数据分析基础实战指南.docVIP

数据分析基础实战指南

TOC\o1-2\h\u12397第一章数据收集与清洗 4

117611.1数据来源与采集 4

268291.1.1数据来源概述 4

172011.1.2数据采集方法 4

254801.2数据清洗原则 4

170641.3数据预处理流程 4

145411.3.1数据抽取 5

245811.3.2数据转换 5

166021.3.3数据清洗 5

1461.3.4数据整合 5

106751.3.5数据规范化 5

22071.3.6数据存储 5

25440第二章描述性统计分析 5

64662.1数据类型与分布 5

243482.1.1数据类型 5

269442.1.2数据分布 5

166832.2常见统计量指标 6

312582.2.1中心趋势指标 6

251312.2.2离散程度指标 6

129402.2.3偏度和峰度 6

92432.3数据可视化 6

291902.3.1条形图 6

1122.3.2饼图 6

32982.3.3折线图 6

81712.3.4散点图 6

244262.3.5直方图 7

4623第三章数据可视化 7

219933.1常见图表类型 7

106053.1.1柱状图 7

313203.1.2折线图 7

274223.1.3饼图 7

236593.1.4散点图 7

130793.1.5雷达图 7

38473.1.6地图 7

318223.2可视化工具介绍 7

36873.2.1Excel 7

293753.2.2Tableau 7

154883.2.3Python（Matplotlib、Seaborn等库） 8

263183.2.4R语言 8

198093.3交互式可视化 8

134753.3.1滑块 8

29713.3.2下拉菜单 8

19003.3.3工具提示 8

238053.3.4图表联动 8

244923.3.5动态图表 8

29226第四章数据摸索性分析 8

156144.1数据摸索的目的 8

81404.2数据摸索的方法 9

38284.3数据摸索案例分析 9

5748第五章数据建模与预测 10

281605.1常见数据建模方法 10

57345.2模型评估与选择 10

257335.3预测结果分析 11

26341第六章机器学习算法 11

44786.1监督学习算法 11

216896.1.1线性回归 11

310766.1.2逻辑回归 11

230436.1.3决策树与随机森林 11

161816.1.4支持向量机 11

249926.1.5K最近邻算法 11

37906.2无监督学习算法 11

273006.2.1Kmeans聚类 11

28056.2.2层次聚类 12

134966.2.3主成分分析 12

257936.2.4关联规则挖掘 12

93106.2.5聚类评估指标 12

121056.3强化学习算法 12

180316.3.1Q学习 12

229746.3.2Sarsa算法 12

215686.3.3深度Q网络（DQN） 12

192906.3.4策略梯度方法 12

262056.3.5异同策略优化（A3C） 12

14286第六章机器学习算法 12

127356.1监督学习算法 12

143536.1.1线性回归 12

194166.1.2逻辑回归 12

211876.1.3决策树与随机森林 12

51076.1.4支持向量机 12

144606.1.5K最近邻算法 12

53146.2无监督学习算法 13

234886.2.1Kmeans聚类 13

17966.2.2层次聚类 13

24196.2.3主成分分析 13

98946.2.4关联规则挖掘 13

35796.2.5聚类评估指标 13

219836.3强化学习算法 13

52436.3.1Q学习 13

97316.3.2Sarsa算法 13

63386.3.3深度Q网络（DQN） 13