数据挖掘实用案例分析

第1章数据分析过程的主要问题

1.1业务理解

1.2数据理解

1.3数据质量问题与预处理

1.4数据分析常见陷阱

1.5数据分析方法的选择

1.5.1分类算法

1.5.2聚类算法

1.5.3关联分析

1.5.4回归分析

1.5.5深度学习

1.5.6统计方法

1.6数据分析结果的评价

1.6.1分类算法的评价

1.6.2聚类结果的评价

1.6.3关联分析的评价

1.6.4回归分析结果的评价

1.6.5深度学习的评价

1.7数据分析团队的组建

1.7.1项目经理

1.7.2业务专家

1.7.3数据工程师

1.7.4数据建模人员

1.7.5可视化人员

1.7.6评估人员

1.8数据分析人才培养的难题

1.8.1数理要求高

1.8.2跨学科综合能力

1.8.3国内技术资料少

1.8.4实践机会少

第2章数据挖掘算法的选择——保险产品推荐

2.1业务理解

2.2数据分析目标

2.3数据探索

2.3.1数据质量评估

2.3.2探索数据统计特性

2.3.3数据降维

2.4模型选择过程

2.4.1算法初选

2.4.2算法验证

2.4.3算法优化

2.4.4平衡数据集

2.4.5修改模型参数

2.5总结

第3章常用可视化的多维分析

3.1箱图

3.2雷达图

3.3标签云

3.4气泡图

3.5树图

3.6地图

3.7高低图

3.8双轴图

3.9关系图

3.10热图

第4章SPSS Modeler建模组件介绍

4.1数据预处理组件

4.1.1数据清理组件

4.1.2数据集成组件

4.1.3数据选择组件

4.1.4数据变换组件

4.2数据挖掘建模组件

4.2.1模型筛选

4.2.2自动建模

4.2.3决策树模型

4.2.4贝叶斯网络模型

4.2.5神经网络模型

4.2.6支持向量机模型

4.2.7时间序列模型

4.2.8统计模型

4.2.9聚类模型

4.2.10关联分析

4.2.11KNN模型

4.2.12数据挖掘模式评估

4.3知识表示

4.3.1图形节点

4.3.2数据输出

4.3.3数据导出

第5章香水销售分析

5.1香水销售数据预处理

5.2香水销售数据统计分析

5.3影响香水销量的因素分析

5.4香水适用场所关联分析

5.5香水聚类分析

5.6香水营销建议

第6章银行信用卡欺诈与拖欠行为分析

6.1客户信用等级影响因素

6.1.1客户信用卡申请数据预处理

6.1.2信用卡申请成功影响因素

6.2信用卡客户信用等级影响因素

6.3基于消费的信用等级影响因素

6.4信用卡欺诈判断模型

6.4.1基于Apriori算法的欺诈模型

6.4.2基于判别的欺诈模型

6.4.3基于分类算法的欺诈模型

6.5欺诈人口属性分析

6.5.1欺诈人口属性统计分析

6.5.2基于逻辑回归的欺诈人口属性分析

6.5.3逾期还款的客户特征

6.5.4基于决策树分析逾期客户特征

6.5.5基于回归分析逾期客户特征

6.5.6根据消费历史分析客户特征

6.5.7基于聚类分析客户特征

6.5.8基于客户细分的聚类分析

第7章海底捞火锅运营分析

7.1火锅相关数据抓取

7.2数据预处理

7.3数据分析

7.3.1海底捞运营分析

7.3.2店铺选址分析

7.4菜品关联分析

7.5用户评论与评分的关联分析

7.6顾客情感分析

第8章商务宾馆竞争分析

8.1目前经济型酒店行业竞争态势

8.2用户相关数据准备

8.3通过Python编程抓取评论

8.4数据预处理

8.5商务宾馆客户数据分析

8.5.1酒店评分影响因素

8.5.2酒店评分与酒店业绩关系

8.5.3酒店评分分析

8.5.4客户情感分析

8.5.5竞争分析

8.6建议

第9章耐热导线工厂质量管理数据分析

9.1项目概述

9.2耐热导线生产质量数据预处理

9.3耐热铝线质量检测数据分析

第10章基于逻辑回归模型的高危人员分析

10.1高危人员分析需求

10.2高危人群相关数据收集与预处理

10.3建立模型

第11章卷积神经网络在音频质量评价领域的应用

11.1深度学习基础

11.1.1深度学习的发展过程

11.1.2深度学习常用技术框架

11.1.3常用的深度学习算法

11.2音频质量评价

11.2.1音频样本及特征预处理

11.2.2音频特征选择

11.2.3卷积神经网络模型训练

11.2.4模型参数调优

11.3性能验证

参考文献