Python数据分析与挖掘实战 / 大数据技术丛书
￥69.00定价
作者： 张良均等
出版时间：2015年11月
出版社：机械工业出版社
- 机械工业出版社
- 9787111521235
- 1-5
- 86008
- 0045176972-3
- 平装
- 16开
- 2015年11月
- 300
- 346
- 工学
- 软件工程
- TP311.56
- 计算机
- 本科
内容简介
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。
张良均、王路、谭立云、苏剑林、云伟标等著的《Python数据分析与挖掘实战》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。
张良均、王路、谭立云、苏剑林、云伟标等著的《Python数据分析与挖掘实战》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。
目录
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
第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-Learn
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 一致性分析
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
3.2.4 周期性分析
3.2.5 贡献度分析
3.2.6 相关性分析
3.3 Python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
第4章 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
4.3 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
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
6.2.5 模型构建
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
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预测模型
13.1 背景与挖掘目标
13.2 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
第14章 基于基站定位数据的商圈分析
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
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
第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-Learn
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 一致性分析
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
3.2.4 周期性分析
3.2.5 贡献度分析
3.2.6 相关性分析
3.3 Python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
第4章 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
4.3 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
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
6.2.5 模型构建
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
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预测模型
13.1 背景与挖掘目标
13.2 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
第14章 基于基站定位数据的商圈分析
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
