数据分析与挖掘入门指南.docVIP

数据分析与挖掘入门指南

TOC\o1-2\h\u18472第1章数据预处理 3

292741.1数据清洗 3

67361.1.1缺失值处理 3

35181.1.2异常值处理 3

53021.1.3数据类型转换 3

129181.1.4数据规范化和标准化 4

322391.2数据整合 4

141491.2.1数据来源识别 4

230831.2.2数据格式转换 4

241151.2.3数据结构匹配 4

162871.2.4数据合并 4

306541.3数据转换 4

29211.3.1数据聚合 4

268161.3.2数据透视 4

251891.3.3数据衍生 4

287741.3.4数据降维 4

1480第2章数据可视化 5

140502.1常用可视化工具介绍 5

3852.1.1Tableau 5

130022.1.2PowerBI 5

109262.1.3Python数据可视化库 5

87612.2数据可视化方法 5

221792.2.1描述性可视化 5

323032.2.2相关性可视化 5

141762.2.3多维数据可视化 5

168372.2.4交互式可视化 5

287642.3可视化最佳实践 6

276962.3.1选择合适的图表类型 6

202472.3.2保持图表简洁明了 6

70812.3.3使用统一的设计风格 6

114752.3.4适时使用交互功能 6

206492.3.5注重数据隐私和安全性 6

27479第3章描述性统计分析 6

92623.1基础统计量计算 6

196413.1.1均值（Mean） 6

206923.1.2中位数（Median） 7

98523.1.3众数（Mode） 7

117863.1.4方差（Variance） 7

129273.1.5标准差（StandardDeviation） 7

301303.2数据分布分析 7

52703.2.1频率分布 7

122593.2.2直方图 7

86463.2.3箱线图 7

157893.3数据相关性分析 7

77983.3.1皮尔逊相关系数（PearsonCorrelationCoefficient） 7

7833.3.2斯皮尔曼秩相关系数（SpearmanRankCorrelationCoefficient） 8

48873.3.3肯德尔秩相关系数（KendallRankCorrelationCoefficient） 8

29051第4章数据挖掘基础 8

48734.1数据挖掘概述 8

326704.2数据挖掘任务 9

286284.3数据挖掘方法 9

16453第5章分类算法 10

253175.1监督学习概述 10

65545.2常用分类算法介绍 10

190545.3模型评估与选择 10

26377第6章聚类算法 11

148826.1无监督学习概述 11

254856.2常用聚类算法介绍 11

263296.2.1Kmeans算法 12

264296.2.2层次聚类算法 12

277556.2.3密度聚类算法 12

67246.2.4谱聚类算法 12

100456.3聚类结果评估 13

42776.3.1轮廓系数 13

264526.3.2同质性、完整性和Vmeasure 13

76356.3.3调整兰德指数（AdjustedRandIndex,ARI） 13

12527第7章关联规则挖掘 13

252867.1关联规则概述 13

79187.2Apriori算法 14

317052.1剪枝：删除支持度小于最小支持度阈值的候选项集。 14

239673.1连接：将剩余的候选项集进行两两连接，新的候选项集。 14

22203.2剪枝：删除支持度小于最小支持度阈值的候选项集。 14

103944.1剪枝：删除置信度小于最小置信度阈值的关联规则。 14

284217.3关联规则评估 14

19667第8章时间序列分析 15

299938.1时间序列概述 15

307468.2常用时间序列分析方法 15