数据挖掘:你必须知道的32个经典案例(第2版)
目 录
第1章 经典的探索性数据分析案例1
1.1 探索性数据分析综述2
1.1.1 什么是探索性数据分析2
1.1.2 如何收集数据4
1.1.3 数据预处理技术5
1.2 数据巧收集——红牛的大数据营销案例8
1.2.1 状况百出的红牛企业8
1.2.2 红牛企业巧妙收集消费者数据9
1.2.3 数据收集小结12
查看完整
第1章 经典的探索性数据分析案例1
1.1 探索性数据分析综述2
1.1.1 什么是探索性数据分析2
1.1.2 如何收集数据4
1.1.3 数据预处理技术5
1.2 数据巧收集——红牛的大数据营销案例8
1.2.1 状况百出的红牛企业8
1.2.2 红牛企业巧妙收集消费者数据9
1.2.3 数据收集小结12
查看完整
任昱衡,博士,副研究员,高级电子商务师,高级硬件工程师,中国电子商务协会电子商务研究院副院长,中国电子商务协会信用体系建设管理中心主任助理,中国电子商务师资质(职称)认证管理中心主任助理。参与国家多项电子商务法律、法规、标准制定工作,目前主要负责国家电子商务师职业水平(职称)认证体系的构建和国家电子商务行业企业信用监督工作。
本书是为广大数据分析师量身定制的入门读物,它旨在帮助读者站在大数据时代的制高点。数据分析处于统计学、计算机信息科学、运筹学、数据库等多个领域的交叉地带,大数据时代的到来大大丰富了数据分析的内涵,数据分析师的职责与以往相比发生了巨大的改变。本书全面介绍了经典数据分析、模式识别、机器学习、深度学习、数据挖掘、商务智能等多个领域的数据分析算法,将大数据时代的数据分析热点技术一网打尽。本书为每个数据分析算法都搭配了一个经典案例,并按照由易到难的原则构建知识框架,充分照顾了不同水平读者的阅读习惯。通过阅读本书,读者将对大数据时代下的数据分析有一个全面的认识。无论是入门级的数据分析员还是有一定基础的数据分析师,都能通过本书完善、加深对数据分析的认识。
目 录
第1章 经典的探索性数据分析案例1
1.1 探索性数据分析综述2
1.1.1 什么是探索性数据分析2
1.1.2 如何收集数据4
1.1.3 数据预处理技术5
1.2 数据巧收集——红牛的大数据营销案例8
1.2.1 状况百出的红牛企业8
1.2.2 红牛企业巧妙收集消费者数据9
1.2.3 数据收集小结12
1.3 数据可视化——数据新闻促使英军撤军13
1.3.1 维基解密带来的海量数据13
1.3.2 百花齐放的数据新闻15
1.3.3 数据可视化小结18
1.4 异常值分析——Facebook消灭钓鱼链接19
1.4.1 Facebook和广告商之间的拉锯战20
1.4.2 异常值分析指导排名算法工作22
1.4.3 异常值分析小结26
1.5 对比分析——TrueCar指导购物者寻找合算的车价27
1.5.1 火中取栗的TrueCar网站28
1.5.2 数据对比赢得消费者信赖29
1.5.3 对比分析小结32
第2章 经典的相关分析与回归分析案例35
2.1 相关回归综述36
2.1.1 相关回归简介36
2.1.2 相关性分析的发展介绍38
2.1.3 回归分析的发展介绍39
2.2 皮尔逊相关值——纽约市政府利用相关分析监控违法建筑40
2.2.1 简约而不简单的消防检测系统40
2.2.2 使用相关分析洞察60个变量的关系42
2.2.3 相关分析小结45
2.3 时间序列分析——人寿保险的可提费用预测47
2.3.1 人寿保险公司和可提费用47
2.3.2 使用4种时间序列回归预测模型解决问题49
2.3.3 时间序列分析小结52
2.4 线性回归分析——梅西百货公司的12项大数据策略54
2.4.1 从“一亿豪赌”说起的零售商困境54
2.4.2 SAS公司帮助梅西百货构建模型56
2.4.3 线性回归分析小结59
2.5 Logistic回归分析——大面积流感爆发的预测分析62
2.5.1 究竟谁才是流感预测算法之王62
