数据分析应用案例研究.docVIP

数据分析应用案例研究

TOC\o1-2\h\u17216第一章数据收集与预处理 3

316291.1数据源的选择 3

104991.2数据清洗与整合 3

54981.3数据预处理方法 4

18877第二章描述性统计分析 4

305742.1数据分布特征 4

103952.1.1数据类型及分布 4

228542.1.2数据分布检验 4

250602.2数据可视化展示 5

6652.2.1直方图 5

44742.2.2箱线图 5

286172.2.3饼图 5

230902.2.4散点图 5

226342.3数据异常值检测 5

320262.3.1简单统计方法 5

271192.3.2基于聚类的方法 6

102292.3.3基于机器学习的方法 6

24772第三章相关性分析 6

72703.1变量间相关性计算 6

151673.2相关系数的解释与应用 7

75893.3相关性分析的局限性 7

23822第四章回归分析 8

165674.1线性回归模型 8

284204.1.1模型概述 8

234154.1.2模型构建 8

262354.1.3应用案例 8

289294.2多元回归模型 8

145064.2.1模型概述 8

118244.2.2模型构建 9

85914.2.3应用案例 9

243994.3回归模型的评估与优化 9

254504.3.1模型评估指标 9

205354.3.2模型优化方法 9

191674.3.3应用案例 9

21100第五章聚类分析 9

258985.1聚类算法介绍 10

166235.2聚类结果可视化 10

2805.3聚类分析的应用场景 10

22499第六章分类分析 11

63026.1分类算法概述 11

97956.1.1监督学习分类算法 11

287386.1.2无监督学习分类算法 11

210346.2分类模型评估 12

252686.2.1准确率（Accuracy） 12

277796.2.2精确率（Precision） 12

169666.2.3召回率（Recall） 12

141076.2.4F1值（F1Score） 12

182236.3分类模型的应用与实践 12

62546.3.1决策树在医疗诊断中的应用 12

308946.3.2支持向量机在文本分类中的应用 12

47716.3.3朴素贝叶斯在垃圾邮件过滤中的应用 12

124336.3.4神经网络在图像识别中的应用 13

32656第七章时间序列分析 13

50377.1时间序列的基本概念 13

86387.1.1时间序列的组成要素 13

284797.1.2时间序列的类型 13

232467.2时间序列预测方法 13

108477.2.1移动平均法 13

65637.2.2指数平滑法 13

132807.2.3ARIMA模型 14

264317.2.4状态空间模型 14

226097.3时间序列分析的案例分析 14

28475第八章决策树与随机森林 14

23108.1决策树原理与构建 15

23658.1.1决策树的基本概念 15

92848.1.2决策树的构建方法 15

130168.1.3决策树的剪枝策略 15

41128.2随机森林算法介绍 15

96608.2.1随机森林的基本原理 15

174548.2.2随机森林的构建过程 15

215408.2.3随机森林的优缺点 15

13598.3决策树与随机森林的应用 15

96918.1决策树原理与构建 15

252188.1.1决策树的基本概念 15

251768.1.2决策树的构建方法 15

203278.1.3决策树的剪枝策略 15

227138.2随机森林算法介绍 15

186098.2.1随机森林的基本原理 15

73428.2.2随机森林的构建过程 15

76728.2.3随机森林的优缺点 16

101228.3决策树与随机森林的应用 16

4849第九章神经网络与深度学习 16

263929.1神