包邮Python数据分析与挖掘实战

前　言基　础　篇第1章　数据挖掘基础21.1　某知名连锁餐饮企业的困惑21.2　从餐饮服务到数据挖掘31.3　数据挖掘的基本任务41.4　数据挖掘建模过程41.4.1　定义挖掘目标41.4.2　数据取样51.4.3　数据探索61.4.4　数据预处理71.4.5　挖掘建模71.4.6　模型评价71.5　常用的数据挖掘建模工具71.6　小结9第2章　python数据分析简介102.1　搭建python开发平台122.1.1　所要考虑的问题122.1.2　基础平台的搭建122.2　python使用入门132.2.1　运行方式142.2.2　基本命令152.2.3　数据结构172.2.4　库的导入与添加202.3　python数据分析工具222.3.1　numpy232.3.2　scipy242.3.3　matplotlib242.3.4　pandas262.3.5　statsmodels272.3.6　scikit-learn282.3.7　keras292.3.8　gensim302.4　配套资源使用设置312.5　小结32第3章　数据探索333.1　数据质量分析333.1.1　缺失值分析343.1.2　异常值分析343.1.3　一致性分析373.2　数据特征分析373.2.1　分布分析373.2.2　对比分析403.2.3　统计量分析413.2.4　周期性分析443.2.5　贡献度分析453.2.6　相关性分析473.3　python主要数据探索函数503.3.1　基本统计特征函数503.3.2　拓展统计特征函数533.3.3　统计作图函数543.4　小结59第4章　数据预处理604.1　数据清洗604.1.1　缺失值处理604.1.2　异常值处理644.2　数据集成644.2.1　实体识别644.2.2　冗余属性识别654.3　数据变换654.3.1　简单函数变换654.3.2　规范化664.3.3　连续属性离散化684.3.4　属性构造704.3.5　小波变换714.4　数据规约744.4.1　属性规约744.4.2　数值规约774.5　python主要数据预处理函数804.6　小结81第5章　挖掘建模835.1　分类与预测835.1.1　实现过程835.1.2　常用的分类与预测算法845.1.3　回归分析855.1.4　决策树895.1.5　人工神经网络955.1.6　分类与预测算法评价1005.1.7　python分类预测模型特点1035.2　聚类分析1045.2.1　常用聚类分析算法1045.2.2　k-means聚类算法1055.2.3　聚类分析算法评价1115.2.4　python主要聚类分析算法1115.3　关联规则1135.3.1　常用关联规则算法1145.3.2　apriori算法1145.4　时序模式1195.4.1　时间序列算法1205.4.2　时间序列的预处理1205.4.3　平稳时间序列分析1225.4.4　非平稳时间序列分析1245.4.5　python主要时序模式算法1325.5　离群点检测1345.5.1　离群点检测方法1355.5.2　基于模型的离群点检测方法1365.5.3　基于聚类的离群点检测方法1385.6　小结141实　战　篇第6章　电力窃漏电用户自动识别1446.1　背景与挖掘目标1446.2　分析方法与过程1476.2.1　数据抽取1486.2.2　数据探索分析1486.2.3　数据预处理1516.2.4　构建专家样本1566.2.5　模型构建1576.3　上机实验1616.4　拓展思考1626.5　小结163第7章　航空公司客户价值分析1647.1　背景与挖掘目标1647.2　分析方法与过程1667.2.1　数据抽取1687.2.2　数据探索分析1687.2.3　数据预处理1697.2.4　模型构建1737.3　上机实验1777.4　拓展思考1787.5　小结179第8章　中医证型关联规则挖掘1808.1　背景与挖掘目标1808.2　分析方法与过程1818.2.1　数据获取1838.2.2　数据预处理1868.2.3　模型构建1908.3　上机实验1938.4　拓展思考1948.5　小结194第9章　基于水色图像的水质评价1959.1　背景与挖掘目标1959.2　分析方法与过程1959.2.1　数据预处理1979.2.2　模型构建1999.2.3　水质评价2019.3　上机实验2029.4　拓展思考2029.5　小结203第10章　家用电器用户行为分析与事件识别20410.1　背景与挖掘目标20410.2　分析方法与过程20510.2.1　数据抽取20610.2.2　数据探索分析20710.2.3　数据预处理20710.2.4　模型构建21710.2.5　模型检验21910.3　上机实验22010.4　拓展思考22110.5　小结222第11章　应用系统负载分析与磁盘容量预测22311.1　背景与挖掘目标22311.2　分析方法与过程22511.2.1　数据抽取22611.2.2　数据探索分析22611.2.3　数据预处理22711.2.4　模型构建22911.3　上机实验23511.4　拓展思考23611.5　小结237第12章　电子商务网站用户行为分析及服务推荐23812.1　背景与挖掘目标23812.2　分析方法与过程24012.2.1　数据抽取24212.2.2　数据探索分析24412.2.3　数据预处理25112.2.4　模型构建25612.3　上机实验26612.4　拓展思考26712.5　小结269第13章　财政收入影响因素分析及预测模型27013.1　背景与挖掘目标27013.2　分析方法与过程27213.2.1　灰色预测与神经网络的组合模型27313.2.2　数据探索分析27413.2.3　模型构建27713.3　上机实验29413.4　拓展思考29513.5　小结296第14章　基于基站定位数据的商圈分析29714.1　背景与挖掘目标29714.2　分析方法与过程29914.2.1　数据抽取29914.2.2　数据探索分析29914.2.3　数据预处理30114.2.4　模型构建30414.3　上机实验30814.4　拓展思考30914.5　小结309第15章　电商产品评论数据情感分析31015.1　背景与挖掘目标31015.2　分析方法与过程31015.2.1　评论数据采集31115.2.2　评论预处理31415.2.3　文本评论分词32015.2.4　模型构建32015.3　上机实验33315.4　拓展思考33415.5　小结335参考文献336