Python数据分析与挖掘实战

　　前言
　　基础篇
　　第1章数据挖掘基础
　　1.1某知名连锁餐饮企业的困惑
　　1.2从餐饮服务到数据挖掘
　　1.3数据挖掘的基本任务
　　1.4数据挖掘建模过程
　　1.4.1定义挖掘目标
　　1.4.2数据取样
　　1.4.3数据探索
　　1.4.4数据预处理
　　1.4.5挖掘建模
　　1.4.6模型评价
　　1.5常用的数据挖掘建模工具
　　1.6小结
　　每2章Python数据分析简介
　　2.1搭建Python开发平台
　　2.1.1所要考虑的问题
　　2.1.2基础平台的搭建
　　2.2 Python使用入门
　　2.2.1运行方式
　　2.2.2基本命令
　　2.2.3数据结构
　　2.2.4库的导入与添加
　　2.3 Python数据分析工具
　　2.3.1 Numpy
　　2.3.2 Scipy
　　2.3.3 Matplotlib
　　2.3.4 Pandas
　　2.3.5 StatsModels'''''
　　2.3.6 Scikit-Leam'''''
　　2.3.7 Keras
　　2.3.8 Gensim
　　2.4配套资源使用设置
　　2.5小结
　　第3章数据探索
　　3.1数据质量分析
　　3.1.1缺失值分析
　　3.1.2异常值分析
　　3.1.3 -致性分析
　　3.2数据特征分析
　　3.2.1分布分析
　　3.2.2对比分析
　　3.2.3统计量分析
　　?3.3Python主要数据探索函数
　　3.3.1基本统计特征函数
　　3.3.2拓展统计特征函数
　　3.3.3统计作图函数
　　3.4小结
　　数据预处理
　　4.1数据清洗
　　4.1.1缺失值处理
　　4.1.2异常值处理
　　4.2数据集成
　　4.2.1实体识别
　　4.2.2冗余属性识别
　　413数据变换
　　4.3.1简单函数变换
　　4.3.2规范化
　　4.3.3连续属性离散化
　　4.3.4属性构造
　　4.3.5小波变换
　　4.4数据规约
　　4.4.1属性规约
　　4.4.2数值规约
　　4.5 Python主要数据预处理函数
　　4.6小结
　　第5章挖掘建模
　　5.1分类与预测
　　5.1.1实现过程
　　5.1.2常用的分类与预测算法
　　5.1.3回归分析
　　5.1.4决策树
　　5.1.5人工神经网络
　　5.1.6分类与预测算法评价
　　5.1.7 Python分类预测模型特点 -
　　5.2聚类分析
　　5.2.1 常用聚类分析算法
　　5.2.2 K-Means聚类算法
　　5.2.3聚类分析算法评价
　　5.2.4 Python主要聚类分析算法
　　5.3关联规则
　　5.3.1 常用关联规则算法
　　5.3.2 Apriori算法
　　5.4时序模式
　　5.4.1时间序列算法
　　5.4.2时间序列的预处理
　　5.4.3平稳时间序列分析
　　5.4.4非平稳时间序列分析
　　5.4.5 Python主要时序模式算法
　　5.5离群点检测 134
　　5.5.1离群点检测方法
　　5.5.2基于模型的离群点检测方法
　　5.5.3基于聚类的离群点检测方法
　　5.6小结
　　实战篇
　　第6章电力窃漏电用户自动识别
　　6.1背景与挖掘目标
　　6.2分析方法与过程
　　6.2.1数据抽取
　　6.2.2数据探索分析
　　6.2.3数据预处理
　　6.2.4构建专家样本
　　6.3上机实验
　　6.4拓展思考
　　6.5小结
　　第7章航空公司客户价值分析
　　7.1背景与挖掘目标
　　7.2分析方法与过程
　　7.2.1数据抽取
　　7.2.2数据探索分析
　　7.2.3数据预处理
　　7.2.4模型构建
　　7.3上机实验
　　7.4拓展思考 一
　　7.5小结
　　第8章中医证型关联规则挖掘
　　8.1背景与挖掘目标
　　8.2分析方法与过程
　　8.2.1数据获取
　　8.2.2数据预处理
　　8.2.3模型构建
　　8.3上机实验
　　8.4拓展思考
　　8.5小结
　　第9章基于水色图像的水质评价
　　9.1背景与挖掘目标
　　9.2分析方法与过程
　　9.2.1数据预处理
　　9.2.2模型构建
　　9.2.3水质评价
　　9.3上机实验
　　9.4拓展思考
　　9.5小结
　　第10章家用电器用户行为分析与
　　事件识别
　　10.1背景与挖掘目标
　　10.2分析方法与过程
　　10.2.1数据抽取
　　10.2.2数据探索分析
　　10.2.3数据预处理
　　10.2.4模型构建
　　10.2.5模型检验
　　10.3上机实验
　　10.4拓展思考
　　10.5小结
　　第11章应用系统负载分析与磁盘
　　容量预测
　　11.1背景与挖掘目标
　　11.2分析方法与过程
　　11.2.1数据抽取
　　11.2.2数据探索分析
　　11.2.3数据预处理
　　11.2.4模型构建
　　11.3上机实验
　　11.4拓展思考
　　11.5小结
　　第12章电子商务网站用户行为分析
　　及服务推荐
　　12.1背景与挖掘目标
　　12.2分析方法与过程
　　12.2.1数据抽取
　　12.2.2数据探索分析
　　12.2.3数据预处理
　　12.2.4模型构建
　　12.3上机实验
　　12.4拓展思考
　　12.5小结
　　第13章财政收入影响因素分析及
　　13.1预测模型
　　13.2背景与挖掘目标
　　分析方法与过程
　　13.2.1灰色预测与神经网络的组合
　　模型
　　13.2.2数据探索分析
　　13.2.3模型构建
　　13.3上机实验
　　13.4拓展思考
　　13.5小结 一
　　第14章 基于基站定位数据的商圈
　　分析 一
　　14.1背景与挖掘目标
　　14.2分析方法与过程
　　14.2.1数据抽取
　　14.2.2数据探索分析
　　14.2.3数据预处理
　　14.2.4模型构建
　　14.3上机实验
　　14.4拓展思考
　　14.5小结
　　第15章电商产品评论数据情感
　　分析
　　15.1背景与挖掘目标
　　15.2分析方法与过程
　　15.2.1评论数据采集
　　15.2.2评论预处理
　　15.2.3文本评论分词
　　15.2.4模型构建
　　15.3.上机实验
　　15.4拓展思考
　　15.5小结
　　参考文献

