大数据挖掘应用指南.docVIP

大数据挖掘应用指南

TOC\o1-2\h\u10412第一章大数据挖掘概述 3

93021.1大数据挖掘的定义 3

166941.2大数据挖掘的发展历程 3

317881.2.1初期阶段（20世纪80年代） 3

48591.2.2发展阶段（20世纪90年代） 3

169331.2.3成熟阶段（21世纪初至今） 3

148021.3大数据挖掘的关键技术 3

254691.3.1数据预处理 3

50821.3.2数据挖掘算法 3

72601.3.3机器学习与深度学习 3

43441.3.4分布式计算与存储 4

143191.3.5可视化技术 4

263961.3.6安全与隐私保护 4

5646第二章数据预处理 4

65902.1数据清洗 4

192762.2数据集成 4

302602.3数据转换 5

57432.4数据降维 5

29653第三章关联规则挖掘 6

324033.1关联规则挖掘的基本概念 6

76753.2Apriori算法 6

183163.3FPgrowth算法 6

80443.4关联规则挖掘的应用 7

5704第四章分类与预测 7

4304.1分类与预测的基本概念 7

115774.2决策树算法 7

21294.3支持向量机算法 8

105114.4随机森林算法 8

3894第五章聚类分析 8

103155.1聚类分析的基本概念 8

195455.2Kmeans算法 9

236735.3层次聚类算法 9

63175.4密度聚类算法 9

14856第六章序列模式挖掘 10

166436.1序列模式挖掘的基本概念 10

256306.2序列模式挖掘的算法 10

100136.2.1基于频繁项集的算法 10

71326.2.2基于序列的算法 11

318326.3序列模式挖掘的应用 11

304446.4时间序列分析 11

27275第七章异常检测 11

325907.1异常检测的基本概念 11

258777.2基于统计的异常检测方法 12

119667.2.1基于阈值的异常检测 12

274447.2.2基于概率模型的异常检测 12

26097.2.3基于聚类分析的异常检测 12

35967.3基于机器学习的异常检测方法 12

15847.3.1基于监督学习的异常检测 12

245987.3.2基于无监督学习的异常检测 12

253757.3.3基于半监督学习的异常检测 13

247767.4异常检测的应用 13

268027.4.1金融欺诈检测 13

201467.4.2网络安全监测 13

251237.4.3健康监测 13

234087.4.4工业生产 13

2268第八章优化算法 13

225458.1优化算法的基本概念 13

147748.2遗传算法 14

260938.3蚁群算法 14

289308.4粒子群算法 14

22277第九章大数据挖掘在行业中的应用 15

112459.1金融行业 15

5919.1.1引言 15

5199.1.2应用领域 15

132339.1.3挑战与展望 15

81769.2电商行业 15

236619.2.1引言 15

216229.2.2应用领域 15

41719.2.3挑战与展望 16

111829.3医疗行业 16

319489.3.1引言 16

122389.3.2应用领域 16

130899.3.3挑战与展望 16

260639.4智能交通 16

88999.4.1引言 17

31029.4.2应用领域 17

209549.4.3挑战与展望 17

5098第十章大数据挖掘的未来发展趋势 17

252410.1大数据挖掘的技术发展趋势 17

2094610.2大数据挖掘在行业中的应用趋势 17

870310.3大数据挖掘的安全与隐私问题 18

229710.4大数据挖掘的挑战与机遇 18

第一章大数据挖掘概述

1.1大数据挖掘的定义

大数据挖掘，是指在海量数据中，运用计算机技术、统计学方法以及人工智能算法，对