駕駛技術
    4.2.3  圖像分析小結
  4.3  遺傳演算法——經典的人力資源優化問題
    4.3.1  使用有限資源實現利益最大化
    4.3.2  遺傳演算法的計算過程
    4.3.3  遺傳演算法小結
  4.4  決策樹分析——「沸騰時刻」準確判斷用戶健康水平
    4.4.1  打造我國最大的健身平台
    4.4.2  信息增益和決策樹
    4.4.3  決策樹小結
  4.5  K均值聚類分析——HSE24通過為客戶分類降低退貨率
    4.5.1  在電子商務市場快速擴張的HSE24
    4.5.2  使用K均值聚類為客戶分類
    4.5.3  K均值聚類小結
第5章  經典的機器學習案例
  5.1  機器學習綜述
    5.1.1  機器學習簡介
    5.1.2  機器學習的主流發展和應用
  5.2  語義搜索——沃爾瑪搜索引擎提升15%銷售額
    5.2.1  注重用戶體驗的沃爾瑪公司
    5.2.2  語義搜索引擎的底層技術和原理
    5.2.3  語義搜索技術小結
  5.3  順序分析——搜狗輸入法的智能糾錯系統
    5.3.1  搜狗輸入法的王牌詞庫和智能演算法
    5.3.2  頻繁樹模式和順序分析演算法
    5.3.3  順序分析小結
  5.4  文本分析——經典的垃圾郵件過濾系統
    5.4.1  大數據時代需要文本分析工作
    5.4.2  垃圾郵件過濾中的分詞技術和詞集模型
    5.4.3  文本分析小結

  5.5  協同過濾——構建個性化推薦系統的經典演算法
    5.5.1  協同過濾演算法為什麼這麼流行
    5.5.2  基於用戶和基於產品的協同過濾
    5.5.3  協同過濾演算法小結
第6章  經典的深度學習案例
  6.1  深度學習綜述
    6.1.1  深度學習簡介
    6.1.2  深度學習在圖像處理方面的應用
    6.1.3  深度學習在自然語言處理方面的應用
  6.2  支持向量機——喬布斯利用大數據對抗癌症
    6.2.1  喬布斯和胰腺癌的抗爭
    6.2.2  醫學統計學和支持向量機
    6.2.3  支持向量機小結
  6.3  感知器神經網路——最佳的房產價格預測演算法
    6.3.1  如何預測房價
    6.3.2  多層感知器和誤差曲面
    6.3.3  感知器神經網路小結
  6.4  自組織神經網路——如何又快又好地解決旅行商問題
    6.4.1  最優路徑問題的典型模式和解決方法
    6.4.2  自組織神經網路的拓撲結構和權值調整
    6.4.3  自組織神經網路小結
  6.5  RBM演算法——為新聞報道智能分類
    6.5.1  新聞報道智能分類的難與易
    6.5.2  RBM演算法的學習目標和學習方法
    6.5.3  RBM演算法小結
第7章  經典的數據挖掘案例
  7.1  數據挖掘綜述
    7.1.1  什麼是數據挖掘
    7.1.2  數據挖掘的主要應用領域
    7.1.3  數據挖掘模型的評價指標
  7.2  判別分析——美國運通構建客戶流失預測模型
    7.2.1  美國運通公司的舊日輝煌
    7.2.2  判別分析的假設條件和判別函數
    7.2.3  判別分析小結
  7.3  購物籃分析——找出零售業的最佳商品組合
    7.3.1  名動天下的「啤酒和尿布」案例
    7.3.2  購物籃分析的頻繁模式
    7.3.3  購物籃分析小結
  7.4  馬爾可夫鏈——準確預測客運市場佔有率
    7.4.1  複雜的客運市場系統
    7.4.2  概率轉移矩陣的求解方法
    7.4.3  馬爾可夫鏈小結
  7.5  AdaBoost元演算法——有效偵測欺詐交易的複合演算法
    7.5.1  弱分類器和強分類器之爭
    7.5.2  AdaBoost元演算法的分類器構建方法
    7.5.3  AdaBoost元演算法小結
第8章  經典的商業智能分析案例
  8.1  商業智能分析綜述
    8.1.1  什麼是商業智能
    8.1.2  商業智能的主流發展與應用

  8.2  KXEN分析軟體——構建歐洲博彩業下注預測平台
    8.2.1  現代博彩業背後的黑手
    8.2.2  集體智慧和莊家賠率的聯繫
    8.2.3  KXEN軟體小結
  8.3  數據廢氣再利用——物流公司數據成功用於評估客戶信用
    8.3.1  數據廢氣和黑暗數據的異同
    8.3.2  論如何充分利用物流公司數據
    8.3.3  數據廢氣再利用小結
  8.4  必應預測——使用往期信息預測自然災害
    8.4.1  預測自然災害的必要性
    8.4.2  微軟大數據預測的優與劣
    8.4.3  必應預測小結
  8.5  點球成金——助力NBA大數據分析的多種神秘軟體
    8.5.1  NBA的有效球員數據
    8.5.2  有關點球成金的靠譜方法
    8.5.3  點球成金小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032