公安大数据应用基础

图书标准信息

• 作者 邱明月 著
• 出版社 电子工业出版社
• 出版时间 2020-09
• 版次 1
• ISBN 9787121384004
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 页数 288页
• 字数 99999千字

【内容简介】

本书以公安大数据应用型教改实践为出发点，以公安实战案例化教学思想为导向，将教学内容合理地划分为3个模块：大数据理论模块(第1章)，主要介绍大数据的概念、发展、应用和常用的数据挖掘工具，旨在使读者初步理解大数据；数据分析与挖掘模块(第2～9章)，主要介绍SPSS Modeler软件、数据清洗、时间序列分析、决策树、人工神经网络、Logistic回归分析、关联分析和聚类分析，充分结合公安大数据的特点，给出多个实战型、功能型案例；数据可视化模块(第10章)，主要介绍数据可视化的基本概念和操作，给出6个典型、完整的公安工作中的数据可视化案例，提高读者的数据可视化处理能力。    本书适合作为公安类本科院校和高职高专院校大数据相关课程的教材及参考书，也可供相关技术人员参考。

【作者简介】

邱明月，女，讲师，2015年~2016年，福冈工业大学博士后研究员，2016年至今，任南京森林警察学院信息技术学院教师，现任情报技术教研室主任。主要从事方向为公安情报、数据挖掘。

