{正版现货新书} 数据挖掘与商务智能 9787512156500 朱明皓, 谢祥, 穆文歆, 主编
全新正版现货，以书名为准，放心购买，购书咨询18515909251朱老师
￥ 28.87 5.9折 ￥ 49 全新
库存82件
北京丰台
作者朱明皓, 谢祥, 穆文歆, 主编
出版社北京交通大学出版社
ISBN9787512156500
出版时间2025-08
装帧平装
开本26
定价49元
货号200030126
上书时间2026-01-24
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 商务智能概述 1
1.1 基本概念 1
1.1.1 商务智能的定义 1
1.1.2 商务智能的发展 3
1.1.3 商务智能的主要功能 4
1.2 框架和流程 5
1.2.1 商务智能的体系框架 5
1.2.2 商务智能系统的处理流程 6
1.3 支撑技术 7
1.3.1 数据仓库技术 7
1.3.2 在线分析处理技术 8
1.3.3 数据挖掘技术 8
1.4 主要应用和发展趋势 9
1.4.1 商务智能的主流软件 9
1.4.2 商务智能的应用场景 11
1.4.3 商务智能的发展趋势 12
小结 13
习题 14
第2章 数据挖掘概述 15
2.1 引论 15
2.1.1 数字社会 15
2.1.2 人工智能的浪潮 16
2.2 数据、信息与知识 16
2.2.1 数据概述 16
2.2.2 信息概述 17
2.2.3 知识概述 17
2.3 基本概念 18
2.3.1 数据挖掘的定义 18
2.3.2 数据挖掘的功能 19
2.3.3 数据挖掘的研究问题 21
2.4 数据类型和来源 21
2.4.1 数据挖掘的数据类型 21
2.4.2 数据挖掘的数据来源 22
2.5 核心技术 23
2.5.1 统计学 23
2.5.2 机器学习 23
2.5.3 信息检索 24
2.6 应用场景与安全问题 25
2.6.1 数据挖掘的应用场景 25
2.6.2 数据挖掘的安全问题 26
小结 26
习题 27
第3章 Python基础 28
3.1 Python环境的搭建 28
3.1.1 Python简介 28
3.1.2 Python环境的配置 29
3.1.3 Python开发工具 32
3.1.4 Python库的安装 34
3.2 numpy库 36
3.2.1 numpy库安装验证 36
3.2.2 NDarray对象创建 37
3.2.3 NDarray数组属性 38
3.2.4 NDarray数据类型 39
3.2.5 NDarray数组切片 40
3.2.6 NDarray高级索引 41
3.2.7 NDarray数组翻转 42
3.2.8 NDarray数组连接 43
3.2.9 NDarray数组分裂 44
3.2.10 NDarray数组计算 44
3.3 pandas库 45
3.3.1 pandas库安装验证 45
3.3.2 pandas库数据结构 46
3.3.3 DataFrame创建 47
3.3.4 DataFrame属性 49
3.3.5 DataFrame读取 50
3.3.6 DataFrame时间序列操作 51
3.3.7 DataFrame修改表结构 52
3.3.8 DataFrame筛选数据 53
3.3.9 DataFrame分组统计 54
3.4 matplotlib库 56
3.4.1 matplotlib库安装验证 56
3.4.2 绘制函数 56
3.4.3 线条的设置 58
3.4.4 坐标轴的设置 60
3.4.5 图例的设置 62
3.5 pyecharts库 65
3.5.1 pyecharts库安装验证 65
3.5.2 绘制图表 65
3.5.3 配置项 67
3.5.4 Web框架整合 70
3.5.5 绘制组合图表 73
小结 75
习题 76
第4章 数据采集与预处理 77
4.1 数据采集 77
4.2 数据的描述性统计 78
4.2.1 集中趋势度量 78
4.2.2 离散趋势度量 80
4.3 数据预处理 83
4.3.1 数据预处理概述 83
4.3.2 数据清洗 83
4.3.3 数据集成 86
4.3.4 数据变换 88
4.3.5 数据归约 91
4.4 数据存储 92
4.4.1 TXT、Excel、CSV 92
4.4.2 数据库 95
4.4.3 云存储 98
4.4.4 数据仓库 100
小结 101
习题 102
第5章 网络爬虫技术 103
5.1 初识网络爬虫 103
5.1.1 网络爬虫概述 103
5.1.2 网络爬虫分类 104
5.1.3 网络爬虫原理 105
5.1.4 网络爬虫约束 106
5.2 Web前端 107
5.2.1 HTTP基本原理 107
5.2.2 HTML语言 111
5.2.3 CSS层叠样式表 115
5.2.4 JavaScript动态脚本语言 116
5.3 数据请求库requests 117
