大数据挖掘与应用作业指导书.docVIP

大数据挖掘与应用作业指导书

TOC\o1-2\h\u32657第1章大数据挖掘基础理论 3

48391.1大数据概述 3

124381.1.1大数据的来源 4

323521.1.2大数据的特点 4

221881.2数据挖掘基本概念 4

97921.2.1数据挖掘的定义 4

55851.2.2数据挖掘的分类 4

136031.3常见数据挖掘任务 4

128711.3.1关联规则挖掘 4

312321.3.2分类和预测 5

133381.3.3聚类分析 5

97111.3.4异常检测 5

13367第2章数据预处理 5

208602.1数据清洗 5

17962.2数据集成 5

197992.3数据变换 6

227312.4数据归一化 6

8595第3章数据挖掘算法 6

129283.1决策树算法 6

306803.1.1ID3算法 6

209003.1.2C4.5算法 7

205333.1.3CART算法 7

215883.2支持向量机算法 7

75413.2.1线性支持向量机 7

7113.2.2非线性支持向量机 7

33623.3聚类算法 7

25053.3.1Kmeans算法 7

83503.3.2层次聚类算法 8

220013.3.3密度聚类算法 8

102283.4关联规则挖掘算法 8

321643.4.1Apriori算法 8

297823.4.2FPgrowth算法 8

22571第四章文本挖掘 8

18884.1文本预处理 8

46964.2词频统计与TFIDF 9

280534.3主题模型 9

219174.4文本分类与聚类 9

9657第五章社交网络挖掘 10

318665.1社交网络结构分析 10

173875.1.1社交网络拓扑结构分析 10

265355.1.2网络中心性分析 10

140055.1.3网络模块性分析 10

249495.2用户行为分析 10

13835.2.1用户行为模式分析 10

105425.2.2用户兴趣偏好分析 11

231565.2.3用户影响力分析 11

200955.3社区检测 11

4395.3.1社区检测算法 11

13325.3.2社区划分结果评估 11

4465.4社交网络影响力分析 11

71165.4.1影响力评估方法 11

288165.4.2影响力传播模型 11

21420第6章推荐系统 12

265096.1推荐系统概述 12

40976.2协同过滤算法 12

223536.2.1用户基于协同过滤 12

144766.2.2物品基于协同过滤 12

173556.3基于内容的推荐算法 12

225076.3.1特征提取 12

291556.3.2相似度计算 12

310116.4混合推荐算法 13

70046.4.1加权混合推荐 13

98416.4.2特征融合混合推荐 13

8931第7章时间序列挖掘 13

152777.1时间序列预处理 13

208317.1.1概述 13

42957.1.2数据清洗 13

120357.1.3数据平滑 13

258937.2时间序列模式挖掘 14

239857.2.1概述 14

314617.2.2关联规则挖掘 14

183497.2.3序列模式挖掘 14

23947.2.4周期性分析 14

196357.3时间序列预测 14

102967.3.1概述 14

104747.3.2自回归模型 14

85177.3.3机器学习方法 15

277267.3.4深度学习方法 15

175597.4时间序列聚类 15

200997.4.1概述 15

316427.4.2基于距离的聚类方法 15

189967.4.3基于模型的聚类方法 15

310967.4.4基于密度的聚类方法 15

1126第8章大数据可视化 15

70698.1可视化概述 15

264728.2常见可视化工具与库 15

254448.2.1Tableau 15

22