大数据应用与挖掘指南.doc

大数据应用与挖掘指南

TOC\o1-2\h\u23825第1章大数据概述 3

179471.1大数据的发展历程 3

10041.2大数据的基本概念与特性 3

34181.3大数据的应用领域 4

24413第2章大数据技术架构 4

147502.1大数据技术栈 4

103512.2分布式存储技术 5

225092.3分布式计算技术 5

142262.4数据采集与预处理技术 5

26737第3章数据挖掘基本概念与方法 6

224923.1数据挖掘的定义与任务 6

284693.1.1关联分析 6

300283.1.2聚类分析 6

183903.1.3分类与预测 6

15973.1.4时序分析 6

152733.1.5异常检测 6

208483.2数据挖掘的过程与方法论 6

56713.2.1问题定义 6

320793.2.2数据准备 7

45093.2.3数据挖掘 7

313183.2.4结果评估 7

16453.2.5知识表示与使用 7

107013.2.6基于统计的方法 7

228973.2.7基于机器学习的方法 7

274383.2.8基于数据库的方法 7

189913.3数据挖掘的算法分类 7

199533.3.1分类算法 7

20563.3.2聚类算法 7

211483.3.3关联规则挖掘算法 8

280403.3.4时间序列分析算法 8

156733.3.5异常检测算法 8

31611第4章数据预处理 8

196224.1数据清洗 8

147164.1.1缺失值处理 8

13834.1.2异常值检测和处理 8

41114.1.3重复数据删除 8

296484.2数据集成与变换 8

42364.2.1数据集成 8

104434.2.2数据变换 8

3574.3数据降维与特征选择 9

34614.3.1数据降维 9

311124.3.2特征选择 9

19908第5章关联规则挖掘 9

276335.1关联规则的基本概念 9

219455.2Apriori算法 9

196215.3FPgrowth算法 10

19255.4关联规则挖掘的应用案例 10

685第6章聚类分析 10

117256.1聚类分析的基本概念 10

140326.2Kmeans算法 10

71896.2.1算法原理 11

197276.2.2算法步骤 11

129796.2.3优化策略 11

18576.3层次聚类算法 11

275456.3.1算法原理 11

3126.3.2算法步骤 11

323386.3.3算法特点 11

315706.4密度聚类算法 12

237666.4.1算法原理 12

200786.4.2算法步骤 12

61886.4.3算法特点 12

31890第7章分类与预测 12

294267.1分类与预测的基本概念 12

112127.2决策树算法 12

228467.3支持向量机算法 13

13017.4神经网络算法 13

28794第8章时间序列分析与预测 13

325688.1时间序列的基本概念 13

182158.2时间序列的预处理方法 13

76958.2.1数据清洗 14

111788.2.2数据平稳性处理 14

124388.2.3白噪声检验 14

108938.3时间序列预测方法 14

114258.3.1传统统计方法 14

306968.3.2机器学习方法 14

320598.3.3深度学习方法 14

257898.4时间序列分析的应用案例 14

2438.4.1股票价格预测 14

185778.4.2天气预测 15

81018.4.3销售量预测 15

234278.4.4能源消耗预测 15

289208.4.5交通流量预测 15

8041第9章文本挖掘与自然语言处理 15

313839.1文本挖掘的基本概念 15

237419.2文本预处理技术 15

96449.3文本分类与聚类算法 15

239169.4主题模型与情感分析