Python商業(yè)數(shù)據(jù)挖掘（第6版）

定　價(jià)：￥118.00

作　者：	[美] 蓋麗特·徐茉莉（Galit Shmueli）著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787302590248	出版時(shí)間：	2021-11-01	包裝：
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)前5版好評(píng)如潮，作為第6版，本書(shū)首次使用了Python語(yǔ)言。本書(shū)除了介紹用于統(tǒng)計(jì)和機(jī)器學(xué)習(xí)等領(lǐng)域的預(yù)測(cè)、分類、可視化、降維、推薦系統(tǒng)、聚類、文本挖掘、網(wǎng)絡(luò)分析等方法之外，內(nèi)容還包括： ● 新加入的合著者Peter Gedeck擁有使用Python講解商業(yè)分析課程的豐富經(jīng)驗(yàn)以及將機(jī)器學(xué)習(xí)應(yīng)用于新藥發(fā)現(xiàn)過(guò)程的專業(yè)技能。在本書(shū)中，他十分樂(lè)于將這些經(jīng)驗(yàn)和技能與讀者分享。 ● 討論數(shù)據(jù)挖掘中的倫理問(wèn)題。 ● 根據(jù)教師和學(xué)生的反饋意見(jiàn)對(duì)內(nèi)容做了更新。 ● 通過(guò)多個(gè)案例展示數(shù)據(jù)挖掘技術(shù)的實(shí)際應(yīng)用。 ● 每章后面的習(xí)題有助于讀者評(píng)估和加深對(duì)該章內(nèi)容的理解。 ● 在線支持網(wǎng)站提供了數(shù)據(jù)集、教學(xué)資料、習(xí)題答案、PPT教案和案例解決方案。

作者簡(jiǎn)介

　　Galit Shmueli博士自2004年以來(lái)，一直在美國(guó)馬里蘭大學(xué)、statistics.com統(tǒng)計(jì)網(wǎng)站、印度商學(xué)院設(shè)計(jì)并指導(dǎo)數(shù)據(jù)挖掘課程。Shmueli的研究領(lǐng)域包括信息系統(tǒng)的統(tǒng)計(jì)方法和數(shù)據(jù)挖掘，她以研究和擅長(zhǎng)講授商業(yè)分析而聞名，并發(fā)表了100多篇文章。Peter C. Bruce是statistics.com統(tǒng)計(jì)網(wǎng)站的統(tǒng)計(jì)教育研究院的主席和創(chuàng)辦人，他發(fā)表了多篇學(xué)術(shù)論文，還開(kāi)發(fā)了Resampling Stats軟件。Peter Gedeck博士是Collabrative Drug Discovery公司的高級(jí)數(shù)據(jù)科學(xué)家，他為這家公司開(kāi)發(fā)了一款基于云的軟件來(lái)管理新藥發(fā)現(xiàn)過(guò)程中用到的海量數(shù)據(jù)，他還在statistics.com統(tǒng)計(jì)網(wǎng)站上教授數(shù)據(jù)挖掘課程。Nitin R. Patel博士是位于馬薩諸塞州劍橋市的Cytel公司的共同創(chuàng)始人和董事，是美國(guó)統(tǒng)計(jì)協(xié)會(huì)會(huì)員，同時(shí)還是麻省理工學(xué)院和哈佛大學(xué)的客座教授。

圖書(shū)目錄

第I 部分預(yù)備知識(shí)
第1 章引言............................................................3
1.1 商業(yè)分析簡(jiǎn)介...........................................3
1.2 什么是數(shù)據(jù)挖掘......................................4
1.3 數(shù)據(jù)挖掘及相關(guān)術(shù)語(yǔ)..............................4
1.4 大數(shù)據(jù)........................................................5
1.5 數(shù)據(jù)科學(xué)...................................................6
1.6 為什么有這么多不同的方法.................6
1.7 術(shù)語(yǔ)與符號(hào)...............................................7
1.8 本書(shū)的線路圖...........................................8
第2 章數(shù)據(jù)挖掘過(guò)程概述................................11
2.1 引言..........................................................11
2.2 數(shù)據(jù)挖掘的核心思想............................11
2.2.1 分類.................................................11
2.2.2 預(yù)測(cè).................................................12
2.2.3 關(guān)聯(lián)規(guī)則與推薦系統(tǒng)........................12
2.2.4 預(yù)測(cè)分析..........................................12
2.2.5 數(shù)據(jù)規(guī)約與降維技術(shù)........................12
2.2.6 數(shù)據(jù)探索和可視化...........................12
2.2.7 監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)....................13
2.3 數(shù)據(jù)挖掘步驟.........................................13
2.4 前期步驟.................................................15
2.4.1 數(shù)據(jù)集的組織...................................15
2.4.2 預(yù)測(cè)West Roxbury 小區(qū)的房?jī)r(jià)........15
2.4.3 在Python 程序中載入并瀏覽數(shù)據(jù)....16
2.4.4 Python 包的導(dǎo)入...............................18
2.4.5 從數(shù)據(jù)庫(kù)獲得采樣數(shù)據(jù)....................18
2.4.6 在分類任務(wù)中對(duì)小概率事件的
過(guò)采樣.............................................19
2.4.7 數(shù)據(jù)預(yù)處理和數(shù)據(jù)清理....................19
2.5 預(yù)測(cè)力和過(guò)擬合.................................... 24
2.5.1 過(guò)擬合............................................. 24
2.5.2 數(shù)據(jù)分區(qū)的創(chuàng)建和使用.................... 26
2.6 建立預(yù)測(cè)模型........................................ 28
2.7 在本地計(jì)算機(jī)上用Python 實(shí)現(xiàn)
數(shù)據(jù)挖掘................................................. 32
2.8 自動(dòng)化數(shù)據(jù)挖掘解決方案................... 33
2.9 數(shù)據(jù)挖掘中的倫理規(guī)范....................... 33
2.10 習(xí)題........................................................ 37
第Ⅱ部分數(shù)據(jù)探索與降維技術(shù)
第3 章數(shù)據(jù)可視化.............................................43
3.1 引言.......................................................... 43
3.2 數(shù)據(jù)實(shí)例................................................. 45
3.3 基本圖形：條形圖、折線圖和
散點(diǎn)圖..................................................... 46
3.3.1 分布圖：箱線圖和直方圖................ 48
3.3.2 熱圖：可視化相關(guān)性和缺失值......... 51
3.4 多維數(shù)據(jù)的可視化................................ 53
3.4.1 添加變量：顏色、大小、形狀、
多面板和動(dòng)畫(huà).................................. 53
3.4.2 數(shù)據(jù)操作：重定標(biāo)、聚合與層次
結(jié)構(gòu)、縮放與過(guò)濾........................... 56
3.4.3 趨勢(shì)線和標(biāo)簽.................................. 59
3.4.4 擴(kuò)展到大型數(shù)據(jù)集........................... 60
3.4.5 多變量圖：平行坐標(biāo)圖.................... 62
3.4.6 交互式可視化.................................. 63
3.5 專用的可視化技術(shù)................................ 65
3.5.1 網(wǎng)絡(luò)數(shù)據(jù)可視化............................... 65
3.5.2 層次數(shù)據(jù)可視化：樹(shù)狀結(jié)構(gòu)圖......... 66
3.5.3 地理數(shù)據(jù)可視化：地圖.................... 68
3.6 小結(jié)..........................................................71
3.7 習(xí)題..........................................................71

