大數(shù)據(jù)分析與挖掘?qū)嶒?yàn)教程

定　價(jià)：￥46.00

作　者：	萬(wàn)欣
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥39.10)

ISBN：	9787121456909	出版時(shí)間：	2023-06-01	包裝：	平塑勒
開本：		頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書是一本面向數(shù)據(jù)科學(xué)初學(xué)者的實(shí)驗(yàn)教材。本書旨在通過實(shí)驗(yàn)的方式，幫助學(xué)生掌握數(shù)據(jù)分析和挖掘的基本概念、方法和技術(shù)，并學(xué)會(huì)使用Python等工具進(jìn)行實(shí)際操作。本書的實(shí)驗(yàn)設(shè)計(jì)涵蓋了數(shù)據(jù)預(yù)處理、數(shù)據(jù)可視化、分類與預(yù)測(cè)、聚類與關(guān)聯(lián)規(guī)則挖掘、文本挖掘、網(wǎng)絡(luò)分析、時(shí)間序列分析、情感分析和主題模型等多個(gè)方面，旨在培養(yǎng)學(xué)生的數(shù)據(jù)思維和實(shí)際操作能力，為學(xué)生日后從事數(shù)據(jù)科學(xué)工作打下堅(jiān)實(shí)的基礎(chǔ)。本書的實(shí)驗(yàn)設(shè)計(jì)遵循理論與實(shí)踐相結(jié)合的原則，每個(gè)實(shí)驗(yàn)都提供了詳細(xì)的理論知識(shí)和實(shí)驗(yàn)步驟，以及實(shí)驗(yàn)數(shù)據(jù)和代碼。通過實(shí)驗(yàn)，學(xué)生可以熟悉數(shù)據(jù)分析與挖掘的實(shí)際操作流程，了解各種數(shù)據(jù)分析與挖掘方法的優(yōu)缺點(diǎn)以及應(yīng)用場(chǎng)景。同時(shí)，本書還鼓勵(lì)學(xué)生進(jìn)行自主思考和創(chuàng)新，通過實(shí)驗(yàn)提高學(xué)生解決問題的能力和創(chuàng)新能力。

作者簡(jiǎn)介

　　萬(wàn)欣，武漢紡織大學(xué)管理學(xué)院副教授，碩士生導(dǎo)師，武漢紡織大學(xué)大數(shù)據(jù)與效益制造中心主任，湖北省一流課程“商務(wù)智能”負(fù)責(zé)人；畢業(yè)于日本電氣通信大學(xué)，工學(xué)博士（社會(huì)智能信息學(xué)），主要研究方向有商務(wù)智能、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等；曾就職于國(guó)內(nèi)外多家上市公司，從事技術(shù)研發(fā)、軟件開發(fā)工作；在大數(shù)據(jù)分析與挖掘領(lǐng)域教學(xué)經(jīng)驗(yàn)豐富。

