第1章 分析學入門
分析學與分析有區彆嗎
數據挖掘該歸何處
分析學何以突然受到追捧
分析學的應用領域
分析學麵臨的主要挑戰
分析學的發展曆史
分析學的簡單分類
分析學的前沿技術——以IBM Watson 為例
第2章 數據挖掘入門
數據挖掘是什麼
哪些不屬於數據挖掘
數據挖掘最常見的應用
數據挖掘能夠發現怎樣的規律
常用的數據挖掘工具
數據挖掘的負麵影響：隱私問題
第3章 數據挖掘過程
數據庫知識獲取過程
跨行業標準化數據挖掘流程
SEMMA
數據挖掘六西格瑪方法
哪種方法最好
第4章 數據與數據挖掘的方法
數據挖掘中的數據屬性
數據挖掘中的數據預處理
數據挖掘方法
預測法
分類法
決策樹
數據挖掘中的聚類分析
K 均值聚類算法
關聯法
Apriori 算法
對數據挖掘的誤解與事實
第5章 數據挖掘算法
近鄰算法
評估相似性：距離度量
人工神經網絡
支持嚮量機
綫性迴歸
邏輯迴歸
時間序列預測
第6章 文本分析和情感分析
自然語言處理
文本挖掘應用
文本挖掘的流程
文本挖掘工具
情感分析
第7章 大數據分析學
大數據從何而來
定義“大數據”的V 們
大數據的關鍵概念
大數據分析處理的商業問題
大數據科技
數據科學傢
大數據和流分析法
數據流挖掘
譯者後記
· · · · · · (收起)