前言
基礎篇
第1章　數據挖掘基礎2
1.1　某知名連鎖餐飲企業的睏惑2
1.2　從餐飲服務到數據挖掘3
1.3　數據挖掘的基本任務4
1.4　數據挖掘建模過程4
1.4.1　定義挖掘目標4
1.4.2　數據取樣5
1.4.3　數據探索6
1.4.4　數據預處理7
1.4.5　挖掘建模7
1.4.6　模型評價7
1.5　常用的數據挖掘建模工具7
1.6　小結9
第2章　Python數據分析簡介10
2.1　搭建Python開發平颱12
2.1.1　所要考慮的問題12
2.1.2　基礎平颱的搭建12
2.2　Python使用入門13
2.2.1　運行方式14
2.2.2　基本命令15
2.2.3　數據結構17
2.2.4　庫的導入與添加20
2.3　Python數據分析工具22
2.3.1　Numpy23
2.3.2　Scipy24
2.3.3　Matplotlib24
2.3.4　Pandas26
2.3.5　StatsModels27
2.3.6　Scikit-Learn28
2.3.7　Keras29
2.3.8　Gensim30
2.4　配套資源使用設置31
2.5　小結32
第3章　數據探索33
3.1　數據質量分析33
3.1.1　缺失值分析34
3.1.2　異常值分析34
3.1.3　一緻性分析37
3.2　數據特徵分析37
3.2.1　分布分析37
3.2.2　對比分析40
3.2.3　統計量分析41
3.2.4　周期性分析44
3.2.5　貢獻度分析45
3.2.6　相關性分析47
3.3　Python主要數據探索函數50
3.3.1　基本統計特徵函數50
3.3.2　拓展統計特徵函數53
3.3.3　統計作圖函數54
3.4　小結59
第4章　數據預處理60
4.1　數據清洗60
4.1.1　缺失值處理60
4.1.2　異常值處理64
4.2　數據集成64
4.2.1　實體識彆64
4.2.2　冗餘屬性識彆65
4.3　數據變換65
4.3.1　簡單函數變換65
4.3.2　規範化66
4.3.3　連續屬性離散化68
4.3.4　屬性構造70
4.3.5　小波變換71
4.4　數據規約74
4.4.1　屬性規約74
4.4.2　數值規約77
4.5　Python主要數據預處理函數80
4.6　小結81
第5章　挖掘建模83
5.1　分類與預測83
5.1.1　實現過程83
5.1.2　常用的分類與預測算法84
5.1.3　迴歸分析85
5.1.4　決策樹89
5.1.5　人工神經網絡95
5.1.6　分類與預測算法評價100
5.1.7　Python分類預測模型特點103
5.2　聚類分析104
5.2.1　常用聚類分析算法104
5.2.2　K-Means聚類算法105
5.2.3　聚類分析算法評價111
5.2.4　Python主要聚類分析算法111
5.3　關聯規則113
5.3.1　常用關聯規則算法114
5.3.2　Apriori算法114
5.4　時序模式119
5.4.1　時間序列算法120
5.4.2　時間序列的預處理120
5.4.3　平穩時間序列分析122
5.4.4　非平穩時間序列分析124
5.4.5　Python主要時序模式算法132
5.5　離群點檢測134
5.5.1　離群點檢測方法135
5.5.2　基於模型的離群點檢測方法136
5.5.3　基於聚類的離群點檢測方法138
5.6　小結141
實戰篇
第6章　電力竊漏電用戶自動識彆144
6.1　背景與挖掘目標144
6.2　分析方法與過程147
6.2.1　數據抽取148
6.2.2　數據探索分析148
6.2.3　數據預處理151
6.2.4　構建專傢樣本156
6.2.5　模型構建157
6.3　上機實驗161
6.4　拓展思考162
6.5　小結163
第7章　航空公司客戶價值分析164
7.1　背景與挖掘目標164
7.2　分析方法與過程166
7.2.1　數據抽取168
7.2.2　數據探索分析168
7.2.3　數據預處理169
7.2.4　模型構建173
7.3　上機實驗177
7.4　拓展思考178
7.5　小結179
第8章　中醫證型關聯規則挖掘180
8.1　背景與挖掘目標180
8.2　分析方法與過程181
8.2.1　數據獲取183
8.2.2　數據預處理186
8.2.3　模型構建190
8.3　上機實驗193
8.4　拓展思考194
8.5　小結194
第9章　基於水色圖像的水質評價195
9.1　背景與挖掘目標195
9.2　分析方法與過程195
9.2.1　數據預處理197
9.2.2　模型構建199
9.2.3　水質評價201
9.3　上機實驗202
9.4　拓展思考202
9.5　小結203
第10章　傢用電器用戶行為分析與事件識彆204
10.1　背景與挖掘目標204
10.2　分析方法與過程205
10.2.1　數據抽取206
10.2.2　數據探索分析207
10.2.3　數據預處理207
10.2.4　模型構建217
10.2.5　模型檢驗219
10.3　上機實驗220
10.4　拓展思考221
10.5　小結222
第11章　應用係統負載分析與磁盤容量預測223
11.1　背景與挖掘目標223
11.2　分析方法與過程225
11.2.1　數據抽取226
11.2.2　數據探索分析226
11.2.3　數據預處理227
11.2.4　模型構建229
11.3　上機實驗235
11.4　拓展思考236
11.5　小結237
第12章　電子商務網站用戶行為分析及服務推薦238
12.1　背景與挖掘目標238
12.2　分析方法與過程240
12.2.1　數據抽取242
12.2.2　數據探索分析244
12.2.3　數據預處理251
12.2.4　模型構建256
12.3　上機實驗266
12.4　拓展思考267
12.5　小結269
第13章　財政收入影響因素分析及預測模型270
13.1　背景與挖掘目標270
13.2　分析方法與過程272
13.2.1　灰色預測與神經網絡的組閤模型273
13.2.2　數據探索分析274
13.2.3　模型構建277
13.3　上機實驗294
13.4　拓展思考295
13.5　小結296
第14章　基於基站定位數據的商圈分析297
14.1　背景與挖掘目標297
14.2　分析方法與過程299
14.2.1　數據抽取299
14.2.2　數據探索分析299
14.2.3　數據預處理301
14.2.4　模型構建304
14.3　上機實驗308
14.4　拓展思考309
14.5　小結309
第15章　電商産品評論數據情感分析310
15.1　背景與挖掘目標310
15.2　分析方法與過程310
15.2.1　評論數據采集311
15.2.2　評論預處理314
15.2.3　文本評論分詞320
15.2.4　模型構建320
15.3　上機實驗333
15.4　拓展思考334
15.5　小結335
參考文獻336
· · · · · · (收起)