第11 章神經(jīng)網(wǎng)絡(luò)............................................221
11.1 引言......................................................221
11.2 神經(jīng)網(wǎng)絡(luò)的概念和結(jié)構(gòu)...................222
11.3 在數(shù)據(jù)上擬合神經(jīng)網(wǎng)絡(luò)...................222
11.3.1 計(jì)算節(jié)點(diǎn)的輸出結(jié)果..................223
11.3.2 訓(xùn)練模型....................................225
11.3.3 對(duì)事故的嚴(yán)重程度進(jìn)行分類.......229
11.3.4 避免過(guò)擬合................................231
11.3.5 把神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果用于
預(yù)測(cè)和分類................................231
11.4 要求用戶輸入.....................................231
11.5 探索預(yù)測(cè)變量與因變量的關(guān)系......232
11.6 深度學(xué)習(xí).............................................232
11.6.1 卷積神經(jīng)網(wǎng)絡(luò)............................233
11.6.2 局部特征圖................................234
11.6.3 層次特征....................................234
11.6.4 學(xué)習(xí)過(guò)程....................................235
11.6.5 無(wú)監(jiān)督學(xué)習(xí)................................235
11.6.6 結(jié)論...........................................236
11.7 神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)............................236
11.8 習(xí)題......................................................237
第12 章判別分析............................................ 239
12.1 引言......................................................239
12.2 記錄與類別的距離...........................241
12.3 Fisher 線性分類函數(shù)........................242
12.4 判別分析的分類性能.......................245
12.5 先驗(yàn)概率.............................................245
12.6 誤分類成本不均等...........................246
12.7 多類別情形下的分類.......................246
12.8 判別分析的優(yōu)缺點(diǎn)...........................249
12.9 習(xí)題......................................................250
第13 章組合方法：集成學(xué)習(xí)和增益
模型.................................................... 253
13.1 集成學(xué)習(xí).............................................253
13.1.1 為什么集成學(xué)習(xí)可以改進(jìn)
預(yù)測(cè)能力...................................254
13.1.2 集成學(xué)習(xí)的優(yōu)缺點(diǎn).....................257
13.2 增益(說(shuō)服)模型.................................257
13.2.1 建立一個(gè)簡(jiǎn)單的預(yù)測(cè)模型..........260
13.2.2 建立增益模型............................260
13.2.3 使用Python 程序計(jì)算增益.........261
13.2.4 應(yīng)用增益模型的結(jié)果.................262
13.3 小結(jié)......................................................262
13.4 習(xí)題......................................................263
第Ⅴ部分挖掘記錄之間的關(guān)系
第14 章關(guān)聯(lián)規(guī)則和協(xié)同過(guò)濾...................... 267

第15 章聚類分析............................................289
第Ⅵ部分時(shí)間序列預(yù)測(cè)
第16 章時(shí)間序列分析...................................313

第17 章基于回歸的預(yù)測(cè)...............................325

第18 章平滑法................................................349

第Ⅶ部分數(shù)據(jù)分析

21.7 直郵捐贈(zèng).............................................416
21.7.1 背景..........................................416
21.7.2 數(shù)據(jù)..........................................416
21.7.3 任務(wù)..........................................417
21.8 產(chǎn)品目錄交叉銷售...........................417
21.8.1 背景分析...................................417
21.8.2 任務(wù)..........................................418
21.9 預(yù)測(cè)公共交通需求...........................418
21.9.1 背景分析...................................418
21.9.2 問(wèn)題描述...................................418
21.9.3 數(shù)據(jù)..........................................418
21.9.4 目標(biāo)..........................................419
21.9.5 任務(wù)..........................................419
21.9.6 提示和步驟................................419
附錄 Python 工具函數(shù).................................... 421