数据挖掘：你必须知道的32个经典案例

图书标准信息

• 作者 任昱衡、李倩星、米晓飞 著
• 出版社 电子工业出版社
• 出版时间 2015-11
• 版次 1
• ISBN 9787121275791
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 纸张 轻型纸
• 页数 266页
• 字数 255千字
• 正文语种 简体中文

【内容简介】

　　本书是为广大数据分析师量身定制的入门读物，它旨在帮助读者站在大数据时代的制高点。数据分析处于统计学、计算机信息科学、运筹学、数据库等多个领域的交叉地带，大数据时代的到来大大丰富了数据分析的内涵，数据分析师的职责与以往相比发生了巨大的改变。本书全面介绍了经典数据分析、模式识别、机器学习、深度学习、数据挖掘、商务智能等多个领域的数据分析算法，将大数据时代的数据分析热点技术一网打尽。本书为每个数据分析算法都搭配了一个经典案例，并按照由易到难的原则构建知识框架，充分照顾了不同水平读者的阅读习惯。通过阅读本书，读者将对大数据时代下的数据分析有一个全面的认识。无论是入门级的数据分析员还是有一定基础的数据分析师，都能通过本书完善、加深对数据分析的认识。

【作者简介】

　　任昱衡，博士、副研究员，高级电子商务师，高级硬件工程师，中国电子商务协会电子商务研究院副院长，中国电子商务协会信用体系建设管理中心主任助理，中国电子商务师资质（职称）认证管理中心主任助理。参与国家多项电子商务法律、法规、标准制定工作，目前主要负责国家电子商务师职业水平（职称）认证体系的构建和国家电子商务行业企业信用监管工作。　李倩星：毕业于西南大学统计学专业，对数据挖掘、机器学习以及人工智能领域有深刻的研究。主持翻译了《传播学中的大数据：发展与不足》、《大数据、一个新兴领域的误区和方法与概念》、《数据挖掘揭示了差评导致的负反馈怪圈》等数十篇前沿科技文章，并发表于PPV课社区。　

　　米晓飞，北京航空航天大学硕士，现任宜信高级数据分析挖掘工程师。曾在中软国际任高级工程师，一手建立成熟网站，架构了大数据分析环境并确立完整的流程，熟悉大数据生态系统及应用。在网站和大数据方面有着丰富的经验，尤其是精准营销和数据挖掘方向。　　