5.3.1 GET请求 118
5.3.2 POST请求 120
5.3.3 添加请求头headers 121
5.3.4 超时设置 121
5.4 数据解析库Xpath 122
5.4.1 Xpath概述 122
5.4.2 Xpath常用路径表达式 122
5.4.3 Xpath解析HTML 123
5.4.4 Xpath获取节点 125
5.4.5 Xpath获取文本 126
5.4.6 Xpath属性匹配 126
5.5 正则表达式 127
5.5.1 匹配规则 128
5.5.2 查找一个匹配项 129
5.5.3 查找多个匹配项 129
5.5.4 分割字符串 130
5.5.5 替换字符串 131
5.5.6 正则表达式对象 132
5.6 爬虫实战：豆瓣电影Top 250 132
小结 136
习题 137
第6章 数据挖掘基础算法 138
6.1 机器学习概述 138
6.1.1 机器学习的定义 138
6.1.2 机器学习的一般方法 140
6.1.3 机器学习的分类 141
6.1.4 过拟合与欠拟合 142
6.1.5 机器学习性能评估 143
6.1.6 scikit-learn简介 146
6.2 回归分析 147
6.2.1 回归分析概述 147
6.2.2 简单线性回归 148
6.2.3 多元线性回归 150
6.2.4 逻辑回归 152
6.3 分类分析 154
6.3.1 分类分析概述 155
6.3.2 基于规则的分类 156
6.3.3 基于最近邻的分类 158
6.3.4 决策树分类 160
6.3.5 贝叶斯分类 163
6.3.6 支持向量机分类 166
6.3.7 随机森林分类 168
6.3.8 人工神经网络 170
6.4 聚类分析 171
6.4.1 聚类分析概述 172
6.4.2 K-means聚类 173
6.4.3 DBSCAN聚类 176
6.5 关联分析 179
6.5.1 关联分析概述 179
6.5.2 关联分析的概念及流程 180
6.5.3 Apriori算法原理 182
6.5.4 Apriori算法实现 184
小结 186
习题 187
第7章 文本挖掘技术 188
7.1 文本挖掘概述 188
7.1.1 文本数据的概念 188
7.1.2 自然语言处理技术概述 189
7.1.3 文本挖掘的定义和难点 190
7.1.4 文本挖掘的过程 192
7.1.5 算法常用库的介绍 193
7.2 数据预处理 194
7.2.1 中文分词 194
7.2.2 数据清洗 196
7.2.3 词性标注 199
7.2.4 特征词选择和权重 199
7.3 情感分析 200
7.3.1 情感分析概述 200
7.3.2 情感分析Python实现——SnowNLP库与朴素贝叶斯算法 201
7.4 主题挖掘 202
7.4.1 主题挖掘概述 203
7.4.2 主题挖掘Python实现——LDA模型 204
小结 209
习题 209
第8章 深度学习 211
8.1 神经网络 211
8.1.1 神经网络结构 211
8.1.2 反向传播算法 214
8.1.3 深度学习的兴起 217
8.2 卷积神经网络 218
8.2.1 从全连接层到卷积 218
8.2.2 卷积神经网络的特性 219
8.2.3 经典卷积神经网络模型 222
8.2.4 基于PyTorch的实现 224
8.3 循环神经网络 228
8.3.1 循环神经网络结构 228
8.3.2 长短期记忆 230
8.3.3 门控循环单元 232
8.3.4 基于PyTorch的实现 233
8.4 图神经网络 237
8.4.1 图基础知识 237
8.4.2 图神经网络模型 239
8.4.3 基于PyTorch的实现 242
小结 243
习题 244
参考文献 245
内容摘要
本书系统介绍了数据挖掘与商务智能的理论基础、
核心技术与关键算法，并采用Python语言进行代码介绍。本书共8章，内容安排循序渐进，理论体系完整，从框架到具体实现层次分明；实践导向明确，融入文本挖掘、深度学习等最新技术。
同时，每章配有精心设计的习题，支持理论学习与实践操作的有机结合。
本书适合作为高等院校人文社科类、计算机科学与技术、人工智能、数据科学与大数据技术等相关专业的本科生和研究生教材，也可供从事数据分析、商务智能开发的技术人员和管理人员参考。
精彩内容
本书系统地介绍了数据挖掘与商务智能的理论基础、核心技术与关键算法，并采用Python语言进行代码介绍。本书共 8 章，内容安排循序渐进，理论体系完整，从框架到具体实现层次分明；实践导向明确，融入文本挖掘、深度学习等**技术。同时，每章配有精心设计的习题，支持理论学习与实践操作的有机结合。 本书适合作为高等院校人文社科类、计算机科学与技术、人工智能、数据科学与大数据技术等相关专业的本科生和研究生教材，也可供从事数据分析、商务智能开发的技术人员和管理人员参考。
以下为对购买帮助不大的评价