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

Python商務大數據分析與應用(融媒體新形態教材)

  • 作者：編者:李丹丹//韓敦//金帥|責編:路乙達
  • 出版社：機械工業
  • ISBN：9787111810476
  • 出版日期：2026/07/01
  • 裝幀：平裝
  • 頁數：268
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    具備大數據分析能力已成為現代管理人才的核心競爭力。本書以Python語言為工具，聚焦商務數據分析全流程，通過大量真實商業案例和數據集，讓讀者掌握主流數據分析工具的應用。
    全書共14章，涵蓋Python編程基礎和從數據採集、清洗、分析建模到可視化的完整知識體系，包括Python基礎語法、函數、數據分析常用模塊、數據預處理，以及數據建模中的線性回歸、邏輯回歸、決策樹、K近鄰、樸素貝葉斯、聚類分析、關聯規則分析、智能推薦系統、文本挖掘等數據分析模型的原理和代碼實現，並結合金融、營銷、企業管理、醫療等多場景的案例實戰，強化知識點的理解與應用。
    本書注重理論與實踐相結合，培養讀者將數據分析技術應用於商業決策的實際能力，可以作為高等院校管理類、統計類等專業本科生與研究生的教材，也可以供理、工、農、醫等相關行業的技術人員參考，也適合Python編程愛好者或對數據分析與挖掘技術感興趣的讀者使用。
作者介紹
編者:李丹丹//韓敦//金帥|責編:路乙達
目錄
前言
第1章  Python與數據科學
  1.1  大數據分析與挖掘概述
    1.1.1  大數據的基本概念
    1.1.2  Python在數據分析中的作用
  1.2  Python開發環境的安裝
    1.2.1  Python的安裝
    1.2.2  IDLE集成開發環境
  1.3  第一個Python程序
    1.3.1  縮進
    1.3.2  註釋
  1.4  課後習題
第2章  Python基礎語法
  2.1  變數
    2.1.1  定義一個變數
    2.1.2  同時定義多個變數
  2.2  數據類型
    2.2.1  數字
    2.2.2  字元串
    2.2.3  列表
    2.2.4  元組
    2.2.5  集合
    2.2.6  字典
  2.3  運算符
  2.4  流程式控制制語句
    2.4.1  if條件語句
    2.4.2  for循環語句
    2.4.3  while循環語句
  2.5  課後習題
第3章  函數
  3.1  函數的定義與調用
  3.2  參數列表與返回值
    3.2.1  形參
    3.2.2  實參
    3.2.3  默認參數
    3.2.4  關鍵字參數
    3.2.5  不定長參數
    3.2.6  拆分參數列表
    3.2.7  返回值
  3.3  變數的作用域
    3.3.1  局部變數
    3.3.2  全局變數
    3.3.3  global關鍵字
    3.3.4  nonlocal關鍵字
  3.4  課後習題
第4章  數據分析常用模塊
  4.1  模塊的概述
    4.1.1  模塊導入方法
    4.1.2  安裝第三方模塊
  4.2  NumPy模塊

    4.2.1  NumPy庫與數組
    4.2.2  數組與列表的區別
    4.2.3  創建數組的幾種方式
  4.3  pandas模塊
    4.3.1  二維數據表格DataFrame的創建
    4.3.2  Excel工作簿等文件的讀取和寫入
    4.3.3  數據的選取與處理
  4.4  Matplotlib模塊
    4.4.1  基本圖表繪製
    4.4.2  數據可視化常用技巧
  4.5  課後習題
第5章  數據預處理
  5.1  非數值類型數據處理
    5.1.1  Get_dummies啞變數處理
    5.1.2  Label Encoding編號處理
  5.2  重複值、缺失值及異常值處理
    5.2.1  重複值處理
    5.2.2  缺失值處理
    5.2.3  異常值處理
  5.3  數據標準化
    5.3.1  min-max標準化
    5.3.2  Z-score標準化
  5.4  多重共線性的分析與處理
    5.4.1  多重共線性的定義
    5.4.2  多重共線性的分析與檢驗
  5.5  課後習題
第6章  線性回歸
  6.1  一元線性回歸
    6.1.1  一元線性回歸的數學原理
    6.1.2  一元線性回歸的代碼實現
    6.1.3  案例實戰：不同行業工齡與薪水的線性回歸模型
  6.2  線性回歸模型評估
    6.2.1  模型評估的編程實現
    6.2.2  模型評估的數學原理
  6.3  多元線性回歸
    6.3.1  多元線性回歸的數學原理和代碼實現
    6.3.2  案例實戰：客戶價值預測模型
  6.4  課後習題
第7章  邏輯回歸
  7.1  邏輯回歸模型的演算法原理
    7.1.1  邏輯回歸模型的數學原理
    7.1.2  邏輯回歸模型的代碼實現
    7.1.3  邏輯回歸模型的深入理解
    7.1.4  用邏輯回歸模型處理多分類問題
  7.2  案例實戰：客戶流失預警模型
    7.2.1  案例背景
    7.2.2  數據讀取與變數劃分
    7.2.3  模型的搭建與使用
  7.3  模型評估方法：ROC曲線
    7.3.1  ROC曲線的基本原理