【目录】

大数据理论模块
第1章  大数据理论2
1．1  大数据的概念2
1．1．1  大数据的定义2
1．1．2  大数据的本质2
1．1．3  大数据的分类3
1．1．4  大数据的特征5
1．1．5  大数据的功能6
1．1．6  大数据处理的基本流程6
1．2  大数据的发展7
1．2．1  大数据的发展现状7
1．2．2  大数据的发展趋势7
1．3  大数据的应用8
1．3．1  企业内部大数据8
1．3．2  在线社交网络大数据8
1．3．3  健康医疗大数据9
1．3．4  金融大数据9
1．4  常用的数据挖掘工具10
1．4．1  Tableau10
1．4．2  Excel10
1．4．3  SPSS Modeler11
数据分析与挖掘模块
第2章  SPSS Modeler软件14
2．1  SPSS Modeler 软件概述14
2．1．1  SPSS Modeler界面14
2．1．2  数据流的基本管理和执行16
2．1．3  数据流的其他管理18
2．1．4  SPSS Modeler应用案例20
2．2  SPSS Modeler数据的读入25
2．2．1  变量的类型25
2．2．2  读数据26
2．2．3  生成实验方案数据32
2．2．4  数据合并34
2．3  SPSS Modeler数据的基本分析38
2．3．1  数据质量38
2．3．2  基本描述分析44
2．3．3  变量分布探索47
2．3．4  二分类型变量相关性研究49
2．3．5  两总体的平均值比较56
2．3．6  变量的重要性分析62
第3章  数据清洗67
3．1  数据清洗概述67
3．1．1  数据清洗的概念67
3．1．2  数据清洗的对象67
3．1．3  数据清洗的一般步骤68
3．1．4  数据清洗的常用方式69
3．1．5  数据清洗的基本方法69
3．2  Excel数据清洗的基本操作70
3．2．1  重复值的处理70
3．2．2  缺失值及异常值的处理74
3．3  Excel数据加工的基本操作78
3．3．1  字段分列78
3．3．2  字段合并79
3．3．3  字段匹配80
3．3．4  数据分组81
3．4  Excel数据透视表81
3．4．1  数据透视表应用81
3．4．2  数据透视表的实用技巧85
第4章  时间序列分析89
4．1  时间序列89
4．1．1  时间序列概述89
4．1．2  时间序列的预测步骤90
4．2  移动平均法90
4．2．1  一次移动平均法91
4．2．2  二次移动平均法94
4．3  指数平滑法96
4．3．1  一次指数平滑法97
4．3．2  二次指数平滑法98
4．3．3  三次指数平滑法104
第5章  分类预测：决策树110
5．1  决策树概述110
5．1．1  什么是决策树110
5．1．2  决策树的几何理解111
5．1．3  决策树的核心问题111
5．2  SPSS Modeler中的C5．0算法及应用113
5．2．1  C5．0决策树的分割点113
5．2．2  C5．0决策树的剪枝过程114
5．2．3  C5．0决策树的推理规则集115
5．2．4  C5．0决策树的应用116
5．3  SPSS Modeler中的C＆RT算法及应用123
5．3．1  C＆RT的生长过程124
5．3．2  C＆RT的剪枝过程125
5．3．3  C＆RT的应用127
5．4  SPSS Modeler中的CHAID算法及应用129
5．4．1  CHAID算法的最佳分组变量130
5．4．2  CHAID算法的剪枝过程130
5．4．3  Exhaustive CHAID算法131
5．4．4  CHAID算法的应用131
5．5  SPSS Modeler中的QUEST算法及应用132
5．5．1  QUEST算法的最佳分割点132
5．5．2  QUEST算法的应用133
5．6  决策树算法的评估和注意事项134
第6章  分类预测：人工神经网络143
6．1  人工神经网络概述143
6．1．1  人工神经网络的概念和种类143
6．1．2  人工神经网络中的节点145
6．1．3  建立人工神经网络的一般步骤147
6．2  SPSS Modeler中的B-P反向传播网络149
6．2．1  感知器模型149
6．2．2  B-P反向传播网络152
6．2．3  B-P反向传播算法154
6．2．4  B-P反向传播网络的建立156
6．3  SPSS Modeler中的径向基函数网络159
6．3．1  径向基函数网络159
6．3．2  径向基函数网络中的隐藏层节点和输出节点160
6．3．3  径向基函数网络的学习过程161
6．4  人工神经网络的应用162
第7章  分类预测：Logistic回归分析176
7．1  二项Logistic回归方程176
7．1．1  二项Logistic回归方程概述176
7．1．2  二项Logistic回归方程中系数的含义178
7．2  二项Logistic回归分析的应用180
7．3  多项Logistic回归分析的应用184
第8章  关联分析185
8．1  简单关联规则分析185
8．1．1  简单关联规则的基本概念186
8．1．2  简单关联规则的有效性和实用性187
8．2  Apriori算法190
8．2．1  寻找频繁项集190
8．2．2  依据频繁项集产生简单关联规则192
8．3  Apriori算法的应用193
8．4  序列关联规则分析200
8．4．1  序列关联规则的基本概念200
8．4．2  序列关联规则的时间约束201
8．5  Sequence算法202
8．5．1  产生频繁序列集202
8．5．2  依据频繁序列集生成序列关联规则203
8．6  Sequence算法的应用204
第9章  聚类分析208
9．1  聚类分析概述208
9．2  K-Means聚类算法及应用209
9．2．1  K-Means聚类算法对“亲疏程度”的衡量209
9．2．2  K-Means聚类过程209
9．2．3  K-Means聚类算法的应用211
9．3  两步聚类算法及应用219
9．3．1  两步聚类算法对“亲疏程度”的衡量219
9．3．2  两步聚类过程220
9．3．3  两步聚类算法的应用222
9．4  Kohonen网络聚类算法及应用224
9．4．1  Kohonen网络聚类算法的原理224
9．4．2  Kohonen网络聚类过程225
9．4．3  Kohonen网络聚类算法的应用227
9．5  基于聚类分析的离群值探索及应用230
9．5．1  多维空间基于聚类的诊断方法230
9．5．2  多维空间基于聚类的诊断方法的应用232
数据可视化模块
第10章  数据可视化238
10．1  数据可视化入门238
10．1．1  i2 Analyst’s Notebook 8软件238
10．1．2  基本概念239
10．1．3  数据接口243
10．2  基本功能243
10．2．1  基本操作243
10．2．2  搜索查找245
10．3  功能演练248
10．3．1  话单关系分析248
10．3．2  人员物品动态关系255
10．3．3  银行账户交易分析259
10．3．4  话单ABC分析266
10．3．5  盗窃案旅业分析272
10．3．6  人员活动轨迹275