数据挖掘与分析实践指南.docVIP

数据挖掘与分析实践指南

TOC\o1-2\h\u16269第1章数据挖掘概述 3

231161.1数据挖掘的定义与价值 3

274021.2数据挖掘的主要任务与过程 3

268951.3数据挖掘的应用领域 4

9395第2章数据准备与预处理 5

157092.1数据收集 5

27032.2数据清洗 5

121882.3数据集成与转换 5

255942.4数据降维与特征选择 6

16383第3章数据摸索性分析 6

218873.1数据可视化 6

65333.2基本统计量分析 6

318283.3数据分布与关系摸索 7

20974第4章关联规则挖掘 7

304584.1关联规则基本概念 7

303284.2Apriori算法 7

193384.3FPgrowth算法 7

131514.4关联规则挖掘的应用实例 8

25012第5章聚类分析 8

52305.1聚类的基本概念与类型 8

136975.2Kmeans算法 9

38905.3层次聚类算法 9

208195.4密度聚类算法 9

19329第6章分类与预测 10

206676.1分类与预测的基本概念 10

13916.2决策树算法 10

315126.3支持向量机算法 10

317416.4朴素贝叶斯算法 10

15392第7章回归分析 11

148327.1线性回归 11

127387.1.1一元线性回归模型 11

129857.1.2参数估计与最小二乘法 11

5117.1.3线性回归的假设检验 11

151957.1.4线性回归模型的评估与优化 11

1757.2多元线性回归 11

265367.2.1多元线性回归模型 11

113447.2.2参数估计与求解方法 11

221007.2.3多元线性回归的假设检验 11

5817.2.4多元线性回归模型的评估与优化 11

27317.2.5变量选择与模型简化 11

282207.3逻辑回归 11

104807.3.1逻辑回归模型 12

300967.3.2模型参数估计与优化方法 12

211617.3.3模型评估与拟合优度 12

17597.3.4逻辑回归的假设检验 12

26687.3.5多分类逻辑回归 12

223167.4其他回归方法 12

7387.4.1岭回归 12

167167.4.2套索回归 12

69437.4.3弹性网回归 12

3587.4.4多项式回归 12

67847.4.5支持向量回归 12

13777第8章时间序列分析 12

42698.1时间序列的基本概念 12

60468.2时间序列平滑方法 12

88158.3时间序列预测方法 12

124138.4时间序列分析方法的应用 13

4734第9章数据挖掘中的高级技术 13

166249.1集成学习 13

34399.1.1Bagging 14

248009.1.2Boosting 14

149589.1.3Stacking 14

302279.2深度学习 14

241689.2.1卷积神经网络（CNN） 14

140989.2.2循环神经网络（RNN） 14

35269.2.3对抗网络（GAN） 14

262409.3贝叶斯网络 14

23019.3.1贝叶斯网络结构学习 14

45999.3.2贝叶斯网络参数学习 15

6209.3.3贝叶斯网络推理 15

145519.4数据挖掘中的优化方法 15

164839.4.1梯度下降法 15

88969.4.2牛顿法与拟牛顿法 15

256869.4.3粒子群优化算法 15

108799.4.4遗传算法 15

10356第10章数据挖掘项目实施与案例分析 15

1067710.1数据挖掘项目实施流程 15

1210010.1.1项目启动 15

2113310.1.2数据准备 16

742310.1.3数据挖掘建模 16

2872210.1.4模型评估 16

1246310.1.5模型部署与应用 16

304810.1.6项目监控与维护 16