《Python数据分析与挖掘实战》PDF+完整源码

机器学习AI算法⼯程：datayx

《Python数据分析与挖掘实战》

本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了⼀个个真实案例，通过对案例深⼊浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项⽬经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利⽤随书配套的案例建模数据，借助相关的数据挖掘建模⼯具，通过上机实验，以快速理解相关知识与理论。

基础篇（第1～5章），第1章的主要内容是数据挖掘概述；第2章对本书所⽤到的数据挖掘建模⼯具Python语⾔进⾏了简明扼要的说明；第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常⽤算法与原理进⾏了介绍。

实战篇（第6～15章），重点对数据挖掘技术在电⼒、航空、医疗、互联⽹、⽣产制造以及公共服务等⾏业的应⽤进⾏了分析。在案例结构组织上，本书是按照先介绍案例背景与挖掘⽬标，再阐述分析⽅法与过程，最后完成模型构建的顺序进⾏的，在建模过程的关键环节，穿插程序实现代码。最后通过上机实践，加深读者对数据挖掘技术在案例应⽤中的理解。

fe光模块《Python数据分析与挖掘实战》 PDF +源码获取⽅式：

转发本⽂⾄朋友圈，保持⾄少3⼩时，截图发给本 datayx 即可。

⽬录

前⾔

基础篇

第1章　数据挖掘基础2

1.1　某知名连锁餐饮企业的困惑2

1.2　从餐饮服务到数据挖掘3 1.3　数据挖掘的基本任务4 1.4　数据挖掘建模过程4

1.4.1　定义挖掘⽬标4

1.4.2　数据取样5

1.4.3　数据探索6

1.4.4　数据预处理7

1.4.5　挖掘建模7

1.4.6　模型评价7

1.5　常⽤的数据挖掘建模⼯具7 1.6　⼩结9

第2章　Python数据分析简介10 2.1　搭建Python开发平台12 2.1.1　所要考虑的问题12

2.1.2　基础平台的搭建12

2.2　Python使⽤⼊门13

2.2.1　运⾏⽅式14

2.2.2　基本命令15

2.2.3　数据结构17

2.2.4　库的导⼊与添加20

2.3　Python数据分析⼯具22 2.

3.1　Numpy23

2.3.2　Scipy24

2.3.3　Matplotlib24

2.3.4　Pandas26

2.3.5　StatsModels27

视频压缩卡2.3.6　Scikit-Learn28

2.3.6　Scikit-Learn28

2.3.7　Keras29

2.3.8　Gensim30

2.4　配套资源使⽤设置31

2.5　⼩结32

第3章　数据探索33

3.1　数据质量分析33

3.1.1　缺失值分析34

3.1.2　异常值分析34

3.1.3　⼀致性分析37

3.2　数据特征分析37

3.2.1　分布分析37

3.2.2　对⽐分析40

3.2.3　统计量分析41

3.2.4　周期性分析44

3.2.5　贡献度分析45

3.2.6　相关性分析47

3.3　Python主要数据探索函数50 3.3.1　基本统计特征函数50

3.3.2　拓展统计特征函数53智慧教室互动黑板

3.3.3　统计作图函数54

3.4　⼩结59

第4章　数据预处理60

4.1　数据清洗60

4.1.1　缺失值处理60

4.1.2　异常值处理64

增压供水4.2　数据集成64

4.2.1　实体识别64

4.2.2　冗余属性识别65

4.3　数据变换65

4.3.1　简单函数变换65

4.3.2　规范化66

4.3.3　连续属性离散化68

4.3.4　属性构造70

4.3.5　⼩波变换71

4.4　数据规约74

4.4.1　属性规约74

4.4.2　数值规约77

4.5　Python主要数据预处理函数80 4.6　⼩结81

第5章　挖掘建模83

5.1　分类与预测83

5.1.1　实现过程83

5.1.2　常⽤的分类与预测算法84 5.1.3　回归分析85

5.1.4　决策树89

5.1.5　⼈⼯神经⽹络95

5.1.6　分类与预测算法评价100 5.1.7　Python分类预测模型特点103 5.2　聚类分析104

5.2.1　常⽤聚类分析算法104

5.2.2　K-Means聚类算法105

5.2.3　聚类分析算法评价111

5.2.4　Python主要聚类分析算法111

5.3　关联规则113

5.3.1　常⽤关联规则算法114

断纸机5.3.2　Apriori算法114

5.4　时序模式119

5.4.1　时间序列算法120

5.4.2　时间序列的预处理120

5.4.3　平稳时间序列分析122

5.4.4　⾮平稳时间序列分析124

紧急呼叫5.4.5　Python主要时序模式算法132 5.5　离点检测134

5.5.1　离点检测⽅法135

5.5.2　基于模型的离点检测⽅法136 5.5.3　基于聚类的离点检测⽅法138 5.6　⼩结141

实战篇

第6章　电⼒窃漏电⽤户⾃动识别144 6.1　背景与挖掘⽬标144

6.2　分析⽅法与过程147

6.2.1　数据抽取148

6.2.2　数据探索分析148

6.2.3　数据预处理151

6.2.4　构建专家样本156

6.2.5　模型构建157

6.3　上机实验161

6.4　拓展思考162

6.5　⼩结163

第7章　航空公司客户价值分析164

本文发布于:2024-09-22 05:37:32，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/2/189972.html

上一篇：点特征提取

下一篇：最新数据仓库和数据挖掘题库

标签：数据数据挖掘分析

留言与评论（共有 0 条评论）