数据分析和挖掘实践案例分享.docVIP

数据分析和挖掘实践案例分享

TOC\o1-2\h\u23615第一章数据准备与预处理 2

207061.1数据收集 3

154721.1.1确定数据源 3

173611.1.2数据采集方法 3

72291.1.3数据采集工具 3

85111.2数据清洗 3

65501.2.1空值处理 3

173901.2.2异常值检测与处理 3

200941.2.3数据标准化 3

17811.3数据整合 3

139001.3.1数据合并 4

149771.3.2数据转换 4

250591.3.3数据去重 4

203971.3.4数据排序与索引 4

6825第二章摸索性数据分析 4

317702.1数据可视化 4

210662.2数据统计描述 5

233302.3异常值检测 5

28045第三章数据挖掘算法介绍 5

4863.1决策树 5

109423.1.1特征选择 6

257313.1.2树的 6

103623.1.3剪枝 6

77283.2支持向量机 6

306983.2.1线性可分支持向量机 6

315133.2.2非线性支持向量机 6

157823.2.3软间隔支持向量机 6

230803.3聚类算法 6

160843.3.1Kmeans算法 7

282013.3.2层次聚类算法 7

256783.3.3密度聚类算法 7

24803第四章数据挖掘实践一：分类问题 7

194004.1数据集介绍 7

123164.2模型选择与训练 8

325884.3模型评估与优化 8

7076第五章数据挖掘实践二：回归问题 9

280495.1数据集介绍 9

299175.2模型选择与训练 9

209725.3模型评估与优化 9

25434第六章数据挖掘实践三：聚类问题 10

289126.1数据集介绍 10

39716.2聚类算法选择与实现 11

304606.3聚类结果分析 11

274976.3.1Kmeans聚类结果分析 11

287426.3.2DBSCAN聚类结果分析 12

21296第七章数据挖掘实践四：关联规则挖掘 12

200027.1数据集介绍 12

188617.2关联规则算法选择与实现 12

193487.2.1算法选择 13

315447.2.2算法实现 13

213637.3关联规则分析 13

163167.3.1关联规则展示 13

237177.3.2关联规则分析 13

24198第八章数据挖掘实践五：文本挖掘 14

54408.1数据集介绍 14

106048.2文本预处理 14

152422.1清洗数据 14

292442.2分词 14

154112.3词性标注 14

134622.4词语相似度计算 14

100552.5词语权重计算 14

244748.3主题模型与情感分析 14

229393.1主题模型 14

179453.2情感分析 14

26316第九章数据挖掘在大数据分析中的应用 15

125779.1数据挖掘与大数据技术的结合 15

286779.2大数据分析案例介绍 15

123219.3成果与展望 16

13863第十章数据挖掘在行业中的应用 16

2328810.1金融行业 16

2714810.1.1数据挖掘在风险管理中的应用 16

759310.1.2数据挖掘在信贷审批中的应用 16

511110.1.3数据挖掘在投资决策中的应用 16

884610.2零售行业 17

2955410.2.1数据挖掘在商品推荐中的应用 17

2233410.2.2数据挖掘在库存管理中的应用 17

80410.2.3数据挖掘在客户细分中的应用 17

1062510.3医疗行业 17

2673510.3.1数据挖掘在疾病预测中的应用 17

1767010.3.2数据挖掘在医疗资源优化配置中的应用 17

532510.3.3数据挖掘在医疗数据分析中的应用 18

第一章数据准备与预处理

1.1数据收集

在现代数据分析与挖掘实践中，数据收集是首要步骤，其目的是保证后续分析工作