预测性分析:基于数据科学的方法:data mining, machine learning and data science for practitioners
正版保障 假一赔十 可开发票
￥ 59.81 6.7折 ￥ 89 全新
库存81件
广东广州
认证卖家担保交易快速发货售后保障
作者(美)杜尔森·德伦(Dursum Delen)著
出版社机械工业出版社
ISBN9787111718345
出版时间2023-01
装帧平装
开本16开
定价89元
货号12138981
上书时间2024-12-23
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 分析导论1<br />1.1 名称中有什么关系2<br />1.2 为什么分析和数据科学会突然<br /> 流行起来4<br />1.3 分析的应用领域5<br />1.4 分析面临的主要挑战5<br />1.5 分析的纵向视图6<br />1.6 分析的简单分类9<br />1.7 分析的前沿：IBM Watson12<br />小结16<br />参考文献17<br />第2章 预测性分析和数据挖掘导论18<br />2.1 什么是数据挖掘20<br />2.2 数据挖掘不是什么21<br />2.3 最常见的数据挖掘应用22<br />2.4 数据挖掘能够发现什么样的模式25<br />2.5 流行的数据挖掘工具28<br />2.6 数据挖掘的潜在问题：隐私问题31<br />小结36<br />参考文献36<br />第3章 预测性分析的标准流程38<br />3.1 数据库的知识发现流程38<br />3.2 跨行业数据挖掘的标准流程39<br />3.3 SEMMA43<br />3.4 SEMMA和CRISP-DM45<br />3.5 数据挖掘的六西格玛46<br />3.6 哪种方法优选47<br />小结51<br />参考文献51<br />第4章 预测性分析的数据和方法52<br />4.1 数据分析中数据的本质52<br />4.2 分析中的数据预处理54<br />4.3 数据挖掘方法57<br />4.4 预测57<br />4.5 分类58<br />4.6 决策树63<br />4.7 数据挖掘中的聚类分析65<br />4.8 k均值聚类算法67<br />4.9 关联68<br />4.10 Apriori算法70<br />4.11 数据挖掘和预测性分析的误解<br /> 与现实71<br />小结77<br />参考文献77<br />第5章 预测性分析算法79<br />5.1 朴素贝叶斯79<br />5.2 最近邻算法82<br />5.3 相似度度量：距离83<br />5.4 人工神经网络85<br />5.5 支持向量机88<br />5.6 线性回归91<br />5.7 逻辑回归94<br />5.8 时间序列预测95<br />小结99<br />参考文献99<br />第6章 预测性建模中的高阶主题102<br />6.1 模型集成102<br />6.2 预测性分析中的偏差–方差权衡112<br />6.3 预测性分析中的非平衡数据问题115<br />6.4 预测性分析中机器学习模型的<br /> 可解释性118<br />小结124<br />参考文献124<br />第7章 文本分析、主题建模和<br /> 情感分析126<br />7.1 自然语言处理129<br />7.2 文本挖掘应用132<br />7.3 文本挖掘流程135<br />7.4 文本挖掘工具143<br />7.5 主题建模144<br />7.6 情感分析146<br />小结153<br />参考文献154<br />第8章 预测性分析使用的大数据156<br />8.1 大数据从何而来156<br />8.2 定义大数据的V158<br />8.3 大数据的基本概念160<br />8.4 大数据分析解决的业务问题163<br />8.5 大数据技术163<br />8.6 数据科学家169<br />8.7 大数据和流分析171<br />8.8 数据流挖掘172<br />小结174<br />参考文献175<br />第9章 深度学习和认知计算176<br />9.1 深度学习导论176<br />9.2 浅层神经网络基础179<br />9.3 人工神经网络的要素181<br />9.4 深度神经网络186<br />9.5 卷积神经网络189<br />9.6 循环神经网络与长短时记忆网络195<br />9.7 实现深度学习的计算机框架199<br />9.8 认知计算201<br />小结209<br />参考文献209<br />附录 KNIME及商业分析和<br /> 数据科学工具前景展望213
精彩内容
本书全面介绍了预测性分析相关方法，不仅直观地阐述了相关概念，还给出了现实的示例问题和真实的案例研究—包括从失败项目获得的经验教训。<br />本书理论和实践内容相对平衡，便于读者加深理解。<br />全书共9章，外加一个附录。<br />第1章为分析导论，<br />第2章为预测性分析和数据挖掘导论，<br />第3章介绍预测性分析的标准流程，<br />第4章介绍预测性分析的数据和方法，<br />第5章介绍预测性分析算法，<br />第6章探讨预测性建模中的高阶主题，<br />第7章介绍文本分析、主题建模和情感分析，<br />第8章介绍预测性分析使用的大数据，<br />第9章介绍深度学习和认知计算，<br />附录展望了商业分析和数据科学工具的前景。<br />本书适合计算机科学、数据科学和商业分析领域的相关从业人员阅读。
— 没有更多了 —
以下为对购买帮助不大的评价