●前言
第1章數據的基本概念及其應用
1.1數據與數據處理
1.1.1數據的相關基本概念
1.1.2數據處理的主要概念
1.1.3數據處理的流程
1.1.4數據處理的誤區
1.2數據處理涉及的主要領域
1.2.1統計學
1.2.2數據挖掘
1.2.3雲計算
1.3數據處理的主要方法
1.3.1數據采集
1.3.2數據預處理
1.3.3數據分析
1.3.4數據挖掘算法
第2章Matlab基礎
2.1Matlab簡介
2.1.1Matlab的特點
2.1.2Matlab窗口簡介
2.2數組及其運算
2.2.1變量和數組
2.2.2變量的初始化
2.2.3多維數組
2.2.4子數組
2.2陣列
2.2.6顯示輸出數據
2.2.7數據文件
2.2.8數組運算和矩陣運算
2.2.9內置函數
2.3作圖入門
2.3.1簡單的直角坐標繫作圖
2.3.2作圖的附加特性
2.4Matlab程序設計
2.4.1關繫運算符和邏輯運算符
2.4.2選擇結構
2.4.3循環結構
2.5自定義函數
第3章隨機模擬
3.1隨機數的生成
3.2蒙特卡羅模擬
3.2.1蒙特卡羅模擬估計面積
3.2.2蒙特卡羅模擬尋求近似圓周率
3.2.3蒙特卡羅模擬解決生日問題
3.3隨機行為的模擬
3.4蒙特卡羅模擬應用案例：理發店繫統研究
第4章數據預處理
4.1認識數據
4.1.1屬性
4.1.2離散屬性和連續屬性
4.2數據預處理概述
4.2.1數據清洗
4.2.2數據集成
4.2.3數據歸約
4.2.4數據變換
4.3Matlab與Excel的數據交互
4.3.1以交互方式導入數據
4.3.2讀取和寫入表
4.3.3大型文件和大型數據簡介
4.3.4數據的清理、平滑和分組等
第5章數據探索與分析
5.1數據的特征統計量
5.1.1中心度量趨勢：均值、中位數、眾數
5.1.2常用的變異程度度量
5.1.3分布形態
5.2基本統計描述的可視化
5.2.1分類型數據頻數分布及其可視化
5.2.2直方圖
5.2.3分位數圖和經驗累計分布函數
5.2.4分位數分位數圖——q-q圖
5.2.5箱形圖
5.2.6散點圖
5.3度量數據的相似性和相異性
5.3.1數據矩陣、相異性矩陣、相似性矩陣
5.3.2數值屬性的相似性：相關繫數
5.3.3數值屬性的相異性：距離
5.4數據降維——主成分分析
第線性回歸模型
6.1概述
6曲線擬合
6.2.1案例1——百貨商場銷售額
6.2.2確定很優擬合
6.2.3導出模型到工作空間
6線性回歸模型
6.3.1案例2——牙膏的銷售量
6.3.2案例3——自變量含有分類變量的處理
6.4逐步回歸模型
第7章聚類分析
7.1簡介
7.1.1聚類分析的類型
7.1.2聚類分析的依據
7.2譜繫聚類
7.3k均值聚類
7.3.1k均值聚類概述
7.3.2k均值聚類算法的Matlab函數
7.3.3k均值聚類算法的特點
7.3.4k均值聚類算法綜合應用
7.4層次聚類
7.4.1概述
7.4.2層次聚類算法的Matlab實現
7.4.3層次聚類算法的特點
7.5高斯混合模型聚類
7.5.1簡介
7.5.2高斯混合模型聚類算法的Matlab實現
第8章分類
8.1分類算法簡介
8.1.1邏輯回歸分類算法
8.1.2K近鄰分類算法
8.1.3支持向量機分類算法
8.1.4人工神經網絡分類算法
8.1.5樸素貝葉斯分類算法
8.1.6判別分析分類算法
8.1.7決策樹分類算法
8.1.8集成學習分類算法
8.2分類的評判
8.2.1評判指標
8.2.2ROC曲線和AUC
8.3判別分析分類的具體應用
8.3.1判別分析的定義、特點和類型
8.3.2距離判別
8.3.3貝葉斯判別
8.4使用Classification Learner App實現分類
參考文獻