　　张良均，资深大数据挖掘专家和模式识别专家，高级信息项目管理师，有10多年的大数据挖掘应用、咨询和培训经验。为电信、电力、政府、互联网、生产制造、零售、银行、生物、化工、医药等多个行业上百家大型企业提供过数据挖掘应用与咨询服务，实践经验非常丰富。此外，他精通Java EE企业级应用开发，是广东工业大学、华南师范大学、华南农业大学、贵州师范学院、韩山师范学院、广东技术师范学院兼职教授，著有《神经网络实用教程》、《数据挖掘：实用案例分析》、《MATLAB数据分析与挖掘实战》《R语言数据分析与挖掘实战》等畅销书。

　　10余位数据挖掘领域资深专家和科研人员，10余年大数据挖掘咨询与实施经验结晶。从数据挖掘的应用出发，以电力、航空、医疗、互联网、生产制造以及公共服务等行业真实案例为主线，深入浅出介绍Python数据挖掘建模过程，实践性极强。  
　　本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。  
　　基础篇（第1～5章），第1章的主要内容是数据挖掘概述；第2章对本书所用到的数据挖掘建模工具Python语言进行了简明扼要的说明；第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。  
　　实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建的顺序进行的，在建模过程的关键环节，穿插程序实现代码。最后通过上机实践，加深读者对数据挖掘技术在案例应用中的理解。