数据处理与分析技术指南.docVIP

数据处理与分析技术指南

TOC\o1-2\h\u15348第1章数据处理基础 3

67211.1数据类型与结构 3

32101.2数据清洗与预处理 3

240171.3数据整合与转换 3

170371.4数据存储与检索 3

22483第2章数据分析概述 3

97282.1数据分析方法论 3

184792.2数据分析流程 4

223822.3数据分析工具与软件 4

13434第3章数据可视化 5

308283.1数据可视化原则与方法 5

268803.1.1数据可视化原则 5

145853.1.2数据可视化方法 5

79673.2常用数据可视化工具 6

309563.2.1商业软件 6

234193.2.2开源软件 6

260723.3可视化案例分析 6

273493.3.1案例一：城市交通流量分析 6

2693.3.2案例二：销售数据分析 6

231773.3.3案例三：医疗资源配置 6

57883.3.4案例四：气候变化研究 6

29178第4章描述性统计分析 7

137104.1频数分析与图表展示 7

72924.1.1频数分析 7

313964.1.2图表展示 7

285434.2统计量度与集中趋势 7

190464.2.1常用的统计量度 7

58864.2.2集中趋势指标 7

154254.3离散程度与分布形态 8

6444.3.1离散程度指标 8

184394.3.2分布形态 8

16199第5章假设检验与推断统计 8

41195.1假设检验基本概念 8

41365.2单样本与双样本检验 8

137975.2.1单样本检验 8

68045.2.2双样本检验 8

214475.3方差分析与回归分析 9

306235.3.1方差分析 9

200185.3.2回归分析 9

13012第6章预测分析 9

327156.1时间序列预测 9

195896.1.1时间序列概述 9

79166.1.2时间序列预测方法 9

173166.1.3时间序列预测应用 10

288336.2机器学习预测方法 10

29296.2.1机器学习概述 10

153866.2.2常见机器学习预测算法 10

131816.2.3机器学习预测应用 10

192436.3深度学习预测模型 10

319506.3.1深度学习概述 10

264516.3.2常见深度学习预测模型 11

115646.3.3深度学习预测应用 11

86第7章决策树与随机森林 11

148227.1决策树基本原理 11

206077.2决策树构建与剪枝 11

280357.2.1决策树构建 11

133067.2.2决策树剪枝 12

21127.3随机森林算法与应用 12

214747.3.1随机森林算法 12

64797.3.2随机森林应用 12

2817第8章聚类分析 13

325568.1聚类分析方法 13

228708.1.1划分聚类方法 13

121708.1.2层次聚类方法 13

94208.1.3基于密度的聚类方法 13

111648.2层次聚类与划分聚类 13

145518.2.1层次聚类 13

276018.2.2划分聚类 13

173628.3基于密度的聚类算法 14

97818.3.1DBSCAN算法 14

185018.3.2OPTICS算法 14

11544第9章文本分析与挖掘 14

270189.1文本预处理与特征提取 14

203909.1.1文本清洗 14

303109.1.2分词与词性标注 14

134689.1.3特征提取 14

270209.2文本分类与情感分析 15

100419.2.1文本分类 15

59319.2.2情感分析 15

207619.3主题模型与关联规则挖掘 15

143239.3.1主题模型 15

285839.3.2关联规则挖掘 15

17716第10章大数据与云计算 15

1900510.1大数据技术概述 15

3046910.2分布式计算框架