    7.3.2  案例實戰：用ROC曲線評估客戶流失預警模型
  7.4  課後習題
第8章  決策樹
  8.1  決策樹模型的基本原理
    8.1.1  決策樹模型簡介
    8.1.2  決策樹模型的建樹依據
    8.1.3  決策樹模型的代碼實現
  8.2  案例實戰：員工離職預測模型
    8.2.1  模型搭建
    8.2.2  模型預測及評估
    8.2.3  決策樹模型可視化呈現及決策樹要點理解
  8.3  課後習題
第9章  K近鄰
  9.1  K近鄰演算法的原理和代碼實現
    9.1.1  K近鄰演算法的原理介紹
    9.1.2  K近鄰演算法的計算步驟
    9.1.3  K近鄰演算法的代碼實現
  9.2  案例實戰：手寫數字識別模型
    9.2.1  案例背景
    9.2.2  手寫數字識別的原理
    9.2.3  手寫數字識別的代碼實現
  9.3  課後習題
第10章  樸素貝葉斯
  10.1  樸素貝葉斯模型的數學原理
    10.1.1  一維特徵變數下的貝葉斯模型
    10.1.2  二維特徵變數下的貝葉斯模型
    10.1.3  n維特徵變數下的貝葉斯模型
    10.1.4  樸素貝葉斯模型的簡單代碼實現
  10.2  案例實戰：腫瘤預測模型
    10.2.1  案例背景
    10.2.2  數據讀取與劃分
    10.2.3  模型的搭建與使用
  10.3  課後習題
第11章  聚類分析
  11.1  K-Means演算法
    11.1.1  K-Means演算法的基本原理
    11.1.2  K-Means演算法的代碼實現
    11.1.3  案例實戰：銀行客戶分群模型
  11.2  DBSCAN演算法
    11.2.1  DBSCAN演算法的基本原理
    11.2.2  DBSCAN演算法的代碼實現
    11.2.3  K-Means演算法和DBSCAN演算法的對比
  11.3  案例實戰：新聞聚類分群模型
    11.3.1  案例背景
    11.3.2  文本數據的讀取與處理
    11.3.3  模型的搭建與使用
  11.4  課後習題
第12章  關聯規則分析
  12.1  Apriori關聯分析演算法
    12.1.1  基本概念

    12.1.2  Apriori演算法的數學演示
    12.1.3  Apriori演算法的代碼實現
  12.2  案例實戰：病癥關聯規則分析
    12.2.1  案例背景
    12.2.2  數據讀取與處理
    12.2.3  關聯規則分析
  12.3  課後習題
第13章  智能推薦系統
  13.1  基於用戶的協同過濾推薦演算法
  13.2  計算相似度的常用方法
    13.2.1  歐氏距離
    13.2.2  餘弦相似度
    13.2.3  皮爾遜相關係數
  13.3  案例實戰：電影推薦
    13.3.1  案例背景
    13.3.2  數據讀取與處理
    13.3.3  系統搭建
  13.4  課後習題
第14章  文本挖掘
  14.1  文本挖掘流程
  14.2  NLTK
    14.2.1  分詞
    14.2.2  詞頻統計
    14.2.3  應用實例
  14.3  TextBlob
  14.4  Jieba
  14.5  SnowNLP
  14.6  詞雲
  14.7  LDA主題模型
  14.8  課後習題
參考文獻

  • 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