2.5.2 向Logistic算法中引入更多变量64
2.5.3 Logistic回归分析小结67
第3章 经典的降维数据分析案例69
3.1 降维分析算法综述70
3.1.1 为什么要使用降维算法70
3.1.2 线性降维算法72
3.1.3 非线性降维算法73
3.2 粗糙集算法——协助希腊工业发展银行制定信贷政策74
3.2.1 银行信贷政策的制定原则75
3.2.2 粗糙集算法的原理和应用76
3.2.3 粗糙集算法小结80
3.3 因子分析——基于李克特量表的应聘评价法82
3.3.1 源于智力测试的因子分析82
3.3.2 使用因子分析解构问卷84
3.3.3 因子分析小结87
3.4 尺度分析——直观评估消费者倾向的分析方法89
3.4.1 市场调查问题催生的尺度分析89
3.4.2 6种经典的尺度分析解读方法91
3.4.3 尺度分析小结95
3.5 PCA降维算法——智能人脸识别的应用与拓展97
3.5.1 刷脸的时代来了97
3.5.2 使用PCA算法完成降维工作99
3.5.3 PCA算法小结102
第4章 经典的模式识别案例105
4.1 模式识别综述106
4.1.1 模式识别简介106
4.1.2 模式识别的发展脉络107
4.1.3 模式识别应用简介110
4.2 图像分析——谷歌的超前自动驾驶技术111
4.2.1 以安全的名义呼吁自动驾驶技术111
4.2.2 快速成熟的无人驾驶技术113
4.2.3 图像分析小结116
4.3 遗传算法——经典的人力资源优化问题118
4.3.1 使用有限资源实现利益化118
4.3.2 遗传算法的计算过程120
4.3.3 遗传算法小结123
4.4 决策树分析——“沸腾时刻”准确判断用户健康水平124
4.4.1 打造我国的健身平台124
4.4.2 信息增益和决策树126
4.4.3 决策树小结129
4.5 K均值聚类分析——HSE24通过为客户分类降低退货率131
4.5.1 在电子商务市场快速扩张的HSE24131
4.5.2 使用K均值聚类为客户分类133
4.5.3 K均值聚类小结136
第5章 经典的机器学习案例139
5.1 机器学习综述140
5.1.1 机器学习简介140
5.1.2 机器学习的主流发展和应用142
5.2 语义搜索——沃尔玛搜索引擎提升15%销售额143
5.2.1 注重用户体验的沃尔玛公司144
5.2.2 语义搜索引擎的底层技术和原理145
5.2.3 语义搜索技术小结148
5.3 顺序分析——搜狗输入法的智能纠错系统150
5.3.1 搜狗输入法的王牌词库和智能算法151
5.3.2 频繁树模式和顺序分析算法153
5.3.3 顺序分析小结156
5.4 文本分析——经典的垃圾邮件过滤系统158
5.4.1 大数据时代需要文本分析工作158
5.4.2 垃圾邮件过滤中的分词技术和词集模型160
5.4.3 文本分析小结163
5.5 协同过滤——构建个性化推荐系统的经典算法164
5.5.1 协同过滤算法为什么这么流行165
5.5.2 基于用户和基于产品的协同过滤166
5.5.3 协同过滤算法小结169
第6章 经典的深度学习案例171
6.1 深度学习综述172
6.1.1 深度学习简介172
6.1.2 深度学习在图像处理方面的应用174
6.1.3 深度学习在自然语言处理方面的应用176
6.2 支持向量机——乔布斯利用大数据对抗癌症178
6.2.1 乔布斯和胰腺癌的抗争178
6.2.2 医学统计学和支持向量机180
6.2.3 支持向量机小结184
6.3 感知器神经网络——的房产价格预测算法185
6.3.1 如何预测房价186
6.3.2 多层感知器和误差曲面188
6.3.3 感知器神经网络小结191
6.4 自组织神经网络——如何又快又好地解决旅行商问题193
6.4.1 路径问题的典型模式和解决方法193
6.4.2 自组织神经网络的拓扑结构和权值调整194
