数据分析实战手册.pdf

数据分析实战手册

第一章数据获取与预处理3

1.1数据来源与采集3

1.1.1数据来源3

1.1.2数据采集方法3

1.2数据清洗与整理3

1.2.1数据去重3

1.2.2数据缺失值处理3

1.2.3数据异常值处理4

1.2.4数据类型转换4

1.2.5数据标准化4

1.3数据预处理方法4

1.3.1数据整合4

1.3.2数据降维4

1.3.3特征工程4

1.3.4数据可视化4

第二章描述性统计分析4

2.1数据分布与特征4

2.1.1中心趋势4

2.1.2离散程度5

2.1.3偏态和峰度5

2.2统计量计算5

2.2.1均值、中位数和众数的计算5

2.2.2方差和标准差的计算5

2.2.3四分位间距的计算6

2.3数据可视化6

2.3.1直方图6

2.3.2箱线图6

2.3.3散点图6

2.3.4饼图6

第三章假设检验与推断分析6

3.1假设检验方法6

3.1.1单样本t检验6

3.1.2双样本t检验7

3.1.3卡方检验7

3.1.4F检验7

3.2假设检验实例分析7

3.2.1单样本t检验实例7

3.2.2双样本t检验实例7

3.3方差分析与回归分析7

3.3.1方差分析7

3.3.2回归分析8

第四章聚类分析8

4.1聚类方法概述8

4.2聚类算法与应用8

4.3聚类结果评估9

第五章关联分析9

5.1关联规则挖掘9

5.2Apriori算法10

5.3关联分析应用10

第六章时间序列分析11

6.1时间序列基本概念11

6.1.1观测值11

6.1.2趋势11

6.1.3季节性11

6.1.4随机性11

6.2时间序列预测方法11

6.2.1移动平均法11

6.2.2指数平滑法11

6.2.3ARIMA模型11

6.2.4季节性分解12

6.3时间序列应用案例12

6.3.1股票市场预测12

6.3.2销售额预测12

6.3.3金融市场风险分析12

6.3.4气象预报12

第七章因子分析12

7.1因子分析原理12

7.2因子分析步骤13

7.3因子分析应用13

第八章主成分分析14

8.1主成分分析原理14

8.2主成分分析步骤14

8.3主成分分析应用15

第九章机器学习在数据分析中的应用15

9.1机器学习概述15

9.2常见机器学习算法16

9.2.1线性回归16

9.2.2逻辑回归16

9.2.3决策树16

9.2.4随机森林16

9.2.5支持向量机16

9.3机器学习应用案例16

9.3.1信用评分16

9.3.2股票价格预测16

9.3.3文本分类16

9.3.4语音识别17

第十章数据报告撰写与呈现17

10.1数据报告撰写原则17

10.2数据报告结构17

10.3数据报告呈现技巧18

第一章数据获取与预处理

1.