書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
if ($("#topCountDown").length > 0) { $.ajax({ url: "/ashx/GetCurrentTime.ashx", success: function (data) { topCutTime(data, $("#topCountDown").attr("data-endTime")) } }); } function topCutTime(a, b) { var the_s = []; var startDate = new Date(a).getTime(); var endDate = new Date(b).getTime(); the_s[1] = (endDate - startDate) / 1000; var Time20170918 = setInterval(function () { view_time(1, '#topCountDown') }, 1000); function view_time(the_s_index, objid) { if (the_s[the_s_index] >= 0) { var the_D = Math.floor((the_s[the_s_index] / 3600) / 24) var the_H = Math.floor((the_s[the_s_index] - the_D * 24 * 3600) / 3600); var the_M = Math.floor((the_s[the_s_index] - the_D * 24 * 3600 - the_H * 3600) / 60); var the_S = Math.floor((the_s[the_s_index] - the_H * 3600) % 60); var the_h1 = the_D * 24 + the_H; html = ""; if (the_h1 >= 10) { html += '' + the_h1 + ''; } else { html += '0' + the_h1 + ""; } if (the_M >= 10) { html += '' + the_M + ''; } else { html += '0' + the_M + ""; }; if (the_S >= 10) { html += '' + the_S + ''; } else { html += '0' + the_S + ""; }; $(objid).html(html); the_s[the_s_index]--; } else { $(objid).html(""); $("#topCountDown").addClass("endtime"); clearInterval(Time20170918); } } }
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
數(shù)據(jù)挖掘?qū)嵱冒咐治?/span>

數(shù)據(jù)挖掘?qū)嵱冒咐治?/h1>
出版社：清華大學出版社出版時間：2018-02-01
開本： 32開 頁數(shù)： 250
讀者評分：5分1條評論
本類榜單：教材銷量榜

中 圖 價:¥30.4(6.2折) 定價  ¥49.0 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
本類五星書更多>

數(shù)據(jù)挖掘?qū)嵱冒咐治?版權(quán)信息

  • ISBN：9787302490494
  • 條形碼：9787302490494 ; 978-7-302-49049-4
  • 裝幀：簡裝本
  • 冊數(shù)：暫無
  • 重量：暫無
  • 所屬分類：>

數(shù)據(jù)挖掘?qū)嵱冒咐治?本書特色

數(shù)據(jù)挖掘已經(jīng)廣泛應(yīng)用于各行各業(yè),并催生了數(shù)據(jù)分析師的興起。本書結(jié)合項目實踐，首先對數(shù)據(jù)挖掘的核心問題進行了總結(jié)，并以保險推薦為例說明數(shù)據(jù)挖掘過程中每個步驟需要關(guān)注之處； 然后，結(jié)合香水銷售分析，討論可視化圖形的基本應(yīng)用。為增強本書的實用性，提高讀者的動手能力，后續(xù)章節(jié)詳細地分析了數(shù)據(jù)挖掘在銀行信用卡、餐飲、商務(wù)酒店、制造業(yè)、公安等領(lǐng)域的應(yīng)用。此外，本書還介紹了卷積神經(jīng)網(wǎng)絡(luò)在音頻數(shù)據(jù)處理方面的實際應(yīng)用。
本書內(nèi)容深入淺出，案例生動形象，可以作為高校相關(guān)專業(yè)“數(shù)據(jù)挖掘”“機器學習”“商務(wù)數(shù)據(jù)分析”等課程的實驗教材，也可以供學習數(shù)據(jù)分析的社會人士參考。

數(shù)據(jù)挖掘?qū)嵱冒咐治?內(nèi)容簡介

數(shù)據(jù)挖掘是一個多學科交叉的領(lǐng)域，本書通過少數(shù)實際的具體案例，闡述數(shù)據(jù)分析項目分析的過程以及一些要點，可作為普通高等學校數(shù)據(jù)挖掘、商務(wù)數(shù)據(jù)分析、商務(wù)智能等課程的案例和實驗指導(dǎo)材料，也可供有志于數(shù)據(jù)分析師的讀者參考。

數(shù)據(jù)挖掘?qū)嵱冒咐治?目錄

第1章數(shù)據(jù)分析過程的主要問題

1.1業(yè)務(wù)理解

1.2數(shù)據(jù)理解

1.3數(shù)據(jù)質(zhì)量問題與預(yù)處理

1.4數(shù)據(jù)分析常見陷阱

1.5數(shù)據(jù)分析方法的選擇

1.5.1分類算法

1.5.2聚類算法

1.5.3關(guān)聯(lián)分析

1.5.4回歸分析

1.5.5深度學習

1.5.6統(tǒng)計方法

1.6數(shù)據(jù)分析結(jié)果的評價

1.6.1分類算法的評價

1.6.2聚類結(jié)果的評價

1.6.3關(guān)聯(lián)分析的評價

1.6.4回歸分析結(jié)果的評價

1.6.5深度學習的評價

1.7數(shù)據(jù)分析團隊的組建

1.7.1項目經(jīng)理

1.7.2業(yè)務(wù)專家

1.7.3數(shù)據(jù)工程師

1.7.4數(shù)據(jù)建模人員

1.7.5可視化人員

1.7.6評估人員

1.8數(shù)據(jù)分析人才培養(yǎng)的難題

1.8.1數(shù)理要求高

1.8.2跨學科綜合能力

1.8.3國內(nèi)技術(shù)資料少

1.8.4實踐機會少

第2章數(shù)據(jù)挖掘算法的選擇——保險產(chǎn)品推薦

2.1業(yè)務(wù)理解

2.2數(shù)據(jù)分析目標

2.3數(shù)據(jù)探索

2.3.1數(shù)據(jù)質(zhì)量評估

2.3.2探索數(shù)據(jù)統(tǒng)計特性

2.3.3數(shù)據(jù)降維

2.4模型選擇過程

2.4.1算法初選

2.4.2算法驗證

2.4.3算法優(yōu)化

2.4.4平衡數(shù)據(jù)集

2.4.5修改模型參數(shù)