6.4.3 自组织神经网络小结198
6.5 RBM算法——为新闻报道智能分类199
6.5.1 新闻报道智能分类的难与易199
6.5.2 RBM算法的学习目标和学习方法201
6.5.3 RBM算法小结204
第7章 经典的数据挖掘案例207
7.1 数据挖掘综述208
7.1.1 什么是数据挖掘208
7.1.2 数据挖掘的主要应用领域209
7.1.3 数据挖掘模型的评价指标211
7.2 判别分析——美国运通构建客户流失预测模型213
7.2.1 美国运通公司的旧日辉煌213
7.2.2 判别分析的假设条件和判别函数214
7.2.3 判别分析小结218
7.3 购物篮分析——找出零售业的商品组合220
7.3.1 名动天下的“啤酒和尿布”案例220
7.3.2 购物篮分析的频繁模式222
7.3.3 购物篮分析小结225
7.4 马尔可夫链——准确预测客运市场占有率227
7.4.1 复杂的客运市场系统227
7.4.2 概率转移矩阵的求解方法229
7.4.3 马尔可夫链小结232
7.5 AdaBoost元算法——有效侦测欺诈交易的复合算法233
7.5.1 弱分类器和强分类器之争233
7.5.2 AdaBoost元算法的分类器构建方法235
7.5.3 AdaBoost元算法小结238
第8章 经典的商业智能分析案例241
8.1 商业智能分析综述242
8.1.1 什么是商业智能242
8.1.2 商业智能的主流发展与应用244
8.2 KXEN分析软件——构建欧洲博彩业下注预测平台246
8.2.1 现代博彩业背后的黑手247
8.2.2 集体智慧和庄家赔率的联系248
8.2.3 KXEN软件小结252
8.3 数据废气再利用——物流公司数据成功用于评估客户信用253
8.3.1 数据废气和黑暗数据的异同254
8.3.2 论如何充分利用物流公司数据255
8.3.3 数据废气再利用小结258
8.4 必应预测——使用往期信息预测自然灾害259
8.4.1 预测自然灾害的必要性260
8.4.2 微软大数据预测的优与劣261
8.4.3 必应预测小结263
8.5 点球成金——助力NBA大数据分析的多种神秘软件265
8.5.1 NBA的有效球员数据265
8.5.2 有关点球成金的靠谱方法268
8.5.3 点球成金小结270
^ 收 起
第1章 经典的探索性数据分析案例1
1.1 探索性数据分析综述2
1.1.1 什么是探索性数据分析2
1.1.2 如何收集数据4
1.1.3 数据预处理技术5
1.2 数据巧收集——红牛的大数据营销案例8
1.2.1 状况百出的红牛企业8
1.2.2 红牛企业巧妙收集消费者数据9
1.2.3 数据收集小结12
1.3 数据可视化——数据新闻促使英军撤军13
1.3.1 维基解密带来的海量数据13
1.3.2 百花齐放的数据新闻15
1.3.3 数据可视化小结18
1.4 异常值分析——Facebook消灭钓鱼链接19
1.4.1 Facebook和广告商之间的拉锯战20
1.4.2 异常值分析指导排名算法工作22
1.4.3 异常值分析小结26
1.5 对比分析——TrueCar指导购物者寻找合算的车价27
1.5.1 火中取栗的TrueCar网站28
1.5.2 数据对比赢得消费者信赖29
1.5.3 对比分析小结32
第2章 经典的相关分析与回归分析案例35
2.1 相关回归综述36
2.1.1 相关回归简介36
2.1.2 相关性分析的发展介绍38
2.1.3 回归分析的发展介绍39
2.2 皮尔逊相关值——纽约市政府利用相关分析监控违法建筑40
2.2.1 简约而不简单的消防检测系统40
2.2.2 使用相关分析洞察60个变量的关系42
2.2.3 相关分析小结45
2.3 时间序列分析——人寿保险的可提费用预测47
2.3.1 人寿保险公司和可提费用47
2.3.2 使用4种时间序列回归预测模型解决问题49
2.3.3 时间序列分析小结52
