数据挖掘与分析技术实战指南.docVIP

数据挖掘与分析技术实战指南

TOC\o1-2\h\u18786第一章数据挖掘基础 3

204931.1数据挖掘概述 3

57951.2数据挖掘流程 3

275991.2.1数据收集 3

19081.2.2数据预处理 3

248881.2.3数据挖掘 4

49331.2.4模型部署与应用 4

119731.3数据挖掘常用算法 4

143971.3.1决策树 4

299781.3.2支持向量机（SVM） 4

110481.3.3K最近邻（KNN） 4

65881.3.4聚类算法 4

224551.3.5关联规则挖掘 4

3286第二章数据预处理 5

152882.1数据清洗 5

128042.2数据集成 5

156772.3数据转换 5

113702.4数据归一化 6

23240第三章数据可视化 6

42693.1常用可视化工具 6

199523.1.1Tableau 6

213803.1.2PowerBI 6

153913.1.3Python数据可视化库 6

168903.2数据可视化方法 7

118663.2.1条形图 7

308723.2.2折线图 7

41473.2.3饼图 7

146103.2.4散点图 7

141613.3可视化案例分析 7

14895第四章关联规则挖掘 7

164364.1Apriori算法 7

112574.2FPgrowth算法 8

128304.3关联规则评估 8

14978第五章聚类分析 9

110845.1常用聚类算法 9

275835.1.1Kmeans算法 9

81595.1.2层次聚类算法 9

228555.1.3密度聚类算法 9

187265.2聚类算法选择与评估 10

33195.2.1数据特点 10

41385.2.2聚类目的 10

163315.2.3算法功能 10

219335.3聚类应用案例 10

298035.3.1客户细分 10

191875.3.2文本分类 10

295055.3.3图像分割 10

271585.3.4基因表达数据分析 11

7182第六章分类与预测 11

209126.1常用分类算法 11

249216.1.1决策树 11

100166.1.2支持向量机（SVM） 11

92666.1.3朴素贝叶斯 11

316746.1.4随机森林 11

69336.1.5K最近邻（KNN） 11

216586.2分类算法评估与选择 11

12756.2.1准确率 11

127916.2.2精确率与召回率 12

127616.2.3F1值 12

66946.2.4交叉验证 12

297166.2.5选择方法 12

35106.3预测模型构建 12

273296.3.1数据预处理 12

136306.3.2选择分类算法 12

211526.3.3训练模型 12

242826.3.4模型评估 12

154146.3.5模型优化 12

205966.3.6模型部署 12

14196第七章决策树分析 13

238677.1决策树构建方法 13

188847.1.1数据预处理 13

245747.1.2特征选择 13

270117.1.3决策树构建算法 13

23777.2决策树剪枝策略 13

210307.2.1预剪枝 13

100977.2.2后剪枝 13

242177.2.3组合剪枝 13

327557.3决策树应用案例 14

17315第八章人工神经网络 14

196618.1神经网络基础 14

46858.1.1神经网络的起源与发展 14

178638.1.2神经元模型 14

272948.1.3神经网络结构 14

73548.2神经网络模型 15

187378.2.1前馈神经网络（FeedforwardNeuralNetworks，FNN） 15

198028.2.2循环神经网络（RecurrentNeuralNetworks，RNN） 15

282648.2.3卷积神