大数据挖掘与分析应用实践手册.docVIP

大数据挖掘与分析应用实践手册

TOC\o1-2\h\u19213第一章引言 4

109351.1大数据概述 4

260591.1.1大数据的定义 4

262471.1.2大数据的发展历程 4

199291.1.3大数据的应用领域 4

74281.2数据挖掘与分析简介 4

69271.2.1数据挖掘的定义 4

116481.2.2数据分析的概念 4

89351.2.3数据挖掘与分析的区别与联系 4

13311.3本书结构及阅读指南 5

31932第二章：数据分析基本概念及方法 5

18696第三章：数据挖掘基本任务与技术 5

24800第四章：数据挖掘分类算法 5

8913第五章：聚类分析 5

380第六章：关联规则挖掘 5

30004第七章：时序模式分析 5

13142第八章：偏差检测与异常值分析 5

5059第九章：数据挖掘在金融领域的应用 5

11765第十章：数据挖掘在医疗领域的应用 5

18723第十一章：数据挖掘在教育领域的应用 5

9660第十二章：数据挖掘在物联网领域的应用 5

820第二章数据采集与预处理 5

225102.1数据采集方法 5

321422.1.1网络爬虫 5

81182.1.2数据库采集 5

176182.2数据清洗 6

93952.2.1缺失值处理 6

4172.2.2异常值处理 6

303562.3数据集成 6

123462.3.1数据合并 6

181072.3.2数据匹配 6

210012.4数据转换 7

143602.4.1属性转换 7

206562.4.2记录转换 7

16009第三章数据存储与管理 7

179993.1数据存储技术 7

47363.1.1硬盘存储 7

156363.1.2固态硬盘存储 8

89123.1.3网络存储 8

185323.2分布式文件系统 8

321923.2.1HDFS（Hadoop分布式文件系统） 8

112813.2.2Ceph 8

132743.2.3GlusterFS 8

108773.3数据仓库 8

25763.3.1数据仓库的架构 8

62963.3.2常见数据仓库技术 9

159143.4数据管理工具 9

38723.4.1数据库管理系统（DBMS） 9

306303.4.2数据集成工具 9

27013.4.3数据治理工具 9

41933.4.4数据分析工具 9

6015第四章数据可视化 9

316854.1可视化技术概述 9

224644.2常见可视化工具 10

21424.3可视化方法与实践 10

194624.4可视化案例分析 11

22262第五章关联规则挖掘 11

289585.1关联规则概述 11

316575.2Apriori算法 11

294885.3FPgrowth算法 12

83425.4关联规则应用案例 12

4137第六章聚类分析 13

325306.1聚类分析概述 13

191026.2常见聚类算法 13

275366.2.1Kmeans算法 13

226936.2.2层次聚类算法 13

208856.2.3密度聚类算法 13

221226.2.4基于网格的聚类算法 13

103486.3聚类算法应用 13

170446.3.1数据挖掘 13

282896.3.2模式识别 14

150336.3.3机器学习 14

267616.4聚类分析案例 14

24677第七章分类与预测 14

27787.1分类与预测概述 14

213917.2常见分类算法 14

262787.2.1朴素贝叶斯分类器 15

218657.2.2决策树 15

5077.2.3支持向量机（SVM） 15

324887.2.4随机森林 15

308877.3预测模型构建 15

42307.3.1数据预处理 15

300797.3.2特征工程 15

197167.3.3模型选择与训练 15

201187.3.4模型评估与调优 15

79837.4分类与预测案例 15

93147.4.