大数据分析方法与应用

图书标准信息

• 作者 耿秀丽 编
• 出版社 机械工业出版社
• 出版时间 2024-10
• 版次 1
• ISBN 9787111763550
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 页数 220页
• 字数 304千字

【内容简介】

本书将理论与应用结合，介绍了大数据技术、大数据分析方法以及大数据伦理规范等基础知识，可供读者入门学使用。本书共9章，包括大数据概述、数据分析基础、回归分析、聚类算法、算法、文本挖掘、启发式算法、支持向量机和神经网络。各章都附有对应案例和题，以帮助读者理解和应用。本书作为大数据公共通识课程的导论教材，为高校选修大数据课程编写，主要面向大数据应用型人才培养，也可供相关技术人员参。

【作者简介】

耿秀丽，教授，博士生导师，上海市（第三期）重点学科、上海市一流学科、上海市高原学科“管理科学与工程”成员，上海市高水平学科创新团队成员，上海市工程管理学会秘书长，美国北卡罗莱纳州立大学工业与系统工程系访问学者。主要从事产品服务工程，质量管理，决策理论与方法等方向研究。主持国家自然科学基金、工信部民机重大专项及其他省部级项目5项，出版专著1本，发表SCI论文20余篇，中文核心期刊80余篇，以主要完成人获得上海市科技进步奖二等奖1项、三等奖1项。在Comput Ind Eng、Expert Syst Appl、《中国管理科学》、《计算机集成制造系统》等国内外核心期刊上发表论文100余篇，以主要完成人获得上海市科技进步奖二等奖1项、三等奖1项。

【目录】

前言

章大数据概述

1.1大数据的相关概念

1.1.1大数据的背景与来源

1.1.2大数据的概念与特征

1.1.3大数据的数据类型

1.1.4《“十四五”大数据产业发展规划》与“5v”

1.2对科学研究和经济社会的影响

1.2.1对科学研究的影响

1.2.2对经济社会的影响

1.2.3大数据技术发展趋势

1.3大数据的研究现状

1.4大数据发展的机遇与挑战

1.4.1机遇

1.4.2挑战

1.5大数据分析的相关概念

1.5.1大数据分析的概念

1.5.2大数据分析与传统数据分析的比较

1.5.3大数据分析的流程

1.5.4大数据分析的基础模型

1.6大数据的应用

题

参文献

第2章数据分析基础

2.1数据的类型与分布

2.1.1体和样本

2.1.2定数据和定量数据

2.1.3截面数据和时间序列数据

2.2变量之间的关系

2.2.1协方差

2.2.2相关系数

2.3数据的可视化——基于excel的应用

2.3.1散点图

2.3.2柱形图和折线图

2.3.3数据透视表

2.4数据的输入

2.4.1数据的输入方法

2.4.2数据有效

2.4.3条件函数if

2.4.4函数vlookup

题

第3章回归分析

3.1线和非线回归

3.1.1线回归及其excel中的实现

3.1.2小二乘回归

3.1.3非线回归及其excel中的实现

3.2多元回归

3.2.1多元回归的概念

3.2.2多重共线

3.2.3多元回归及其ss中的实现

3.2.4居民存款影响因素多元回归案例分析

3.3岭回归

3.3.1岭回归的概念

3.3.2岭回归及其在ss中的实现

3.3.3居民存款影响因素岭回归案例分析

3.4lasso回归

3.4.1lasso回归的概念

3.4.2lasso回归及其ss中的

实现

3.4.3居民存款影响因素lasso回归案例分析

题

参文献

第4章聚类算法

4.1聚类的

4.2k-means聚类

4.2.1k-means聚类算法的

4.2.2k-means聚类算法在matlab中的实现

4.3k近邻算法

4.3.1k近邻算法的

4.3.2k近邻算法在matlab中的实现

4.3.3鸢尾花分类案例分析

4.4模糊c-均值算法

4.4.1模糊c-均值算法的

4.4.2模糊c-均值算法在matlab中的实现

4.4.3用户需求聚类案例分析

题

参文献

第5章算法

5.1协同过滤算法

5.1.1基于用户的协同过滤算法

5.1.2基于商品的协同过滤算法

5.1.3案例分析1：汽车交易台

5.1.4案例分析2：电影

5.2协同过滤算法常见的问题以及对策

5.2.1冷启动问题及对策

5.2.2稀疏问题及对策

5.3基于内容的算法

5.3.1基于结构化内容的

5.3.2基于非结构化内容的

5.4基于模型的算法

5.5基于关联规则的算法

5.6信息隐私与基于隐私保护的方案方法

5.6.1信息隐私

5.6.2基于隐私保护的方案方法

5.7信息污染与信任算法

5.7.1信息污染

5.7.2信任算法

5.8信息茧房

题

参文献

第6章文本挖掘

6.1文本挖掘的应用价值

6.2文本挖掘的流程

6.2.1文本挖掘的关键技术

6.2.2文档收集方法

6.2.3分词技术

6.2.4词的表示形式

6.2.5文本特征属处理

6.3lda主题模型

6.3.1lda主题模型介绍

6.3.2吉布斯采样

6.3.3lda主题模型训练过程

6.4基于lda主题模型的客户需求挖掘案例分析

题

参文献

第7章启发式算法

7.1启发式算法的基本

7.1.1启发式函数

7.1.2搜索策略

7.2启发式算法的类型

7.2.1仿动物类启发式算法

7.2.2仿植物类启发式算法

7.3遗传算法及其实现

7.3.1遗传算法的

7.3.2遗传算法的步骤

7.3.3遗传算法的计算机实现

7.4粒子群算法及其实现

7.4.1粒子群算法的

7.4.2粒子群算法的步骤

7.4.3粒子群算法的计算机实现

7.5物流配送中心选址案例分析

题

参文献

第8章支持向量机

8.1支持向量机的

8.1.1支持向量机的由来

8.1.2支持向量机的发展

8.2支持向量机算法

8.2.1支持向量机的模型算法

8.2.2支持向量机模型优化算法

8.2.3核函数

8.2.4支持向量机算法的计算机实现

8.3支持向量机算法参数优化

8.3.1模糊支持向量机

8.3.2小二乘支持向量机

8.3.3粒子群算法优化支持向量机

8.4算法应用及案例分析

题

参文献

第9章神经网络

9.1发展历程

9.2基础模型

9.2.1神经元

9.2.2网络结构

9.3典型神经网络

9.3.1反向传播神经网络

9.3.2卷积神经网络

9.3.3长短期记忆网络

9.4人工智能的中立

9.5信息不公

9.6应用案例

9.6.1卷积用于情感分析

9.6.2lstm用于预测：滑坡位移预测

9.7数字技术伦理规范

题

参文献