2.4 线性回归分析——梅西百货公司的12项大数据策略54
2.4.1 从“一亿豪赌”说起的零售商困境54
2.4.2 SAS公司帮助梅西百货构建模型56
2.4.3 线性回归分析小结59
2.5 Logistic回归分析——大面积流感爆发的预测分析62
2.5.1 究竟谁才是流感预测算法之王62
2.5.2 向Logistic算法中引入更多变量64
2.5.3 Logistic回归分析小结67
第3章 经典的降维数据分析案例69
3.1 降维分析算法综述70
3.1.1 为什么要使用降维算法70
3.1.2 线性降维算法72
3.1.3 非线性降维算法73
3.2 粗糙集算法——协助希腊工业发展银行制定信贷政策74
3.2.1 银行信贷政策的制定原则75
3.2.2 粗糙集算法的原理和应用76
3.2.3 粗糙集算法小结80
3.3 因子分析——基于李克特量表的应聘评价法82
3.3.1 源于智力测试的因子分析82
3.3.2 使用因子分析解构问卷84
3.3.3 因子分析小结87
3.4 尺度分析——直观评估消费者倾向的分析方法89
3.4.1 市场调查问题催生的尺度分析89
3.4.2 6种经典的尺度分析解读方法91
3.4.3 尺度分析小结95
3.5 PCA降维算法——智能人脸识别的应用与拓展97
3.5.1 刷脸的时代来了97
3.5.2 使用PCA算法完成降维工作99
3.5.3 PCA算法小结102
第4章 经典的模式识别案例105
4.1 模式识别综述106
4.1.1 模式识别简介106
4.1.2 模式识别的发展脉络107
4.1.3 模式识别应用简介110
4.2 图像分析——谷歌的超前自动驾驶技术111
4.2.1 以安全的名义呼吁自动驾驶技术111
4.2.2 快速成熟的无人驾驶技术113
4.2.3 图像分析小结116
4.3 遗传算法——经典的人力资源优化问题118
4.3.1 使用有限资源实现利益化118
4.3.2 遗传算法的计算过程120
4.3.3 遗传算法小结123
4.4 决策树分析——“沸腾时刻”准确判断用户健康水平124
4.4.1 打造我国的健身平台124
4.4.2 信息增益和决策树126
4.4.3 决策树小结129
4.5 K均值聚类分析——HSE24通过为客户分类降低退货率131
4.5.1 在电子商务市场快速扩张的HSE24131
4.5.2 使用K均值聚类为客户分类133
4.5.3 K均值聚类小结136
第5章 经典的机器学习案例139
5.1 机器学习综述140
5.1.1 机器学习简介140
5.1.2 机器学习的主流发展和应用142
5.2 语义搜索——沃尔玛搜索引擎提升15%销售额143
5.2.1 注重用户体验的沃尔玛公司144
5.2.2 语义搜索引擎的底层技术和原理145
5.2.3 语义搜索技术小结148
5.3 顺序分析——搜狗输入法的智能纠错系统150
5.3.1 搜狗输入法的王牌词库和智能算法151
5.3.2 频繁树模式和顺序分析算法153
5.3.3 顺序分析小结156
5.4 文本分析——经典的垃圾邮件过滤系统158
5.4.1 大数据时代需要文本分析工作158
5.4.2 垃圾邮件过滤中的分词技术和词集模型160
5.4.3 文本分析小结163
5.5 协同过滤——构建个性化推荐系统的经典算法164
5.5.1 协同过滤算法为什么这么流行165
5.5.2 基于用户和基于产品的协同过滤166
5.5.3 协同过滤算法小结169
第6章 经典的深度学习案例171
6.1 深度学习综述172
6.1.1 深度学习简介172
6.1.2 深度学习在图像处理方面的应用174
6.1.3 深度学习在自然语言处理方面的应用176
6.2 支持向量机——乔布斯利用大数据对抗癌症178
6.2.1 乔布斯和胰腺癌的抗争178
6.2.2 医学统计学和支持向量机180
6.2.3 支持向量机小结184
6.3 感知器神经网络——的房产价格预测算法185
