用户行为分析与数据挖掘技术应用.docVIP

用户行为分析与数据挖掘技术应用

TOC\o1-2\h\u3022第一章用户行为分析基础 4

120281.1用户行为定义与分类 4

262791.1.1用户行为定义 4

59411.1.2用户行为分类 4

34001.2用户行为数据来源及采集方法 4

103751.2.1用户行为数据来源 4

246601.2.2用户行为数据采集方法 5

221451.3用户行为分析的目的与意义 5

11435第二章用户行为数据预处理 5

262232.1数据清洗 6

224342.1.1缺失值处理 6

13352.1.2异常值处理 6

111692.1.3数据去重 6

212062.1.4数据校验 6

220272.2数据整合 6

187852.2.1数据来源整合 7

5552.2.2数据格式整合 7

169852.2.3数据结构整合 7

64932.3数据转换 7

20782.3.1数据类型转换 7

289652.3.2数据归一化 7

92462.3.3数据编码 7

223252.4数据规范化 7

223652.4.1最小最大规范化 7

210662.4.2Z分数规范化 7

225952.4.3对数规范化 7

264402.4.4BoxCox变换 8

2005第三章用户行为数据分析方法 8

276593.1描述性统计分析 8

86463.2相关性分析 8

321793.3聚类分析 9

179223.4时间序列分析 9

7811第四章用户行为模式挖掘 10

285784.1关联规则挖掘 10

244604.1.1支持度计算 10

195624.1.2置信度计算 10

237254.1.3关联规则评估 10

166994.2序列模式挖掘 10

178534.2.1序列模式 10

28534.2.2序列模式评估 10

178774.3演化模式挖掘 10

107484.3.1聚类分析 10

251064.3.2时间序列分析 10

267804.4预测模型构建 11

295164.4.1决策树模型 11

143994.4.2朴素贝叶斯模型 11

149924.4.3神经网络模型 11

326574.4.4集成学习模型 11

20064第五章数据挖掘技术在用户行为分析中的应用 11

172615.1决策树 11

202335.2支持向量机 11

323525.3神经网络 12

6515.4集成学习 12

25958第六章用户画像构建 12

155976.1用户画像的概念与作用 12

29486.1.1用户画像的概念 12

245556.1.2用户画像的作用 13

89956.2用户画像数据源 13

218596.2.1用户基础数据 13

213406.2.2用户行为数据 13

168826.2.3用户反馈数据 13

22026.2.4用户社交数据 13

229366.3用户画像构建方法 13

90076.3.1数据预处理 13

200636.3.2特征工程 13

153296.3.3用户画像标签体系 13

208236.4用户画像应用案例 14

136796.4.1电商行业 14

83016.4.2金融行业 14

193516.4.3广告行业 14

12251第七章用户行为预测与推荐系统 14

49227.1用户行为预测方法 14

133867.1.1引言 14

154887.1.2传统预测方法 14

150737.1.3深度学习方法 14

120707.1.4集成学习方法 14

99307.2推荐系统原理 15

67677.2.1引言 15

266257.2.2推荐系统的基本组成 15

74867.2.3推荐系统的分类 15

75177.3推荐系统算法 15

42017.3.1基于内容的推荐算法 15

92777.3.2协同过滤推荐算法 15

31447.3.3混合推荐算法 15

271997.4推荐系统评估与优化 15

194637.4.1评估指标 15

1481