商業(yè)數(shù)據(jù)科學(xué)：數(shù)據(jù)價(jià)值與機(jī)器學(xué)習(xí)實(shí)戰(zhàn)

前言
第1章　大數(shù)據(jù)及其應(yīng)用 …… 001
1.1　大數(shù)據(jù)的特性 …… 001
1.2　數(shù)據(jù)發(fā)展歷程 …… 005
1.3　數(shù)據(jù)挖掘經(jīng)典算法簡(jiǎn)介 …… 013
1.4　大數(shù)據(jù)技術(shù)應(yīng)用：人臉的價(jià)值 …… 027
1.5　數(shù)據(jù)存儲(chǔ)簡(jiǎn)介 …… 030
1.6　大數(shù)據(jù)分析：應(yīng)當(dāng)具備的知識(shí)架構(gòu) …… 032
1.7　本章作業(yè) …… 033
1.8　擴(kuò)展：輿情來預(yù)測(cè)股票的一些細(xì)節(jié) …… 034
第2章　分類算法 …… 036
2.1　機(jī)器學(xué)習(xí) …… 036
2.2　兩種思考模式：演繹和歸納 …… 042
2.3　分類算法的應(yīng)用 …… 044
2.4　跨部門數(shù)據(jù)整合 …… 050
2.5　總結(jié)：機(jī)器看世界 …… 052
2.6　用戶流失識(shí)別 …… 056
2.7　生存分析簡(jiǎn)介 …… 058
2.8　Weka簡(jiǎn)介 …… 059
2.9　本章作業(yè) …… 066
2.10　擴(kuò)展 …… 072
第3章　聚類算法 …… 078
3.1　K均值聚類算法原理 …… 078
3.2　K均值聚類的三個(gè)步驟 …… 080
3.3　分類算法vs.聚類算法 …… 087
3.4　Weka中的聚類算法 …… 088
3.5　聚類的應(yīng)用 …… 089
3.6　Weka操作聚類分析的演示 …… 094
3.7　本章作業(yè) …… 097
3.8　擴(kuò)展 …… 098
第4章　網(wǎng)絡(luò)分析 …… 101
4.1　網(wǎng)絡(luò)分析的背景 …… 101
4.2　PageRank …… 105
4.3　應(yīng)用 …… 118
4.4　網(wǎng)絡(luò)分析 …… 124
4.5　擴(kuò)展：網(wǎng)絡(luò)關(guān)系的存儲(chǔ) …… 134
4.6　擴(kuò)展：科技樹的傳承 …… 136
參考資料 …… 137
第5章　購(gòu)物籃算法 …… 138
5.1　購(gòu)物籃算法的原理 …… 139
5.2　評(píng)價(jià)：三個(gè)指標(biāo) …… 145
5.3　開放思考：可否把購(gòu)物籃看作網(wǎng)絡(luò) …… 150
5.4　Weka操作關(guān)聯(lián)規(guī)則的演示過程 …… 152
5.5　本章作業(yè) …… 154
5.6　擴(kuò)展 …… 155
第6章　神經(jīng)網(wǎng)絡(luò) …… 160
6.1　四個(gè)基本型：本質(zhì)是窮舉 …… 160
6.2　什么是學(xué)習(xí) …… 161
6.3　神經(jīng)網(wǎng)絡(luò)算法 …… 170
6.4　空間想象：支持向量機(jī)（SVM） …… 185
6.5　商業(yè)問題和基本型 …… 189
6.6　Weka操作神經(jīng)網(wǎng)絡(luò)分析的過程 …… 191
6.7　本章作業(yè) …… 193
第7章　如何領(lǐng)導(dǎo)數(shù)據(jù)分析團(tuán)隊(duì) …… 195
7.1　大數(shù)據(jù)/機(jī)器學(xué)習(xí)/深度學(xué)習(xí)的演變 …… 195
7.2　對(duì)管理者的啟示 …… 203
7.3　本書知識(shí)回顧 …… 219