圖書目錄

章數(shù)據(jù)預(yù)處理 1
節(jié) 數(shù)據(jù)清洗 2
第二節(jié) 數(shù)據(jù)集成 3
第三節(jié) 數(shù)據(jù)變換 5
第四節(jié) 數(shù)據(jù)規(guī)約 7
第五節(jié) Python中的數(shù)據(jù)預(yù)處理工具 8
小結(jié) 14
第二章數(shù)據(jù)可視化 15
節(jié) 理解數(shù)據(jù)可視化的概念和重要性 16
第二節(jié) 使用Python的matplotlib和seaborn庫(kù)繪制基本圖形 17
第三節(jié) 繪制柱狀圖、折線圖、散點(diǎn)圖、箱線圖等常見圖形 21
第四節(jié) 利用圖形展示數(shù)據(jù)的關(guān)系和趨勢(shì)、數(shù)據(jù)的分析 24
第五節(jié) 利用交互式可視化工具進(jìn)行高級(jí)數(shù)據(jù)可視化 29
小結(jié) 33
第三章分類與預(yù)測(cè) 34
節(jié) 理解分類與預(yù)測(cè)的概念和應(yīng)用場(chǎng)景 35
第二節(jié) 理解機(jī)器學(xué)習(xí)分類算法的基本原理 36
第三節(jié) 利用Python的scikit-learn庫(kù)進(jìn)行分類算法的實(shí)現(xiàn) 43
第四節(jié) 利用交叉驗(yàn)證、網(wǎng)格搜索等方法對(duì)分類算法進(jìn)行優(yōu)化 47
小結(jié) 51
第四章聚類與關(guān)聯(lián)規(guī)則挖掘 52
節(jié) 理解聚類與關(guān)聯(lián)規(guī)則挖掘的概念和應(yīng)用場(chǎng)景 53
第二節(jié) 理解聚類算法的基本原理 54
第三節(jié) 利用Python的scikit-learn庫(kù)進(jìn)行聚類算法的實(shí)現(xiàn) 55
第四節(jié) 理解關(guān)聯(lián)規(guī)則挖掘的基本原理：Apriori算法 60
第五節(jié) 利用Python的mlxtend庫(kù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘的實(shí)現(xiàn) 64
小結(jié) 66
第五章文本挖掘 67
節(jié) 理解文本挖掘的概念和應(yīng)用場(chǎng)景 68
第二節(jié) 理解自然語(yǔ)言處理的基本概念及技術(shù) 69
第三節(jié) 利用Python的NLTK和jieba庫(kù)進(jìn)行文本預(yù)處理 71
第四節(jié) 理解文本分類的基本原理和算法 79
第五節(jié) 利用Python的scikit-learn和keras庫(kù)進(jìn)行文本分類的實(shí)現(xiàn) 83
小結(jié) 88
第六章網(wǎng)絡(luò)分析 89
節(jié) 理解網(wǎng)絡(luò)分析的概念、應(yīng)用場(chǎng)景和工具 90
第二節(jié) 理解網(wǎng)絡(luò)的基本概念 93
第三節(jié) 利用Python的NetworkX庫(kù)進(jìn)行網(wǎng)絡(luò)構(gòu)建和分析 95
第四節(jié) 理解社交網(wǎng)絡(luò)分析的基本原理和方法 98
第五節(jié) 利用Python的igraph庫(kù)進(jìn)行社交網(wǎng)絡(luò)分析的實(shí)現(xiàn) 101
小結(jié) 104
第七章時(shí)間序列分析 105
節(jié) 理解時(shí)間序列分析的概念和應(yīng)用場(chǎng)景 106
第二節(jié) 理解時(shí)間序列的基本概念 106
第三節(jié) 利用Python的pandas庫(kù)進(jìn)行時(shí)間序列數(shù)據(jù)的處理和分析 107
第四節(jié) 理解時(shí)間序列預(yù)測(cè)的基本原理和方法 109
第五節(jié) 利用Python的statsmodels庫(kù)進(jìn)行時(shí)間序列預(yù)測(cè)的實(shí)現(xiàn) 111
小結(jié) 113
第八章情感分析 115
節(jié) 理解情感分析的概念和應(yīng)用場(chǎng)景 116
第二節(jié) 理解自然語(yǔ)言處理中的情感分析基本原理和方法 117
第三節(jié) 利用Python的NLTK和SnowNLP庫(kù)進(jìn)行情感分析的實(shí)現(xiàn) 118
第四節(jié) 理解深度學(xué)習(xí)在情感分析中的應(yīng)用 121
第五節(jié) 利用Python的keras和tensorflow庫(kù)進(jìn)行深度學(xué)習(xí)情感分析
的實(shí)現(xiàn) 124
小結(jié) 127
第九章主題模型 129
節(jié) 理解主題模型的概念和應(yīng)用場(chǎng)景 130
第二節(jié) 理解主題模型的基本原理和方法 131
第三節(jié) 利用Python的gensim和scikit-learn庫(kù)進(jìn)行主題模型的實(shí)現(xiàn) 133
第四節(jié) 理解主題模型在文本分析、信息檢索和推薦系統(tǒng)中的應(yīng)用 141
第五節(jié) 利用主題模型進(jìn)行文本主題分析和推薦系統(tǒng)的實(shí)現(xiàn) 142
小結(jié) 145
附錄A 實(shí)驗(yàn)環(huán)境搭建 146
后記 148