大数据分析与运用教程手册.docVIP

大数据分析与运用教程手册

TOC\o1-2\h\u8083第1章大数据分析概述 3

18741.1数据分析的基本概念 3

197391.2大数据的发展历程 4

220481.2.1大数据的起源 4

306281.2.2大数据的演变 4

149271.3大数据技术的核心组成 4

96841.3.1数据采集与存储 4

33621.3.2数据处理与计算 4

195381.3.3数据分析与挖掘 4

59901.3.4数据可视化 4

93271.3.5数据安全与隐私保护 5

23033第2章数据采集与预处理 5

279292.1数据采集方法 5

316052.1.1网络爬虫 5

41872.1.2数据接口 5

31102.1.3数据库采集 5

148472.1.4物联网设备采集 5

68362.2数据清洗与整理 5

41032.2.1数据去重 5

100282.2.2数据填充 6

10422.2.3数据转换 6

121122.2.4数据归一化 6

115112.3数据预处理技巧 6

98072.3.1数据整合 6

210092.3.2数据抽样 6

315742.3.3特征工程 6

240862.3.4异常值处理 6

11676第3章数据存储与管理 6

239143.1数据存储技术 6

86593.1.1硬盘存储技术 7

31503.1.2网络存储技术 7

194973.1.3分布式存储技术 7

233963.2分布式存储系统 7

69703.2.1Hadoop分布式文件系统（HDFS） 7

177503.2.2云存储系统 7

132143.2.3分布式数据库系统 7

262703.3数据管理策略 8

186933.3.1数据备份与恢复 8

42993.3.2数据压缩与加密 8

22923.3.3数据清洗与整合 8

73523.3.4数据监控与维护 8

27807第四章数据分析与挖掘算法 8

70434.1描述性统计分析 8

129254.2关联规则挖掘 9

174884.3聚类分析 9

1410第5章机器学习在大数据分析中的应用 10

115505.1机器学习基本概念 10

182135.1.1定义及发展历程 10

38885.1.2机器学习分类 10

231965.1.3机器学习的关键技术 10

71335.2监督学习算法 10

7595.2.1线性回归 10

196535.2.2逻辑回归 10

130485.2.3决策树 10

129845.2.4随机森林 10

258275.2.5支持向量机 10

84045.3无监督学习算法 11

4105.3.1Kmeans聚类 11

157865.3.2层次聚类 11

229745.3.3主成分分析 11

47125.3.4深度学习 11

22195.3.5隐马尔可夫模型 11

12368第6章数据可视化 11

62826.1可视化工具介绍 11

18076.1.1Tableau 11

142946.1.2PowerBI 11

68346.1.3Python可视化库 12

51126.2数据可视化技巧 12

323256.2.1选择合适的图表类型 12

189296.2.2使用色彩和形状 12

246736.2.3注释和标签 12

95156.3可视化最佳实践 12

84976.3.1简洁明了 12

260806.3.2保持一致性 12

260506.3.3考虑用户需求 12

214396.3.4交互性 13

31375第7章大数据分析在行业中的应用 13

181027.1金融行业应用案例 13

101537.1.1风险控制 13

243307.1.2个性化金融产品推荐 13

273747.1.3反洗钱 13

120627.2医疗行业应用案例 13

289697.2.1疾病预测 13

278097.2.2精准医疗 13

115477.2.3药品研发 14

112587.3零售行业应用案例 14

9131