大数据分析与挖掘实验教程

图书标准信息

• 作者 万欣
• 出版社 电子工业出版社
• 出版时间 2023-06
• 版次 1
• ISBN 9787121456909
• 定价 46.00元
• 装帧 其他
• 开本 16开
• 页数 160页
• 字数 192千字

【内容简介】

本书是一本面向数据科学初学者的实验教材。本书旨在通过实验的方式，帮助学生掌握数据分析和挖掘的基本概念、方法和技术，并学会使用Python等工具进行实际操作。本书的实验设计涵盖了数据预处理、数据可视化、分类与预测、聚类与关联规则挖掘、文本挖掘、网络分析、时间序列分析、情感分析和主题模型等多个方面，旨在培养学生的数据思维和实际操作能力，为学生日后从事数据科学工作打下坚实的基础。本书的实验设计遵循理论与实践相结合的原则，每个实验都提供了详细的理论知识和实验步骤，以及实验数据和代码。通过实验，学生可以熟悉数据分析与挖掘的实际操作流程，了解各种数据分析与挖掘方法的优缺点以及应用场景。同时，本书还鼓励学生进行自主思考和创新，通过实验提高学生解决问题的能力和创新能力。

【作者简介】

万欣，武汉纺织大学管理学院副教授，硕士生导师，武汉纺织大学大数据与效益制造中心主任，湖北省一流课程“商务智能”负责人；毕业于日本电气通信大学，工学博士（社会智能信息学），主要研究方向有商务智能、机器学习、数据挖掘等；曾就职于国内外多家上市公司，从事技术研发、软件开发工作；在大数据分析与挖掘领域教学经验丰富。

【目录】

章  数据预处理1

节  数据清洗2

第二节  数据集成3

第三节  数据变换5

第四节  数据规约7

第五节  Python中的数据预处理工具8

小结14

第二章  数据可视化15

节  理解数据可视化的概念和重要性16

第二节  使用Python的matplotlib和seaborn库绘制基本图形17

第三节  绘制柱状图、折线图、散点图、箱线图等常见图形21

第四节  利用图形展示数据的关系和趋势、数据的分析24

第五节  利用交互式可视化工具进行高级数据可视化29

小结33

第三章  分类与预测34

节  理解分类与预测的概念和应用场景35

第二节  理解机器学习分类算法的基本原理36

第三节  利用Python的scikit-learn库进行分类算法的实现43

第四节  利用交叉验证、网格搜索等方法对分类算法进行优化47

小结51

第四章  聚类与关联规则挖掘52

节  理解聚类与关联规则挖掘的概念和应用场景53

第二节  理解聚类算法的基本原理54

第三节  利用Python的scikit-learn库进行聚类算法的实现55

第四节  理解关联规则挖掘的基本原理：Apriori算法60

第五节  利用Python的mlxtend库进行关联规则挖掘的实现64

小结66

第五章  文本挖掘67

节  理解文本挖掘的概念和应用场景68

第二节  理解自然语言处理的基本概念及技术69

第三节  利用Python的NLTK和jieba库进行文本预处理71

第四节  理解文本分类的基本原理和算法79

第五节  利用Python的scikit-learn和keras库进行文本分类的实现83

小结88

第六章  网络分析89

节  理解网络分析的概念、应用场景和工具90

第二节  理解网络的基本概念93

第三节  利用Python的NetworkX库进行网络构建和分析95

第四节  理解社交网络分析的基本原理和方法98

第五节  利用Python的igraph库进行社交网络分析的实现101

小结104

第七章  时间序列分析105

节  理解时间序列分析的概念和应用场景106

第二节  理解时间序列的基本概念106

第三节  利用Python的pandas库进行时间序列数据的处理和分析107

第四节  理解时间序列预测的基本原理和方法109

第五节  利用Python的statsmodels库进行时间序列预测的实现111

小结113

第八章  情感分析115

节  理解情感分析的概念和应用场景116

第二节  理解自然语言处理中的情感分析基本原理和方法117

第三节  利用Python的NLTK和SnowNLP库进行情感分析的实现118

第四节  理解深度学习在情感分析中的应用121

第五节  利用Python的keras和tensorflow库进行深度学习情感分析

        的实现124

小结127

第九章  主题模型129

节  理解主题模型的概念和应用场景130

第二节  理解主题模型的基本原理和方法131

第三节  利用Python的gensim和scikit-learn库进行主题模型的实现133

第四节  理解主题模型在文本分析、信息检索和推荐系统中的应用141

第五节  利用主题模型进行文本主题分析和推荐系统的 实现142

小结145

附录A  实验环境搭建146

后记148