数据分析和人工智能技术应用指南.docVIP

数据分析和人工智能技术应用指南

TOC\o1-2\h\u1978第一章数据准备与预处理 4

304531.1数据收集 4

320811.1.1网络爬虫 4

250961.1.2公开数据集 5

124641.1.3企业内部数据 5

250211.2数据清洗 5

320541.2.1数据去重 5

199351.2.2缺失值处理 5

96911.2.3异常值处理 5

262261.3数据整合 5

60731.3.1数据格式转换 5

11951.3.2数据结构统一 5

280821.3.3数据关联 6

195791.4数据规范化 6

97831.4.1数值规范化 6

111761.4.2类别编码 6

175541.4.3文本向量化 6

6801第二章数据可视化与摸索性分析 6

84662.1数据可视化基础 6

296962.2摸索性数据分析 6

20642.3数据可视化技巧 7

94132.4数据降维 7

1447第三章统计分析与模型构建 7

145733.1描述性统计分析 7

277903.1.1数据清洗与预处理 7

153013.1.2频数与频率分析 7

226563.1.3中心趋势度量 8

187173.1.4离散程度度量 8

125563.2假设检验与推断 8

249233.2.1假设设定 8

60903.2.2检验统计量选择 8

244103.2.3显著性水平设定 8

177293.2.4检验结果判断 8

97823.3模型选择与评估 8

128093.3.1数据集划分 8

36903.3.2模型选择 9

56103.3.3模型评估指标 9

53573.3.4模型选择准则 9

217703.4模型优化与调整 9

92683.4.1参数调优 9

295393.4.2特征选择 9

200333.4.3模型集成 9

105213.4.4模型泛化能力评估 9

18469第四章机器学习算法与应用 9

180364.1监督学习 9

150114.1.1分类算法 10

195734.1.2回归算法 10

227384.2无监督学习 10

19014.2.1聚类算法 10

299424.2.2降维算法 11

89614.3强化学习 11

196794.3.1策略学习 11

111254.3.2值函数学习 11

211414.3.3模型学习 11

200284.4深度学习 11

69434.4.1卷积神经网络（CNN） 11

317754.4.2循环神经网络（RNN） 11

114164.4.3长短时记忆网络（LSTM） 11

249474.4.4自编码器（AE） 12

28156第五章人工智能模型部署与优化 12

33905.1模型部署策略 12

200515.2模型功能监控 12

97545.3模型优化方法 12

176595.4模型迭代与更新 13

11552第六章数据挖掘与知识发觉 13

12886.1数据挖掘方法 13

287276.1.1决策树 13

107886.1.2支持向量机 13

198076.1.3人工神经网络 13

262026.1.4K最近邻 13

292706.2关联规则挖掘 13

278476.2.1支持度和置信度 14

309066.2.2Apriori算法 14

81236.2.3FPgrowth算法 14

215326.3聚类分析 14

238086.3.1Kmeans算法 14

106706.3.2层次聚类算法 14

167136.3.3密度聚类算法 14

98506.4异常检测 14

174236.4.1基于统计的异常检测 14

205506.4.2基于距离的异常检测 14

223796.4.3基于密度的异常检测 15

28300第七章自然语言处理与应用 15

214217.1文本预处理 15

215467.1.1文本清洗 15

298907.1.2分词 15

224657.1.3词性标注 15

80977.