歡迎光臨中圖網(wǎng) 請 | 注冊

數(shù)據(jù)挖掘-你必須知道的32個經(jīng)典案例

作者：任昱衡
出版社：電子工業(yè)出版社出版時間：2016-01-01
開本： 16開 頁數(shù)： 252
中 圖 價:¥22.4(3.8折) 定價  ¥59.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個別圖書品相8-9成新、切口
有劃線標(biāo)記、光盤等附件不全詳細品相說明>>
本類五星書更多>

數(shù)據(jù)挖掘-你必須知道的32個經(jīng)典案例 版權(quán)信息

數(shù)據(jù)挖掘-你必須知道的32個經(jīng)典案例 本書特色

本書是為廣大數(shù)據(jù)分析師量身定制的入門讀物，它旨在幫助讀者站在大數(shù)據(jù)時代的制高點。數(shù)據(jù)分析處于統(tǒng)計學(xué)、計算機信息科學(xué)、運籌學(xué)、數(shù)據(jù)庫等多個領(lǐng)域的交叉地帶，大數(shù)據(jù)時代的到來大大豐富了數(shù)據(jù)分析的內(nèi)涵，數(shù)據(jù)分析師的職責(zé)與以往相比發(fā)生了巨大的改變。 本書全面介紹了經(jīng)典數(shù)據(jù)分析、模式識別、機器學(xué)習(xí)、深度學(xué)習(xí)、數(shù)據(jù)挖掘、商務(wù)智能等多個領(lǐng)域的數(shù)據(jù)分析算法，將大數(shù)據(jù)時代的數(shù)據(jù)分析熱點技術(shù)一網(wǎng)打盡。本書為每個數(shù)據(jù)分析算法都搭配了一個經(jīng)典案例，并按照由易到難的原則構(gòu)建知識框架，充分照顧了不同水平讀者的閱讀習(xí)慣。 通過閱讀本書，讀者將對大數(shù)據(jù)時代下的數(shù)據(jù)分析有一個全面的認識。無論是入門級的數(shù)據(jù)分析員還是有一定基礎(chǔ)的數(shù)據(jù)分析師，都能通過本書完善、加深對數(shù)據(jù)分析的認識。

數(shù)據(jù)挖掘-你必須知道的32個經(jīng)典案例 內(nèi)容簡介

這本書不要求讀者的編程基礎(chǔ)和數(shù)學(xué)知識，以盡量通俗易懂的語言來解釋晦澀的數(shù)據(jù)挖掘算法原理，本書所保留的數(shù)學(xué)公式都是*基本的、不得不保留的公式，這將本書的閱讀門檻降到了**。學(xué)習(xí)本書，讀者將掌握*實用的數(shù)據(jù)挖掘算法，并能夠立刻應(yīng)用它們。

