| | | 數據挖掘:你須知道的32個經典案例 計算機與互聯網 任昱衡[等]著 | 該商品所屬分類:圖書 -> ε | 【市場價】 | 353-512元 | 【優惠價】 | 221-320元 | 【出版社】 | 電子工業出版社 | 【ISBN】 | 9787121351129 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
![](/c49/32/39853820873.jpg)
出版社:電子工業出版社 ISBN:9787121351129 商品編碼:39853820873 開本:小16開 出版時間:2018-10-01 頁數:271 代碼:59
" 商品基本信息,請以下列介紹為準 | 商品名稱: | 數據挖掘:你須知道的32個經典案例 計算機與互聯網 書籍 | 作者: | 任昱衡 等 | 代碼: | 59.0 | 出版社: | 電子工業出版社 | 出版日期: | 2018-10-01 | ISBN: | 9787121351129 | 印次: | 1 | 版次: | 2 | 裝幀: | 平裝 | 開本: | 小16開 |
內容簡介 | span/span本書是為廣大數據分析師量身定制的入門讀物,它旨在幫助讀者站在大數據時代的制高點。數據分析處於統計學、計算機信息科學、運籌學、數據庫等多個領域的交叉地帶,大數據時代的到來大大豐富了數據分析的內涵,數據分析師的職責與以往相比發生了巨大的改變。本書全面介紹了經典數據分析、模式識別、機器學習、深度學習、數據挖掘、商務智能等多個領域的數據分析算法,將大數據時代的數據分析熱點技術一網打盡。本書為每個數據分析算法都搭配了一個經典案例,並按照由易到難的原則構建知識框架,充分照顧了不同水平讀者的閱讀習慣。通過閱讀本書,讀者將對大數據時代下的數據分析有一個全面的認識。無論是入門級的數據分析員還是有一定基礎的數據分析師,都能通過本書完善、加深對數據分析的認識。 |
目錄 | 目 錄 br / br /br /br /第1章 經典的探索性數據分析案例1br /1.1 探索性數據分析綜述2br /1.1.1 什麼是探索性數據分析2br /1.1.2 如何收集數據4br /1.1.3 數據預處理技術5br /1.2 數據巧收集——紅牛的大數據營銷案例8br /1.2.1 狀況百出的紅牛企業8br /1.2.2 紅牛企業巧妙收集消費者數據9br /1.2.3 數據收集小結12br /1.3 數據可視化——數據新聞促使英軍撤軍13br /1.3.1 維基解密帶來的海量數據13br /1.3.2 百花齊放的數據新聞15br /1.3.3 數據可視化小結18br /1.4 異常值分析——Facebook消滅釣魚鏈接19br /1.4.1 Facebook和廣告商之間的拉鋸戰20br /1.4.2 異常值分析指導排名算法工作22br /1.4.3 異常值分析小結26br /1.5 對比分析——TrueCar指導購物者尋找算的車價27br /1.5.1 火中取栗的TrueCar網站28br /1.5.2 數據對比贏得消費者信賴29br /1.5.3 對比分析小結32br /第2章 經典的相關分析與回歸分析案例35br /2.1 相關回歸綜述36br /2.1.1 相關回歸簡介36br /2.1.2 相關性分析的發展介紹38br /2.1.3 回歸分析的發展介紹39br /2.2 皮爾遜相關值——紐約市政府利用相關分析監控違法建築40br /2.2.1 簡約而不簡單的消防檢測繫統40br /2.2.2 使用相關分析洞察60個變量的關繫42br /2.2.3 相關分析小結45br /2.3 時間序列分析——人壽保險的可提費用預測47br /2.3.1 人壽保險公司和可提費用47br /2.3.2 使用4種時間序列回歸預測模型解決問題49br /2.3.3 時間序列分析小結52br /2.4 線性回歸分析——梅西百貨公司的12項大數據策略54br /2.4.1 從“一億豪賭”說起的商困境54br /2.4.2 SAS公司幫助梅西百貨構建模型56br /2.4.3 線性回歸分析小結59br /2.5 Logistic回歸分析——大面積流感爆發的預測分析62br /2.5.1 究竟誰纔是流感預測算法62br /2.5.2 向Logistic算法中引入更多變量64br /2.5.3 Logistic回歸分析小結67br /第3章 經典的降維數據分析案例69br /3.1 降維分析算法綜述70br /3.1.1 為什麼要使用降維算法70br /3.1.2 線性降維算法72br /3.1.3 非線性降維算法73br /3.2 粗糙集算法——協助希臘工業發展銀行制定信貸政策74br /3.2.1 銀行信貸政策的制定原則75br /3.2.2 粗糙集算法的原理和應用76br /3.2.3 粗糙集算法小結80br /3.3 因子分析——基於李克特量表的應聘評價法82br /3.3.1 源於智力測試的因子分析82br /3.3.2 使用因子分析解構問卷84br /3.3.3 因子分析小結87br /3.4 尺度分析——直觀評估消費者傾向的分析方法89br /3.4.1 市場調查問題催生的尺度分析89br /3.4.2 6種經典的尺度分析解讀方法91br /3.4.3 尺度分析小結95br /3.5 PCA降維算法——智能人臉識別的應用與拓展97br /3.5.1 刷臉的時代來了97br /3.5.2 使用PCA算法完成降維工作99br /3.5.3 PCA算法小結102br /第4章 經典的模式識別案例105br /4.1 模式識別綜述106br /4.1.1 模式識別簡介106br /4.1.2 模式識別的發展脈絡107br /4.1.3 模式識別應用簡介110br /4.2 圖像分析——谷歌的超前自動駕駛技術111br /4.2.1 以的名義呼吁自動駕駛技術111br /4.2.2 快速成熟的無人駕駛技術113br /4.2.3 圖像分析小結116br /4.3 遺傳算法——經典的人力資源優化問題118br /4.3.1 使用有限資源實現利益化118br /4.3.2 遺傳算法的計算過程120br /4.3.3 遺傳算法小結123br /4.4 決策樹分析——“沸騰時刻”準確判斷用戶健康水平124br /4.4.1 打造我國的健身平臺124br /4.4.2 信息增益和決策樹126br /4.4.3 決策樹小結129 |
" | | | | | |