数据挖掘与信息分析行业实践指南.docVIP

数据挖掘与信息分析行业实践指南

TOC\o1-2\h\u19329第一章数据挖掘基础 3

24101.1数据挖掘概述 3

96321.2数据挖掘流程 4

79001.2.1业务理解 4

67791.2.2数据准备 4

160901.2.3数据挖掘 4

257211.2.4结果评估 4

292041.2.5知识应用 4

270881.3常见数据挖掘算法 4

3365第二章数据预处理 5

325072.1数据清洗 5

255062.1.1空值处理 5

240992.1.2异常值处理 5

124012.1.3数据类型转换 6

6462.1.4数据一致性检查 6

179182.2数据集成 6

205742.2.1数据源识别 6

279232.2.2数据抽取 6

299252.2.3数据转换 6

203062.2.4数据加载 6

18752.3数据转换 6

293512.3.1数据标准化 6

315122.3.2数据归一化 6

136142.3.3数据编码 6

134712.3.4数据聚合 7

300472.4数据降维 7

238942.4.1特征选择 7

124132.4.2特征提取 7

145482.4.3特征融合 7

290832.4.4降维模型评估 7

3154第三章数据挖掘技术与应用 7

321843.1分类与预测 7

293993.1.1分类技术 7

198983.1.2预测技术 8

30063.2聚类分析 8

116093.2.1常见聚类算法 8

78143.2.2聚类分析应用场景 8

200163.3关联规则挖掘 9

261253.3.1关联规则挖掘算法 9

226753.3.2关联规则挖掘应用场景 9

16943.4序列模式挖掘 9

40573.4.1序列模式挖掘算法 9

34543.4.2序列模式挖掘应用场景 9

3648第四章信息分析方法 9

35484.1文本挖掘 9

318864.1.1文本预处理 9

200544.1.2特征提取 10

30994.1.3文本分类 10

213474.1.4情感分析 10

281494.2Web挖掘 10

139324.2.1Web内容挖掘 10

61914.2.2Web结构挖掘 10

303024.2.3Web使用挖掘 10

293414.3社交媒体挖掘 10

56114.3.1用户行为分析 11

37274.3.2话题检测与跟踪 11

155904.3.3情感分析 11

269544.4多维数据分析 11

320844.4.1数据预处理 11

305364.4.2多维数据模型 11

87424.4.3数据可视化 11

26253第五章数据挖掘工具与平台 11

237465.1常用数据挖掘工具 11

144845.1.1Weka 11

40295.1.2R 12

62965.1.3RapidMiner 12

103545.1.4Python 12

146725.2数据挖掘平台比较 12

180195.2.1Weka与R 12

75055.2.2RapidMiner与Python 12

98585.3数据挖掘工具的选用 12

1968第六章数据挖掘项目管理 13

148006.1项目规划与需求分析 13

324216.1.1确定项目目标 13

189376.1.2分析项目需求 13

225786.1.3制定项目计划 13

255626.2项目实施与监控 13

187196.2.1数据预处理 13

161366.2.2数据挖掘方法选择与实施 14

288806.2.3项目监控 14

212136.3项目成果评估与优化 14

288576.3.1成果评估 14

32166.3.2优化建议 14

21626第七章数据挖掘与信息分析行业应用 15

305597.1金融行业 15

307067.1.1行业概述 15

283877.1.2应用场景 15

170917.1.3技术应用 15