數(shù)據(jù)挖掘-你必須知道的32個經(jīng)典案例 目錄

第1章 經(jīng)典的探索性數(shù)據(jù)分析案例 11.1 探索性數(shù)據(jù)分析綜述 21.2 數(shù)據(jù)巧收集——紅牛的大數(shù)據(jù)營銷案例 41.2.1 狀況百出的紅牛企業(yè) 41.2.2 紅牛企業(yè)巧妙收集消費者數(shù)據(jù) 61.2.3 數(shù)據(jù)收集小結(jié) 81.3 數(shù)據(jù)可視化——數(shù)據(jù)新聞促使英軍撤軍 91.3.1 維基解密帶來的海量數(shù)據(jù) 91.3.2 百花齊放的數(shù)據(jù)新聞 111.3.3 數(shù)據(jù)可視化小結(jié) 151.4 異常值分析——facebook消滅釣魚鏈接 161.4.1 facebook和廣告商之間的拉鋸戰(zhàn) 171.4.2 異常值分析指導(dǎo)排名算法工作 181.4.3 異常值分析小結(jié) 221.5 對比分析——truecar指導(dǎo)購物者尋找*合算的車價 241.5.1 火中取栗的truecar網(wǎng)站 241.5.2 數(shù)據(jù)對比贏得消費者信賴 261.5.3 對比分析小結(jié) 29第2章 經(jīng)典的相關(guān)分析與回歸分析案例 312.1 相關(guān)回歸綜述 322.2 皮爾遜相關(guān)值——紐約市政府利用相關(guān)分析監(jiān)控違法建筑 342.2.1 簡約而不簡單的消防檢測系統(tǒng) 342.2.2 使用相關(guān)分析洞察60個變量的關(guān)系 362.2.3 相關(guān)分析小結(jié) 392.3 時間序列分析——人壽保險的可提費用預(yù)測 412.3.1 人壽保險公司和可提費用 412.3.2 使用四種時間序列回歸預(yù)測模型解決問題 432.3.3 時間序列分析小結(jié) 462.4 線性回歸分析——梅西百貨公司的十二項大數(shù)據(jù)策略 482.4.1 從“一億豪賭”說起的零售商困境 482.4.2 sas公司幫助梅西百貨構(gòu)建模型 502.4.3 線性回歸分析小結(jié) 532.5 logistic回歸分析——大面積流感爆發(fā)的預(yù)測分析 562.5.1 究竟誰才是流感預(yù)測算法之王 562.5.2 向logistic算法中引入更多變量 582.5.3 logistic回歸分析小結(jié) 61第3章 經(jīng)典的降維數(shù)據(jù)分析案例 633.1 降維分析算法綜述 643.2 粗糙集算法——協(xié)助希臘工業(yè)發(fā)展銀行制定信貸政策 663.2.1 銀行信貸政策的制定原則 663.2.2 粗糙集算法原理和應(yīng)用 673.2.3 粗糙集算法小結(jié) 713.3 因子分析——基于李克特量表的應(yīng)聘評價法 733.3.1 源于智力測試的因子分析 733.3.2 使用因子分析解構(gòu)問卷 753.3.3 因子分析小結(jié) 783.4 **尺度分析——直觀評估消費者傾向的分析方法 803.4.1 市場調(diào)查問題催生的**尺度分析 803.4.2 六種經(jīng)典的**尺度分析解讀方法 823.4.3 **尺度分析小結(jié) 863.5 pca降維算法——智能人臉識別的應(yīng)用與拓展 883.5.1 刷臉的時代來了 883.5.2 使用pca算法完成降維工作 903.5.3 pca算法小結(jié) 93第4章 經(jīng)典的模式識別案例 954.1 模式識別綜述 964.2 圖像分析——谷歌的超前自動駕駛技術(shù) 984.2.1 以安全的名義呼吁自動駕駛技術(shù) 984.2.2 快速成熟的無人駕駛技術(shù) 1004.2.3 圖像分析小結(jié) 1034.3 遺傳算法——經(jīng)典的人力資源優(yōu)化問題 1054.3.1 使用有限資源實現(xiàn)利益**化 1054.3.2 遺傳算法的計算過程 1074.3.3 遺傳算法小結(jié) 1104.4 決策樹分析——“沸騰時刻”準(zhǔn)確判斷用戶健康水平 1114.4.1 打造我國**健身平臺 1114.4.2 信息增益和決策樹 1134.4.3 決策樹小結(jié) 1164.5 k均值聚類分析——hse24通過為客戶分類降低退貨率 1184.5.1 在電子商務(wù)市場快速擴張的hse24 1194.5.2 使用k均值聚類為客戶分類 1204.5.3 k均值聚類小結(jié) 123第5章 經(jīng)典的機器學(xué)習(xí)案例 1275.1 機器學(xué)習(xí)綜述 1285.2 語義搜索——沃爾瑪搜索引擎提升15%銷售額 1305.2.1 注重用戶體驗的沃爾瑪公司 1305.2.2 語義搜索引擎的底層技術(shù)和原理 1325.2.3 語義搜索技術(shù)小結(jié) 1355.3 順序分析——搜狗輸入法的智能糾錯系統(tǒng) 1375.3.1 搜狗輸入法的王牌詞庫和智能算法 1375.3.2 頻繁樹模式和順序分析算法 1405.3.3 順序分析小結(jié) 1435.4 文本分析——經(jīng)典的垃圾郵件過濾系統(tǒng) 1445.4.1 大數(shù)據(jù)時代需要文本分析工作 1455.4.2 垃圾郵件過濾中的分詞技術(shù)和詞集模型 1465.4.3 文本分析小結(jié) 1495.5 協(xié)同過濾——構(gòu)建個性化推薦系統(tǒng)的經(jīng)典算法 1515.5.1 協(xié)同過濾算法為什么這么流行 1515.5.2 基于用戶和基于產(chǎn)品的協(xié)同過濾 1535.5.3 協(xié)同過濾算法小結(jié) 155第6章 經(jīng)典的深度學(xué)習(xí)案例 1596.1 深度學(xué)習(xí)綜述 1606.2 支持向量機——喬布斯利用大數(shù)據(jù)對抗癌癥 1626.2.1 喬布斯和胰腺癌的八年抗戰(zhàn) 1626.2.2 醫(yī)學(xué)統(tǒng)計學(xué)和支持向量機 1646.2.3 支持向量機小結(jié) 1686.3 感知器神經(jīng)網(wǎng)絡(luò)——**的房產(chǎn)價格預(yù)測算法 1696.3.1 如何在我國預(yù)測房價 1706.3.2 多層感知器和誤差曲面 1716.3.3 感知器神經(jīng)網(wǎng)絡(luò)小結(jié) 1756.4 自組織神經(jīng)網(wǎng)絡(luò)——如何又快又好地解決旅行商問題 1776.4.1 **路徑問題的典型模式和解決方法 1776.4.2 自組織神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)和權(quán)值調(diào)整 1786.4.3 自組織神經(jīng)網(wǎng)絡(luò)小結(jié) 1826.5 rbm算法——為新聞報道智能分類 1836.5.1 新聞報道智能分類的難與易 1836.5.2 rbm算法的學(xué)習(xí)目標(biāo)和學(xué)習(xí)方法 1856.5.3 rbm算法小結(jié) 188第7章 經(jīng)典的數(shù)據(jù)挖掘案例 1917.1 數(shù)據(jù)挖掘綜述 1927.2 判別分析——美國運通構(gòu)建客戶流失預(yù)測模型 1947.2.1 美國運通公司的舊日輝煌 1947.2.2 判別分析的假設(shè)條件和判別函數(shù) 1967.2.3 判別分析小結(jié) 2007.3 購物籃分析——找出零售業(yè)的**商品組合 2017.3.1 名動天下的“啤酒和尿布”案例 2027.3.2 購物籃分析的頻繁模式 2037.3.3 購物籃分析小結(jié) 2077.4 馬爾可夫鏈——準(zhǔn)確預(yù)測客運市場占有率 2087.4.1 復(fù)雜的客運市場系統(tǒng) 2097.4.2 概率轉(zhuǎn)移矩陣的求解方法 2107.4.3 馬爾可夫鏈小結(jié) 2137.5 adaboost元算法——有效偵測欺詐交易的復(fù)合算法 2157.5.1 弱分類器和強分類器之爭 2157.5.2 adaboost元算法的分類器構(gòu)建方法 2177.5.3 adaboost元算法小結(jié) 220第8章 經(jīng)典的商業(yè)智能分析案例 2238.1 商業(yè)智能分析綜述 2248.2 kxen分析軟件——構(gòu)建歐洲博彩業(yè)下注預(yù)測平臺 2268.2.1 現(xiàn)代博彩業(yè)背后的黑手 2268.2.2 集體智慧和莊家賠率的聯(lián)系 2288.2.3 kxen軟件小結(jié) 2318.3 數(shù)據(jù)廢氣再利用——物流公司數(shù)據(jù)成功用于評估客戶信用 2338.3.1 數(shù)據(jù)廢氣和黑暗數(shù)據(jù)的異同 2348.3.2 論如何充分利用物流公司數(shù)據(jù) 2358.3.3 數(shù)據(jù)廢氣再利用小結(jié) 2398.4 必應(yīng)預(yù)測——使用往期信息預(yù)測自然災(zāi)害 2408.4.1 預(yù)測自然災(zāi)害的必要性 2418.4.2 微軟大數(shù)據(jù)預(yù)測的優(yōu)與劣 2428.4.3 必應(yīng)預(yù)測小結(jié) 2458.5 點球成金——助力nba大數(shù)據(jù)分析的多種神秘軟件 2468.5.1 nba的有效球員數(shù)據(jù) 2478.5.2 有關(guān)點球成金的靠譜方法 2498.5.3 點球成金小結(jié) 251
展開全部

