数据分析——统计、描述、预测与应用（计算机科学与技术丛书）

图书标准信息

• 作者 [葡]乔·门德斯·莫雷拉、[巴西]安德烈·卡 著
• 出版社 清华大学出版社
• 出版时间 2021-06
• 版次 1
• ISBN 9787302568476
• 定价 79.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 252页
• 字数 343千字

【内容简介】

本书介绍数据分析的统计基础、种类划分,并列举大量实例以说明数据分析方法和算法。内容主要分为4部分,第1部分为第1章,介绍一些概念,简单描述数据分析方法和一些实例; 第2部分包括第2~7 章,介绍描述性分析和数据预处理的主要方法,包括描述统计、多元描述分析、聚类以及频繁模式挖掘等;第3部分包括第8~12章,介绍预测性分析的主要方法,其中包括多种回归算法、二元回归、分类的性能测量以及基于概率和距离测量的方法,以及决策树、人工神经网络和支持向量机等较为先进的方法; 第4部分为第13章,利用描述和预测这两种方法,简单讨论文本、网页以及社交媒体的应用。

 

【作者简介】

[葡]乔·门德斯·莫雷拉（João Mendes Moreira）

 

博士，葡萄牙波尔图大学（University of Porto）工程系教授，葡萄牙波尔图人工智能与决策支持实验室（LIAAD-INESC TEC, Porto）研究员。

 

[巴]安德烈·卡瓦略（André de Carvalho）

 

博士，巴西圣保罗大学（São Paulo）数学和计算机科学研究所教授。

 

[匈]托马斯·霍瓦斯（Tomá? Horváth）

 

博士，匈牙利布达佩斯罗兰大学（Eötvös Loránd University ）助理教授，与斯洛伐克科希策帕沃尔·约瑟夫·沙法利克大学（Pavol Jozef ?afárik University）长期进行科研合作。

【目录】

第1部分背 景 介 绍

 

第1章我们可以用数据做什么

 

1.1大数据和数据科学

 

1.2大数据架构

 

1.3小数据

 

1.4什么是数据

 

1.5数据分析简单分类

 

1.6数据使用实例

 

1.6.1美国威斯康星州的乳腺癌数据

 

1.6.2波兰企业破产数据

 

1.7一个数据分析项目

 

1.7.1数据分析方法论简史

 

1.7.2KDD过程

 

1.7.3CRISPDM方法

 

1.8本书的组织结构

 

1.9本书面向的对象

 

第2部分理 解 数 据

 

第2章描述统计学

 

2.1尺度类型

 

2.2描述单元分析

 

2.2.1单元频数

 

2.2.2单元数据可视化

 

2.2.3单元统计

 

2.2.4常见的单元概率分布

 

2.3描述性双元分析

 

2.3.1两个定量属性

 

2.3.2两个定性属性，其中至少有一个是名义属性

 

2.3.3两个序数属性

 

2.4本章小结

 

2.5练习

 

第3章描述性多元分析

 

3.1多元频数

 

3.2多元数据可视化

 

3.3多元统计

 

3.3.1位置多元统计

 

3.3.2离散多元统计

 

3.4信息图和词云

 

3.4.1信息图

 

3.4.2词云

 

3.5本章小结

 

3.6练习

 

第4章数据质量和预处理

 

4.1数据质量

 

4.1.1缺失值

 

4.1.2冗余数据

 

4.1.3不一致数据

 

4.1.4噪声数据

 

4.1.5离群值

 

4.2转换为不同的尺度类型

 

4.2.1名义尺度转换为相对尺度

 

4.2.2序数尺度转换为相对或绝对尺度

 

4.2.3相对或绝对尺度转换为序数或名义尺度

 

4.3转换为不同尺度

 

4.4数据转换

 

4.5维度降低

 

4.5.1属性聚合

 

4.5.2属性选择

 

4.6本章小结

 

4.7练习

 

第5章聚类

 

5.1距离度量

 

5.1.1常见属性类型值之间的差异

 

