数据挖掘与分析实务操作指南.docVIP

数据挖掘与分析实务操作指南

TOC\o1-2\h\u20868第1章数据挖掘概述 4

237671.1数据挖掘的定义与意义 4

285991.2数据挖掘的主要任务与过程 5

54411.3数据挖掘的应用领域 5

21524第2章数据预处理 5

275082.1数据清洗 5

172132.1.1缺失值处理 6

219752.1.2异常值处理 6

135942.1.3重复数据处理 6

254192.2数据集成与转换 6

3192.2.1数据集成 6

185562.2.2数据转换 6

326112.3数据规约与降维 6

94762.3.1数据规约 6

175562.3.2降维 7

9793第3章数据摸索与分析 7

110233.1数据可视化 7

77643.2基本统计量分析 7

4903.3帕累托分析 8

60533.4数据采样 8

27375第4章数据挖掘算法 8

291384.1分类算法 8

246594.1.1决策树算法 8

151124.1.2朴素贝叶斯算法 9

269304.1.3支持向量机算法 9

207424.1.4逻辑回归算法 9

314884.2回归算法 9

285144.2.1线性回归算法 9

141454.2.2岭回归算法 9

155554.2.3决策树回归算法 9

287474.2.4神经网络回归算法 9

141324.3聚类算法 9

299274.3.1Kmeans算法 10

81194.3.2层次聚类算法 10

250834.3.3密度聚类算法 10

183674.3.4高斯混合模型 10

293654.4关联规则挖掘算法 10

305294.4.1Apriori算法 10

191404.4.2FPgrowth算法 10

62614.4.3Eclat算法 10

214134.4.4灰色关联度分析算法 10

32386第5章分类分析 10

197265.1决策树算法 10

17095.1.1基本原理 10

291815.1.2决策树构建 11

40235.1.3决策树算法类型 11

243125.2逻辑回归算法 11

249865.2.1基本原理 11

29345.2.2模型建立 11

122305.2.3评估指标 11

306195.3支持向量机算法 11

293105.3.1基本原理 11

308785.3.2模型建立 11

307425.3.3核函数 11

85955.4随机森林算法 12

217875.4.1基本原理 12

295635.4.2模型建立 12

211565.4.3特点与优势 12

5820第6章回归分析 12

134186.1线性回归 12

126576.1.1一元线性回归 12

154446.1.2参数估计 12

187456.1.3模型评价 12

162726.2多元回归 12

216056.2.1多元线性回归模型 13

3896.2.2参数估计与假设检验 13

321876.2.3多重共线性 13

274066.3逐步回归 13

304996.3.1逐步回归原理 13

104716.3.2逐步回归过程 13

232956.4岭回归 13

210486.4.1岭回归原理 13

227816.4.2岭回归应用 13

145第7章聚类分析 13

47617.1Kmeans算法 13

196887.1.1Kmeans算法原理 14

278297.1.2Kmeans算法应用案例 14

3347.2层次聚类算法 14

17777.2.1层次聚类原理 14

34437.2.2层次聚类应用案例 14

201267.3密度聚类算法 15

318007.3.1DBSCAN算法原理 15

47477.3.2DBSCAN算法应用案例 15

232607.4聚类评估与优化 16

261097.4.1聚类评估指标 16

180577.4.2聚类优化方法 16

21643第8章关联规则挖掘 16

151768.1