數(shù)據(jù)挖掘-你必須知道的32個經(jīng)典案例 作者簡介

任昱衡：博士、副研究員，高級電子商務(wù)師，高級硬件工程師，中國電子商務(wù)協(xié)會電子商務(wù)研究院副院長，中國電子商務(wù)協(xié)會信用體系建設(shè)管理中心主任助理，中國電子商務(wù)師資質(zhì)（職稱）認證管理中心主任助理。參與國家多項電子商務(wù)法律、法規(guī)、標(biāo)準(zhǔn)制定工作，目前主要負責(zé)國家電子商務(wù)師職業(yè)水平（職稱）認證體系的構(gòu)建和國家電子商務(wù)行業(yè)企業(yè)信用監(jiān)管工作。 李倩星：畢業(yè)于西南大學(xué)統(tǒng)計學(xué)專業(yè)，對數(shù)據(jù)挖掘、機器學(xué)習(xí)以及人工智能領(lǐng)域有深刻的研究。主持翻譯了《傳播學(xué)中的大數(shù)據(jù)：發(fā)展與不足》、《大數(shù)據(jù)、一個新興領(lǐng)域的誤區(qū)和方法與概念》、《數(shù)據(jù)挖掘揭示了差評導(dǎo)致的負反饋怪圈》等數(shù)十篇前沿科技文章，并發(fā)表于PPV課社區(qū)。 米曉飛：北京航空航天大學(xué)碩士，現(xiàn)任宜信高級數(shù)據(jù)分析挖掘工程師。曾在中軟國際任高級工程師，一手建立成熟網(wǎng)站，架構(gòu)了大數(shù)據(jù)分析環(huán)境并確立完整的流程，熟悉大數(shù)據(jù)生態(tài)系統(tǒng)及應(yīng)用。在網(wǎng)站和大數(shù)據(jù)方面有著豐富的經(jīng)驗，尤其是精準(zhǔn)營銷和數(shù)據(jù)挖掘方向。

商品評論(0條)
暫無評論……
書友推薦
編輯推薦
返回頂部
中圖網(wǎng)
在線客服