计算机行业大数据分析与挖掘应用方案.docVIP

计算机行业大数据分析与挖掘应用方案

TOC\o1-2\h\u364第一章：大数据概述 3

327381.1大数据的定义与特征 3

102251.1.1大数据的定义 3

234601.1.2大数据的特征 3

149351.2大数据的发展历程 3

308531.2.1早期阶段（20世纪50年代20世纪90年代） 3

61701.2.2互联网时代（20世纪90年代21世纪初） 3

123321.2.3大数据时代（21世纪初至今） 4

133001.3大数据的关键技术 4

295261.3.1数据采集与存储 4

22831.3.2数据处理与计算 4

289711.3.3数据挖掘与分析 4

43201.3.4数据可视化与展示 4

281781.3.5数据安全与隐私保护 4

4224第二章：大数据采集与预处理 4

282522.1数据采集技术 4

275852.1.1数据源类型 5

151842.1.2数据采集方法 5

39312.2数据清洗与整合 5

156872.2.1数据清洗 5

78872.2.2数据整合 5

153582.3数据预处理方法 5

215122.3.1特征选择 5

241512.3.2特征提取 6

93642.3.3数据降维 6

197262.3.4数据标准化 6

87042.3.5数据离散化 6

14387第三章：大数据存储与管理 6

301913.1分布式存储技术 6

157253.2数据仓库技术 6

81433.3大数据管理策略 7

23883第四章：大数据分析与挖掘基础 7

23994.1数据挖掘概述 7

246294.2常见数据挖掘算法 8

287864.3数据挖掘工具与应用 8

20401第五章：关联规则挖掘 9

223985.1关联规则挖掘原理 9

38755.2关联规则挖掘算法 9

317475.3关联规则挖掘应用 10

14123第六章：聚类分析 10

22526.1聚类分析概述 10

126196.2常见聚类算法 11

111606.2.1Kmeans算法 11

157506.2.2层次聚类算法 11

124626.2.3密度聚类算法 11

66666.2.4基于网格的聚类算法 11

72726.3聚类分析应用 11

13256.3.1客户细分 11

147756.3.2产品推荐 11

215656.3.3文本挖掘 12

36316.3.4异常检测 12

281546.3.5供应链优化 12

26405第七章：分类与预测 12

116967.1分类与预测概述 12

43087.2常见分类与预测算法 12

72437.2.1逻辑回归（LogisticRegression） 12

40157.2.2决策树（DecisionTree） 12

58507.2.3支持向量机（SupportVectorMachine，SVM） 12

136417.2.4随机森林（RandomForest） 13

302977.2.5神经网络（NeuralNetwork） 13

300787.3分类与预测应用 13

109517.3.1金融风险控制 13

178447.3.2客户行为分析 13

30137.3.3医疗诊断 13

244417.3.4智能推荐 13

29525第八章：文本挖掘与情感分析 13

186368.1文本挖掘概述 14

70288.2文本预处理与特征提取 14

224698.2.1文本预处理 14

157798.2.2特征提取 14

216378.3情感分析与应用 14

111658.3.1情感分析概述 14

131968.3.2情感分析算法 15

48078.3.3情感分析应用 15

29679第九章：大数据可视化 15

266569.1可视化概述 15

184309.2可视化技术与方法 15

104319.2.1常见可视化技术 15

93079.2.2可视化方法 16

151309.3大数据可视化应用 16

288229.3.1金融行业 16

244909.3