2.5總結(jié)

第3章常用可視化的多維分析

3.1箱圖

3.2雷達圖

3.3標簽云

3.4氣泡圖

3.5樹圖

3.6地圖

3.7高低圖

3.8雙軸圖

3.9關(guān)系圖

3.10熱圖

第4章SPSS Modeler建模組件介紹

4.1數(shù)據(jù)預(yù)處理組件

4.1.1數(shù)據(jù)清理組件

4.1.2數(shù)據(jù)集成組件

4.1.3數(shù)據(jù)選擇組件

4.1.4數(shù)據(jù)變換組件

4.2數(shù)據(jù)挖掘建模組件

4.2.1模型篩選

4.2.2自動建模

4.2.3決策樹模型

4.2.4貝葉斯網(wǎng)絡(luò)模型

4.2.5神經(jīng)網(wǎng)絡(luò)模型

4.2.6支持向量機模型

4.2.7時間序列模型

4.2.8統(tǒng)計模型

4.2.9聚類模型

4.2.10關(guān)聯(lián)分析

4.2.11KNN模型

4.2.12數(shù)據(jù)挖掘模式評估

4.3知識表示

4.3.1圖形節(jié)點

4.3.2數(shù)據(jù)輸出

4.3.3數(shù)據(jù)導(dǎo)出

第5章香水銷售分析

5.1香水銷售數(shù)據(jù)預(yù)處理

5.2香水銷售數(shù)據(jù)統(tǒng)計分析

5.3影響香水銷量的因素分析

5.4香水適用場所關(guān)聯(lián)分析

5.5香水聚類分析

5.6香水營銷建議

第6章銀行信用卡欺詐與拖欠行為分析

6.1客戶信用等級影響因素

6.1.1客戶信用卡申請數(shù)據(jù)預(yù)處理

6.1.2信用卡申請成功影響因素

6.2信用卡客戶信用等級影響因素

6.3基于消費的信用等級影響因素

6.4信用卡欺詐判斷模型

6.4.1基于Apriori算法的欺詐模型

6.4.2基于判別的欺詐模型

6.4.3基于分類算法的欺詐模型

6.5欺詐人口屬性分析

6.5.1欺詐人口屬性統(tǒng)計分析

6.5.2基于邏輯回歸的欺詐人口屬性分析

6.5.3逾期還款的客戶特征

6.5.4基于決策樹分析逾期客戶特征

6.5.5基于回歸分析逾期客戶特征

6.5.6根據(jù)消費歷史分析客戶特征

6.5.7基于聚類分析客戶特征

6.5.8基于客戶細分的聚類分析

第7章海底撈火鍋運營分析

7.1火鍋相關(guān)數(shù)據(jù)抓取

7.2數(shù)據(jù)預(yù)處理

7.3數(shù)據(jù)分析

7.3.1海底撈運營分析

7.3.2店鋪選址分析

7.4菜品關(guān)聯(lián)分析

7.5用戶評論與評分的關(guān)聯(lián)分析

7.6顧客情感分析

第8章商務(wù)賓館競爭分析

8.1目前經(jīng)濟型酒店行業(yè)競爭態(tài)勢

8.2用戶相關(guān)數(shù)據(jù)準備

8.3通過Python編程抓取評論

8.4數(shù)據(jù)預(yù)處理

8.5商務(wù)賓館客戶數(shù)據(jù)分析

8.5.1酒店評分影響因素

8.5.2酒店評分與酒店業(yè)績關(guān)系

8.5.3酒店評分分析

8.5.4客戶情感分析

8.5.5競爭分析

8.6建議

第9章耐熱導(dǎo)線工廠質(zhì)量管理數(shù)據(jù)分析

9.1項目概述

9.2耐熱導(dǎo)線生產(chǎn)質(zhì)量數(shù)據(jù)預(yù)處理

9.3耐熱鋁線質(zhì)量檢測數(shù)據(jù)分析

第10章基于邏輯回歸模型的高危人員分析

10.1高危人員分析需求

10.2高危人群相關(guān)數(shù)據(jù)收集與預(yù)處理

10.3建立模型

第11章卷積神經(jīng)網(wǎng)絡(luò)在音頻質(zhì)量評價領(lǐng)域的應(yīng)用

11.1深度學習基礎(chǔ)

11.1.1深度學習的發(fā)展過程

11.1.2深度學習常用技術(shù)框架

11.1.3常用的深度學習算法

11.2音頻質(zhì)量評價

11.2.1音頻樣本及特征預(yù)處理

11.2.2音頻特征選擇

11.2.3卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練

11.2.4模型參數(shù)調(diào)優(yōu)

11.3性能驗證

參考文獻

展開全部
商品評論(1條)
書友推薦
編輯推薦
返回頂部
中圖網(wǎng)
在線客服