数据挖掘与分析技术在电商中的应用.pdfVIP

数据挖掘与分析技术在电商中的应用

第1章数据挖掘基础4

1.1数据挖掘概述4

1.2数据挖掘流程4

1.2.1数据准备4

1.2.2数据摸索4

1.2.3数据挖掘算法择4

1.2.4模型评估与优化4

1.2.5结果解释与应用5

1.3常见数据挖掘算法5

1.3.1决策树5

1.3.2支持向量机5

1.3.3朴素贝叶斯5

1.3.4K均值聚类5

1.3.5关联规则挖掘5

1.3.6神经网络5

第2章电商数据预处理5

2.1数据清洗5

2.1.1概述5

2.1.2缺失值处理6

2.1.3异常值处理6

2.1.4重复记录处理6

2.1.5数据类型修正6

2.2数据集成6

2.2.1概述6

2.2.2数据整合方法6

2.3数据转换7

2.3.1概述7

2.3.2数据格式转换7

2.3.3数据结构转换7

2.4数据归一化7

2.4.1概述7

2.4.2最小最大归一化7

2.4.3Zscore标准化8

2.4.4对数归一化8

第3章电商用户行为分析8

3.1用户行为数据获取8

3.1.1网站日志分析8

3.1.2用户行为跟踪技术8

3.1.3社交媒体数据分析8

3.1.4问卷调查与用户访谈8

3.2用户行为模式识别9

3.2.1关联规则挖掘9

3.2.2聚类分析9

3.2.3时序模式分析9

3.3用户画像构建9

3.3.1人口统计特征9

3.3.2兴趣爱好9

3.3.3消费行为9

3.3.4社交属性9

3.4用户行为预测9

3.4.1回归分析10

3.4.2机器学习算法10

3.4.3时间序列分析10

3.4.4深度学习模型10

第四章电商推荐系统10

4.1推荐系统概述10

4.2协同过滤推荐10

4.2.1用户基于协同过滤10

4.2.2商品基于协同过滤11

4.3基于内容的推荐11

4.4混合推荐算法11

第5章电商价格优化12

5.1价格优化策略12

5.1.1基于竞争者定价策略12

5.1.2基于消费者需求定价策略12

5.1.3基于成本定价策略12

5.2价格敏感度分析12

5.2.1价格弹性系数12

5.2.2价格敏感度分析模型13

5.3动态定价算法13

5.3.1竞价算法13

5.3.2预测定价算法13

5.3.3优化定价算法13

5.4价格预测13

5.4.1基于历史数据的预测14

5.4.2基于市场信息的预测14

5.4.3基于商品属性的预测14

5.4.4基于消费者行为的预测14

第6章电商库存管理14

6.1库存数据挖掘14

6.1.1数据来源及预处理14

6.1.2数据挖掘方法14

6.2库存优化策略15

6