数据分析与预测高级实践指南.docVIP

数据分析与预测高级实践指南

TOC\o1-2\h\u4193第一章数据准备与预处理 3

37161.1数据收集与清洗 3

94921.2数据整合与转换 3

57371.3数据质量评估与处理 4

11151第二章摸索性数据分析 4

225632.1数据可视化 4

225302.1.1可视化概述 4

108812.1.2常见可视化工具 5

214712.1.3数据可视化实践 5

285792.2数据分布分析 5

95862.2.1数据分布概述 5

139872.2.2描述性统计 5

167372.2.3概率分布 5

91252.2.4假设检验 5

320162.3数据关联性分析 6

64282.3.1关联性概述 6

44102.3.2皮尔逊相关系数 6

134542.3.3斯皮尔曼等级相关系数 6

56942.3.4关联性分析实践 6

538第三章模型选择与评估 6

286603.1模型概述与选择 6

96113.1.1模型概述 6

33333.1.2模型选择 7

278483.2模型参数调优 7

158963.2.1超参数优化 7

78903.2.2内部参数优化 8

192823.3模型评估与优化 8

132413.3.1交叉验证 8

253433.3.2混淆矩阵 8

177073.3.3均方误差 8

47033.3.4模型优化 9

17546第四章特征工程 9

168694.1特征选择 9

109274.2特征提取 9

144474.3特征转换与降维 10

14019第五章时间序列分析 10

13435.1时间序列分解 10

155685.1.1概述 10

283505.1.2分解方法 11

189435.1.3分解结果评估 11

133905.2时间序列模型构建 11

214025.2.1概述 11

91445.2.2模型选择与估计 11

39175.2.3模型诊断与优化 12

181655.3时间序列预测 12

179775.3.1概述 12

218655.3.2预测方法 12

168535.3.3预测精度评估 12

11208第六章机器学习算法应用 13

104266.1线性回归与逻辑回归 13

266776.1.1线性回归 13

47996.1.2逻辑回归 13

297976.2决策树与随机森林 13

59106.2.1决策树 13

219616.2.2随机森林 13

277286.3支持向量机与神经网络 14

71756.3.1支持向量机 14

126526.3.2神经网络 14

18513第七章深度学习在数据分析中的应用 14

287587.1卷积神经网络 14

72567.1.1图像识别 14

116627.1.2语音识别 14

301877.1.3文本分类 15

137677.2循环神经网络 15

175437.2.1时间序列预测 15

86397.2.2自然语言处理 15

205727.2.3语音合成 15

24697.3自编码器与对抗网络 15

16917.3.1自编码器 15

278357.3.2对抗网络 16

23811第八章数据分析项目实践 16

141168.1项目规划与管理 16

120398.1.1项目启动 16

243128.1.2项目计划 16

186998.1.3项目执行与监控 16

69278.2数据分析流程与策略 17

149748.2.1数据采集与清洗 17

23488.2.2数据分析模型构建 17

35568.2.3结果解释与决策支持 17

16408.3项目成果展示与评估 17

158808.3.1项目成果展示 17

215198.3.2项目评估 18

14835第九章预测模型部署与监控 18

133919.1模型部署策略 18

54629.1.1概述 18

177629.1.2模型部署流程 18

126809.1.3模型部署策略 18

223089.2模型功能监控 19

568