5.1.2定量属性对象的距离度量

 

5.1.3非常规属性的距离度量

 

5.2聚类验证

 

5.3聚类技术

 

5.3.1K均值

 

5.3.2DBSCAN

 

5.3.3聚合层次聚类技术

 

5.4本章小结

 

5.5练习

 

第6章频繁模式挖掘

 

6.1频繁项集

 

6.1.1设置最小支持度阈值

 

6.1.2Apriori――基于连接的方法

 

6.1.3Eclat算法

 

6.1.4FPGrowth

 

6.1.5最大频繁项集和闭合频繁项集

 

6.2关联规则

 

6.3支持度与置信度的意义

 

6.3.1交叉支持度模式

 

6.3.2提升度

 

6.3.3辛普森悖论

 

6.4其他模式

 

6.4.1序列模式

 

6.4.2频繁序列挖掘

 

6.4.3闭合和最大序列

 

6.5本章小结

 

6.6练习

 

第7章描述性分析的备忘单和项目

 

7.1描述性分析备忘单

 

7.1.1数据总结

 

7.1.2聚类方法

 

7.1.3频繁模式挖掘

 

7.2描述性分析项目

 

7.2.1理解业务

 

7.2.2理解数据

 

7.2.3准备数据

 

7.2.4建模

 

7.2.5评价

 

7.2.6部署

 

第3部分预 测 未 知

 

第8章回归

 

8.1预测性能评估

 

8.1.1泛化

 

8.1.2模型验证

 

8.1.3回归的预测性能度量

 

8.2寻找模型参数

 

8.2.1线性回归

 

8.2.2偏差卜讲钊ê

 

8.2.3收缩方法

 

8.2.4使用属性的线性组合方法

 

8.3技术选型

 

8.4本章小结

 

8.5练习

 

第9章分类

 

9.1二元分类

 

9.2分类的预测性能度量

 

9.3基于距离的学习算法

 

9.3.1k近邻算法

 

9.3.2基于案例的推理

 

9.4概率分类算法

 

9.4.1逻辑回归算法

 

9.4.2朴素贝叶斯（NB）算法

 

9.5本章小结

 

9.6练习

 

第10章其他预测方法

 

10.1基于搜索的算法

 

10.1.1决策树归纳算法

 

10.1.2回归决策树

 

10.2基于优化的算法

 

10.2.1人工神经网络

 

10.2.2支持向量机

 

10.3本章小结

 

10.4练习

 

第11章高级预测话题

 

11.1集成学习

 

11.1.1Bagging

 

11.1.2随机森林

 

11.1.3AdaBoost

 

11.2算法的偏差

 

11.3非二元分类任务

 

11.3.1单类分类

 

11.3.2多类分类

 

11.3.3排序分类

 

11.3.4多标签分类

 

11.3.5层次分类

 

11.4高级预测数据准备技术

 

11.4.1数据分类不均衡

 

11.4.2不完全目标标记

 

11.5具有监督可解释技术的描述和预测

 

11.6练习

 

第12章预测性分析的备忘单和项目

 

12.1预测性分析备忘单

 

12.2预测性分析项目

 

12.2.1业务理解

 

12.2.2数据理解

 

12.2.3数据准备

 

12.2.4建模

 

12.2.5评估

 

12.2.6部署

 

第4部分常见的数据分析应用

 

第13章文本、网络和社交媒体应用

 

13.1文本挖掘

 

13.1.1数据采集

 

13.1.2特征提取

 

13.1.3剩下的阶段

 

13.1.4趋势

 

13.2推荐系统

 

13.2.1反馈

 

13.2.2推荐任务

 

13.2.3推荐技术

 

13.2.4小结

 

13.3社交网络分析

 

13.3.1社交网络的表示

 

13.3.2节点的基本属性

 

13.3.3网络的基本和结构属性

 

13.3.4趋势和小结

 

13.4练习

 

附录A对CRISPDM方法的全面描述

 

参考文献