6.3.1 如何预测房价186
6.3.2 多层感知器和误差曲面188
6.3.3 感知器神经网络小结191
6.4 自组织神经网络——如何又快又好地解决旅行商问题193
6.4.1 路径问题的典型模式和解决方法193
6.4.2 自组织神经网络的拓扑结构和权值调整194
6.4.3 自组织神经网络小结198
6.5 RBM算法——为新闻报道智能分类199
6.5.1 新闻报道智能分类的难与易199
6.5.2 RBM算法的学习目标和学习方法201
6.5.3 RBM算法小结204
第7章 经典的数据挖掘案例207
7.1 数据挖掘综述208
7.1.1 什么是数据挖掘208
7.1.2 数据挖掘的主要应用领域209
7.1.3 数据挖掘模型的评价指标211
7.2 判别分析——美国运通构建客户流失预测模型213
7.2.1 美国运通公司的旧日辉煌213
7.2.2 判别分析的假设条件和判别函数214
7.2.3 判别分析小结218
7.3 购物篮分析——找出零售业的商品组合220
7.3.1 名动天下的“啤酒和尿布”案例220
7.3.2 购物篮分析的频繁模式222
7.3.3 购物篮分析小结225
7.4 马尔可夫链——准确预测客运市场占有率227
7.4.1 复杂的客运市场系统227
7.4.2 概率转移矩阵的求解方法229
7.4.3 马尔可夫链小结232
7.5 AdaBoost元算法——有效侦测欺诈交易的复合算法233
7.5.1 弱分类器和强分类器之争233
7.5.2 AdaBoost元算法的分类器构建方法235
7.5.3 AdaBoost元算法小结238
第8章 经典的商业智能分析案例241
8.1 商业智能分析综述242
8.1.1 什么是商业智能242
8.1.2 商业智能的主流发展与应用244
8.2 KXEN分析软件——构建欧洲博彩业下注预测平台246
8.2.1 现代博彩业背后的黑手247
8.2.2 集体智慧和庄家赔率的联系248
8.2.3 KXEN软件小结252
8.3 数据废气再利用——物流公司数据成功用于评估客户信用253
8.3.1 数据废气和黑暗数据的异同254
8.3.2 论如何充分利用物流公司数据255
8.3.3 数据废气再利用小结258
8.4 必应预测——使用往期信息预测自然灾害259
8.4.1 预测自然灾害的必要性260
8.4.2 微软大数据预测的优与劣261
8.4.3 必应预测小结263
8.5 点球成金——助力NBA大数据分析的多种神秘软件265
8.5.1 NBA的有效球员数据265
8.5.2 有关点球成金的靠谱方法268
8.5.3 点球成金小结270
^ 收 起
任昱衡,博士,副研究员,高级电子商务师,高级硬件工程师,中国电子商务协会电子商务研究院副院长,中国电子商务协会信用体系建设管理中心主任助理,中国电子商务师资质(职称)认证管理中心主任助理。参与国家多项电子商务法律、法规、标准制定工作,目前主要负责国家电子商务师职业水平(职称)认证体系的构建和国家电子商务行业企业信用监督工作。
本书是为广大数据分析师量身定制的入门读物,它旨在帮助读者站在大数据时代的制高点。数据分析处于统计学、计算机信息科学、运筹学、数据库等多个领域的交叉地带,大数据时代的到来大大丰富了数据分析的内涵,数据分析师的职责与以往相比发生了巨大的改变。本书全面介绍了经典数据分析、模式识别、机器学习、深度学习、数据挖掘、商务智能等多个领域的数据分析算法,将大数据时代的数据分析热点技术一网打尽。本书为每个数据分析算法都搭配了一个经典案例,并按照由易到难的原则构建知识框架,充分照顾了不同水平读者的阅读习惯。通过阅读本书,读者将对大数据时代下的数据分析有一个全面的认识。无论是入门级的数据分析员还是有一定基础的数据分析师,都能通过本书完善、加深对数据分析的认识。
比价列表
1人想要
公众号、微信群
缺书网
微信公众号
微信公众号
扫码进群
实时获取购书优惠
实时获取购书优惠