章 數據分析概述 1 1.1 什麼是數據挖掘 2 1.2 數據挖掘與數據分析的關繫 6 1.3 數據挖掘與機器學習的關繫 8 1.4 機器學習算法簡介 13 第2章 數據思維 19 2.1 數據思維認知 21 2.2 數據思維認知的主觀性與客觀性 26 2.3 數據挖掘“定律” 29 第3章 邏輯回歸 37 3.1 邏輯回歸基礎:從線性回歸到邏輯回歸 38 3.2 邏輯回歸函數構建 41 3.3 邏輯回歸問題求解 46 3.4 邏輯回歸模型評估 49 3.5 Python代碼實現 55 第4章 決策樹 65 4.1 決策樹基礎 66 4.2 決策樹算法 70 4.3 Python代碼實現 86 第5章 樸素貝葉斯 95 5.1 概率論基礎 96 5.2 從貝葉斯公式到樸素貝葉斯分類 100 5.3 Python代碼實現 106 第6章 聚類分析 113 6.1 聚類分析基礎 115 6.2 聚類算法 121 6.3 Python代碼實現 128 第7章 關聯規則 137 7.1 關聯規則基礎 140 7.2 關聯規則算法 143 7.3 Python代碼實現 147 第8章 人工神經網絡 151 8.1 人工神經網絡基礎 153 8.2 BP(誤差逆傳播前饋)神經網絡 158 8.3 Python代碼實現 164 第9章 集成學習 169 9.1 集成學習基礎 170 9.2 集成學習算法 174 參考資料 181 |