数据挖掘与预测分析入门指南.docVIP

数据挖掘与预测分析入门指南

TOC\o1-2\h\u25621第一章数据挖掘基础 3

24221.1数据挖掘概述 3

273441.2数据挖掘任务与流程 3

223331.2.1数据挖掘任务 3

45351.2.2数据挖掘流程 4

39601.3数据挖掘常用算法简介 4

18775第二章数据预处理 4

46742.1数据清洗 4

256302.2数据集成 5

307542.3数据转换 5

125412.4数据归一化与标准化 6

12970第三章数据摸索性分析 6

184573.1数据可视化 6

68753.2数据统计描述 7

5373.3数据分布分析 7

91533.4关联规则挖掘 7

5844第四章监督学习 8

232754.1线性回归 8

16364.2逻辑回归 8

280754.3决策树与随机森林 8

184174.4支持向量机 9

24894第五章无监督学习 9

214225.1聚类分析 9

238835.2主成分分析 9

25225.3聚类算法应用 9

90605.4聚类评估与选择 10

18127第六章预测分析 10

254446.1时间序列分析 10

133986.1.1时间序列的基本概念 10

235176.1.2时间序列分析方法 10

109776.2回归预测 11

284146.2.1回归预测的基本概念 11

187796.2.2回归预测方法 11

224206.3分类预测 11

247486.3.1分类预测的基本概念 11

181886.3.2分类预测方法 11

307566.4预测模型评估与优化 11

155296.4.1预测模型评估指标 12

67546.4.2预测模型优化方法 12

10059第七章特征工程 12

221467.1特征选择 12

118917.1.1过滤式特征选择 12

326537.1.2包裹式特征选择 12

93257.1.3嵌入式特征选择 12

175277.2特征提取 13

293827.2.1主成分分析（PCA） 13

197817.2.2拉普拉斯特征映射 13

70317.3特征降维 13

117777.3.1特征选择降维 13

318577.3.2特征提取降维 14

180867.4特征重要性评估 14

123927.4.1基于模型的特征重要性评估 14

79887.4.2基于模型的特征选择方法 14

32523第八章模型评估与选择 14

24338.1交叉验证 14

82198.1.1K折交叉验证 14

242038.1.2留一交叉验证 15

286568.2模型功能指标 15

69948.2.1准确率（Accuracy） 15

269908.2.2精确率（Precision） 15

3848.2.3召回率（Recall） 15

62788.2.4F1值（F1Score） 15

170108.3模型选择准则 15

45168.3.1均方误差（MeanSquaredError，MSE） 15

121228.3.2交叉熵（CrossEntropy） 15

76218.3.3赤池信息准则（AkaikeInformationCriterion，C） 15

326548.4模型调整与优化 16

20568.4.1调整模型参数 16

16078.4.2特征选择与特征工程 16

84388.4.3集成学习 16

151928.4.4模型融合 16

27859第九章实战案例 16

221869.1聚类分析案例 16

239949.1.1案例背景 16

318689.1.2数据处理 16

162089.1.3聚类算法选择 16

104229.1.4模型训练与评估 16

269599.1.5结果分析与应用 17

148069.2回归预测案例 17

141429.2.1案例背景 17

164449.2.2数据处理 17

304799.2.3回归算法选择 17

73949.2.4模型训练与评估 17

198309.2.