数据处理与挖掘技术应用实战指引.docVIP

数据处理与挖掘技术应用实战指引

TOC\o1-2\h\u14065第一章数据处理基础 3

186291.1数据清洗 3

73911.1.1缺失值处理 3

108131.1.2异常值处理 4

127521.1.3数据类型转换 4

261101.1.4数据标准化 4

68971.2数据整合 4

125651.2.1数据来源识别 4

49601.2.2数据格式转换 4

295101.2.3数据合并 4

83061.3数据转换 5

201691.3.1数据归一化 5

32991.3.2数据离散化 5

305021.3.3特征提取 5

27751.3.4特征选择 5

224731.3.5模型训练与评估 5

6806第二章数据预处理 5

205372.1数据规范化 5

11212.1.1概述 5

151372.1.2最小最大规范化 5

260822.1.3Z分数规范化 6

242052.1.4标准化 6

61312.2数据离散化 6

58872.2.1概述 6

61022.2.2等宽分割 6

236292.2.3等频分割 6

141132.2.4基于聚类的方法 6

303192.3数据降维 7

122452.3.1概述 7

106532.3.2特征选择 7

262492.3.3主成分分析（PCA） 7

72742.3.4线性判别分析（LDA） 7

12940第三章数据可视化 7

40383.1常用图表绘制 7

11263.1.1柱状图 7

153.1.2饼图 8

177033.1.3折线图 8

162753.1.4散点图 8

239063.1.5箱线图 8

241123.2数据可视化工具 8

22453.2.1Matplotlib 8

38353.2.2Seaborn 8

9403.2.3Tableau 8

10403.2.4PowerBI 9

189853.3动态数据可视化 9

148473.3.1动态图表 9

72433.3.2交互式图表 9

141873.3.3时间序列动画 9

229623.3.4动态数据可视化工具 9

10966第四章数据仓库技术 9

58104.1数据仓库概述 9

245034.2数据仓库设计 10

80774.3数据仓库应用 10

3400第五章数据挖掘算法 11

6605.1分类算法 11

216745.2聚类算法 11

164255.3关联规则挖掘 12

12632第六章机器学习在数据挖掘中的应用 12

307136.1监督学习 12

302046.1.1简介 12

258356.1.2常见算法 12

2936.1.3应用案例 12

178106.2无监督学习 13

287826.2.1简介 13

320366.2.2常见算法 13

36026.2.3应用案例 13

228576.3强化学习 13

215156.3.1简介 13

28806.3.2常见算法 13

310136.3.3应用案例 13

5917第七章文本挖掘技术 14

244947.1文本预处理 14

210567.2文本特征提取 14

150217.3文本分类与聚类 15

46537.3.1文本分类 15

96687.3.2文本聚类 15

30570第八章社交网络分析 15

33688.1社交网络数据获取 16

235708.1.1数据来源 16

282438.1.2数据获取方法 16

277108.2社交网络分析指标 16

326118.2.1结构指标 16

241788.2.2内容指标 16

312928.3社交网络挖掘应用 16

134858.3.1用户行为分析 17

291558.3.2社区发觉 17

293948.3.3关键节点识别 17

30058.3.4情感分析 17

239428.3.5舆情监控 17

900第九章数据挖掘在行业中的应用 17

114369.1金融行业 17

225859.1.1