数据挖掘实用案例分析

图书标准信息

• 作者 赵卫东 董亮
• 出版社 清华大学出版社
• 出版时间 2018-02
• 版次 1
• ISBN 9787302490494
• 定价 49.00元
• 装帧 平装
• 开本 其他
• 页数 250页
• 字数 99999千字

【内容简介】

数据挖掘已经广泛应用于各行各业,并催生了数据分析师的兴起。本书结合项目实践，首先对数据挖掘的核心问题进行了总结，并以保险推荐为例说明数据挖掘过程中每个步骤需要关注之处； 然后，结合香水销售分析，讨论可视化图形的基本应用。为增强本书的实用性，提高读者的动手能力，后续章节详细地分析了数据挖掘在银行信用卡、餐饮、商务酒店、制造业、公安等领域的应用。此外，本书还介绍了卷积神经网络在音频数据处理方面的实际应用。
  本书内容深入浅出，案例生动形象，可以作为高校相关专业“数据挖掘”“机器学习”“商务数据分析”等课程的实验教材，也可以供学习数据分析的社会人士参考。

【目录】

章数据分析过程的主要问题1.1业务理解1.2数据理解1.3数据质量问题与预处理1.4数据分析常见陷阱1.5数据分析方法的选择1.5.1分类算法1.5.2聚类算法1.5.3关联分析1.5.4回归分析1.5.5深度学习1.5.6统计方法1.6数据分析结果的评价1.6.1分类算法的评价1.6.2聚类结果的评价1.6.3关联分析的评价1.6.4回归分析结果的评价1.6.5深度学习的评价1.7数据分析团队的组建1.7.1项目经理1.7.2业务专家1.7.3数据工程师1.7.4数据建模人员1.7.5可视化人员1.7.6评估人员1.8数据分析人才培养的难题1.8.1数理要求高1.8.2跨学科综合能力1.8.3国内技术资料少1.8.4实践机会少第2章数据挖掘算法的选择——保险产品推荐2.1业务理解2.2数据分析目标2.3数据探索2.3.1数据质量评估2.3.2探索数据统计特性2.3.3数据降维2.4模型选择过程2.4.1算法初选2.4.2算法验证2.4.3算法优化2.4.4平衡数据集2.4.5修改模型参数2.5总结第3章常用可视化的多维分析3.1箱图3.2雷达图3.3标签云3.4气泡图3.5树图3.6地图3.7高低图3.8双轴图3.9关系图3.10热图第4章SPSSModeler建模组件介绍4.1数据预处理组件4.1.1数据清理组件4.1.2数据集成组件4.1.3数据选择组件4.1.4数据变换组件4.2数据挖掘建模组件4.2.1模型筛选4.2.2自动建模4.2.3决策树模型4.2.4贝叶斯网络模型4.2.5神经网络模型4.2.6支持向量机模型4.2.7时间序列模型4.2.8统计模型4.2.9聚类模型4.2.10关联分析4.2.11KNN模型4.2.12数据挖掘模式评估4.3知识表示4.3.1图形节点4.3.2数据输出4.3.3数据导出第5章香水销售分析5.1香水销售数据预处理5.2香水销售数据统计分析5.3影响香水的因素分析5.4香水适用场所关联分析5.5香水聚类分析5.6香水营销建议第6章银行信用卡欺诈与拖欠行为分析6.1客户信用等级影响因素6.1.1客户信用卡申请数据预处理6.1.2信用卡申请成功影响因素6.2信用卡客户信用等级影响因素6.3基于消费的信用等级影响因素6.4信用卡欺诈判断模型6.4.1基于Apriori算法的欺诈模型6.4.2基于判别的欺诈模型6.4.3基于分类算法的欺诈模型6.5欺诈人口属性分析6.5.1欺诈人口属性统计分析6.5.2基于逻辑回归的欺诈人口属性分析6.5.3逾期还款的客户特征6.5.4基于决策树分析逾期客户特征6.5.5基于回归分析逾期客户特征6.5.6根据消费历史分析客户特征6.5.7基于聚类分析客户特征6.5.8基于客户细分的聚类分析第7章海底捞火锅运营分析7.1火锅相关数据抓取7.2数据预处理7.3数据分析7.3.1海底捞运营分析7.3.2店铺选址分析7.4菜品关联分析7.5用户评论与评分的关联分析7.6顾客情感分析第8章商务宾馆竞争分析8.1目前经济型酒店行业竞争态势8.2用户相关数据准备8.3通过Python编程抓取评论8.4数据预处理8.5商务宾馆客户数据分析8.5.1酒店评分影响因素8.5.2酒店评分与酒店业绩关系8.5.3酒店评分分析8.5.4客户情感分析8.5.5竞争分析8.6建议第9章耐热导线工厂质量管理数据分析9.1项目概述9.2耐热导线生产质量数据预处理9.3耐热铝线质量检测数据分析0章基于逻辑回归模型的高危人员分析10.1高危人员分析需求10.2高危人群相关数据收集与预处理10.3建立模型1章卷积神经网络在音频质量评价领域的应用11.1深度学习基础11.1.1深度学习的发展过程11.1.2深度学习常用技术框架11.1.3常用的深度学习算法11.2音频质量评价11.2.1音频样本及特征预处理11.2.2音频特征选择11.2.3卷积神经网络模型训练11.2.4模型参数调优11.3性能验证参考文献
作者介绍

序言