数据挖掘与数据分析实战指南.docVIP

数据挖掘与数据分析实战指南

TOC\o1-2\h\u16377第1章数据挖掘与数据分析基础 3

173651.1数据挖掘概述 3

270961.2数据分析基本概念 3

17841.3数据挖掘与分析的应用领域 4

22096第2章数据预处理 4

142192.1数据清洗 4

71102.1.1缺失值处理 4

138922.1.2异常值处理 4

134212.1.3重复值处理 4

101052.1.4数据类型转换 4

170062.2数据集成 5

79872.2.1数据合并 5

87472.2.2数据整合 5

99472.2.3数据去重 5

91352.3数据变换 5

126612.3.1数据规约 5

195962.3.2数据转换 5

313592.3.3数据离散化 5

198892.4数据归一化与标准化 5

278802.4.1数据归一化 5

299602.4.2数据标准化 5

23241第3章数据摸索性分析 6

247883.1数据可视化 6

214343.1.1散点图 6

110453.1.2直方图 6

58833.1.3条形图 6

137983.1.4饼图 6

183833.2基本统计量分析 6

174803.2.1平均数 6

321793.2.2中位数 6

134653.2.3众数 6

223703.2.4标准差 7

14833.2.5变异系数 7

119583.3帕累托分析 7

282123.3.1帕累托图的绘制 7

155983.3.2帕累托原则的应用 7

136473.4交叉分析 7

148273.4.1交叉表的制作 7

206163.4.2交叉分析的应用 7

5711第4章关联规则挖掘 7

8524.1基本概念与算法 7

122034.1.1基本概念 8

13184.1.2常用算法 8

59244.2Apriori算法 8

10314.2.1算法原理 8

15924.2.2算法流程 8

206874.3FPgrowth算法 8

149694.3.1算法原理 9

108424.3.2算法流程 9

308584.4关联规则挖掘应用案例 9

18364.4.1超市购物篮分析 9

142434.4.2网络购物推荐系统 9

31066第5章聚类分析 9

169785.1聚类分析概述 9

263035.2Kmeans算法 9

159785.3层次聚类算法 10

245105.4密度聚类算法 10

23865第6章分类与预测 11

289546.1分类与预测概述 11

159826.2决策树算法 11

291156.3逻辑回归算法 11

90646.4支持向量机算法 11

4943第7章时间序列分析 12

158117.1时间序列概述 12

299847.2平滑法 12

315667.3趋势预测法 12

129677.4季节性调整法 13

735第8章文本挖掘与自然语言处理 13

295988.1文本挖掘概述 13

288298.2中文分词技术 13

290798.3词频分析与关键词提取 13

55588.4文本分类与情感分析 13

18279第9章数据挖掘项目实战 14

242149.1项目背景与需求分析 14

166239.2数据采集与预处理 14

235879.2.1数据采集 14

220129.2.2数据预处理 14

39759.3数据挖掘模型构建 14

44379.3.1客户细分模型 15

218989.3.2销售影响因素分析模型 15

279679.3.3销售趋势预测模型 15

300989.4模型评估与优化 15

14578第10章数据分析报告撰写与成果展示 15

1478010.1数据分析报告结构 15

3041610.1.1封面及目录 15

2475110.1.2摘要 15

2493910.1.3背景介绍 16

3253810.1.4数据描述 16

3010210.1.5分析方法 16

220041