Python数据挖掘实战
全新正版 极速发货
￥ 36.75 4.7折 ￥ 79 全新
库存16件
广东广州
认证卖家担保交易快速发货售后保障
作者方小敏
出版社电子工业出版社
ISBN9787121404610
出版时间2021-02
装帧平装
开本16开
定价79元
货号1202294320
上书时间2024-06-02
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
方小敏，“数据分析实战”公众号主理人，资深机器学习工程师；曾服务于BAT等知名互联网企业，熟练掌握Python、R、Spark、Hive、TensorFlow等工具进行机器学习。
目录
第1章 数据挖掘基础
1.1 数据挖掘是什么
1.1.1 数据挖掘算法的类型
1.1.2 数据挖掘需要的技能
1.1.3 数据挖掘的常见误区
1.2 数据挖掘的常见问题
1.2.1 预测问题
1.2.2 分类问题
1.2.3 聚类问题
1.2.4 关联问题
1.3 数据挖掘的标准流程
1.3.1 商业理解
1.3.2 数据理解
1.3.3 数据准备
1.3.4 模型构建
1.3.5 模型评估
1.3.6 模型部署
1.4 数据分析和数据挖掘的区别
1.4.1 数据分析
1.4.2 数据挖掘
第2章 回归模型
2.1 回归模型简介
2.2 相关分析
2.2.1 依存关系
2.2.2 相关系数的计算
2.2.3 相关系数的方向与大小
2.2.4 居民购物习惯相关分析案例
2.3 简单线性回归分析
2.3.1 线性回归方程解读
2.3.2 使用最小二乘法求解回归方程
2.3.3 使用广告投放费用预测销售额案例
2.4 多重线性回归分析
2.4.1 使用最小二乘法求解多重线性回归方程
2.4.2 使用广告投放费用与客流量预测销售额案例
2.5 一元非线性回归
2.5.1 一元非线性回归模型
2.5.2 一元非线性回归模型求解
2.5.3 使用上线天数预测活跃用户数案例
第3章 分类模型
3.1 分类模型基础
3.1.1 分类模型的建模五步骤
3.1.2 分类模型评估指标
3.1.3 K折交叉验证
3.2 KNN模型
3.2.1 KNN模型原理
3.2.2 使用商户数据预测是否续约案例
3.3 贝叶斯分类
3.3.1 贝叶斯分类的核心概念
3.3.2 朴素贝叶斯分类
3.3.3 朴素贝叶斯分类算法在离散型特征上的求解
内容摘要
本书从解决工作上的实际问题出发，提炼总结了日常工作中常用的数据挖掘实战方法与技巧，并且使用Python语言来实现。
本书力求通俗易懂地介绍相关知识，尽可能避免使用晦涩难懂的统计术语或模型公式去讲解每个算法的原理。而且在每个算法的后面演示一个实用的案例，方便大家理解和掌握每种算法的使用。
本书的定位是带领使用Python语言的数据挖掘初学者入门，并能解决学习、工作中大部分的问题或需求。读者入门后若还需
要进一步学习，可自行扩展阅读相关书籍或资料。
学习是永无止境的，正所
谓“师傅领进门，修行在个人。”
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价