【目录】

第1章 经典的探索性数据分析案例1
1．1 探索性数据分析综述2
1．2 数据巧收集――红牛的大数据营销案例4
1．2．1 状况百出的红牛企业4
1．2．2 红牛企业巧妙收集消费者数据6
1．2．3 数据收集小结8
1．3 数据可视化――数据新闻促使英军撤军9
1．3．1 维基解密带来的海量数据9
1．3．2 百花齐放的数据新闻11
1．3．3 数据可视化小结15
1．4 异常值分析――Facebook消灭钓鱼链接16
1．4．1 Facebook和广告商之间的拉锯战17
1．4．2 异常值分析指导排名算法工作18
1．4．3 异常值分析小结22
1．5 对比分析――TrueCar指导购物者寻找最合算的车价24
1．5．1 火中取栗的TrueCar网站24
1．5．2 数据对比赢得消费者信赖26
1．5．3 对比分析小结29
第2章 经典的相关分析与回归分析案例31
2．1 相关回归综述32
2．2 皮尔逊相关值――纽约市政府利用相关分析监控违法建筑34
2．2．1 简约而不简单的消防检测系统34
2．2．2 使用相关分析洞察60个变量的关系36
2．2．3 相关分析小结39
2．3 时间序列分析――人寿保险的可提费用预测41
2．3．1 人寿保险公司和可提费用41
2．3．2 使用四种时间序列回归预测模型解决问题43
2．3．3 时间序列分析小结46
2．4 线性回归分析――梅西百货公司的十二项大数据策略48
2．4．1 从“一亿豪赌”说起的零售商困境48
2．4．2 SAS公司帮助梅西百货构建模型50
2．4．3 线性回归分析小结53
2．5 Logistic回归分析――大面积流感爆发的预测分析56
2．5．1 究竟谁才是流感预测算法之王56
2．5．2 向Logistic算法中引入更多变量58
2．5．3 Logistic回归分析小结61
第3章 经典的降维数据分析案例63
3．1 降维分析算法综述64
3．2 粗糙集算法――协助希腊工业发展银行制定信贷政策66
3．2．1 银行信贷政策的制定原则66
3．2．2 粗糙集算法原理和应用67
3．2．3 粗糙集算法小结71
3．3 因子分析――基于李克特量表的应聘评价法73
3．3．1 源于智力测试的因子分析73
3．3．2 使用因子分析解构问卷75
3．3．3 因子分析小结78
3．4 最优尺度分析――直观评估消费者倾向的分析方法80
3．4．1 市场调查问题催生的最优尺度分析80
3．4．2 六种经典的最优尺度分析解读方法82
3．4．3 最优尺度分析小结86
3．5 PCA降维算法――智能人脸识别的应用与拓展88
3．5．1 刷脸的时代来了88
3．5．2 使用PCA算法完成降维工作90
3．5．3 PCA算法小结93
第4章 经典的模式识别案例95
4．1 模式识别综述96
4．2 图像分析――谷歌的超前自动驾驶技术98
4．2．1 以安全的名义呼吁自动驾驶技术98
4．2．2 快速成熟的无人驾驶技术100
4．2．3 图像分析小结103
4．3 遗传算法――经典的人力资源优化问题105
4．3．1 使用有限资源实现利益最大化105
4．3．2 遗传算法的计算过程107
4．3．3 遗传算法小结110
4．4 决策树分析――“沸腾时刻”准确判断用户健康水平111
4．4．1 打造我国最大健身平台111
4．4．2 信息增益和决策树113
4．4．3 决策树小结116
4．5 K均值聚类分析――HSE24通过为客户分类降低退货率118
4．5．1 在电子商务市场快速扩张的HSE24119
4．5．2 使用K均值聚类为客户分类120
4．5．3 K均值聚类小结123
第5章 经典的机器学习案例127
5．1 机器学习综述128
5．2 语义搜索――沃尔玛搜索引擎提升15%销售额130
5．2．1 注重用户体验的沃尔玛公司130
5．2．2 语义搜索引擎的底层技术和原理132
5．2．3 语义搜索技术小结135
5．3 顺序分析――搜狗输入法的智能纠错系统137
5．3．1 搜狗输入法的王牌词库和智能算法137
5．3．2 频繁树模式和顺序分析算法140
5．3．3 顺序分析小结143
5．4 文本分析――经典的垃圾邮件过滤系统144
5．4．1 大数据时代需要文本分析工作145
5．4．2 垃圾邮件过滤中的分词技术和词集模型146
5．4．3 文本分析小结149
5．5 协同过滤――构建个性化推荐系统的经典算法151
5．5．1 协同过滤算法为什么这么流行151
5．5．2 基于用户和基于产品的协同过滤153
5．5．3 协同过滤算法小结155
第6章 经典的深度学习案例159
6．1 深度学习综述160
6．2 支持向量机――乔布斯利用大数据对抗癌症162
6．2．1 乔布斯和胰腺癌的八年抗战162
6．2．2 医学统计学和支持向量机164
6．2．3 支持向量机小结168
6．3 感知器神经网络――最佳的房产价格预测算法169
6．3．1 如何在我国预测房价170
6．3．2 多层感知器和误差曲面171
6．3．3 感知器神经网络小结175
6．4 自组织神经网络――如何又快又好地解决旅行商问题177
6．4．1 最优路径问题的典型模式和解决方法177
6．4．2 自组织神经网络的拓扑结构和权值调整178
6．4．3 自组织神经网络小结182
6．5 RBM算法――为新闻报道智能分类183
6．5．1 新闻报道智能分类的难与易183
6．5．2 RBM算法的学习目标和学习方法185
6．5．3 RBM算法小结188
第7章 经典的数据挖掘案例191
7．1 数据挖掘综述192
7．2 判别分析――美国运通构建客户流失预测模型194
7．2．1 美国运通公司的旧日辉煌194
7．2．2 判别分析的假设条件和判别函数196
7．2．3 判别分析小结200
7．3 购物篮分析――找出零售业的最佳商品组合201
7．3．1 名动天下的“啤酒和尿布”案例202
7．3．2 购物篮分析的频繁模式203
7．3．3 购物篮分析小结207
7．4 马尔可夫链――准确预测客运市场占有率208
7．4．1 复杂的客运市场系统209
7．4．2 概率转移矩阵的求解方法210
7．4．3 马尔可夫链小结213
7．5 AdaBoost元算法――有效侦测欺诈交易的复合算法215
7．5．1 弱分类器和强分类器之争215
7．5．2 AdaBoost元算法的分类器构建方法217
7．5．3 AdaBoost元算法小结220
第8章 经典的商业智能分析案例223
8．1 商业智能分析综述224
8．2 KXEN分析软件――构建欧洲博彩业下注预测平台226
8．2．1 现代博彩业背后的黑手226
8．2．2 集体智慧和庄家赔率的联系228
8．2．3 KXEN软件小结231
8．3 数据废气再利用――物流公司数据成功用于评估客户信用233
8．3．1 数据废气和黑暗数据的异同234
8．3．2 论如何充分利用物流公司数据235
8．3．3 数据废气再利用小结239
8．4 必应预测――使用往期信息预测自然灾害240
8．4．1 预测自然灾害的必要性241
8．4．2 微软大数据预测的优与劣242
8．4．3 必应预测小结245
8．5 点球成金――助力NBA大数据分析的多种神秘软件246
8．5．1 NBA的有效球员数据247
8．5．2 有关点球成金的靠谱方法249
8．5．3 点球成金小结251