Python数据分析与挖掘实战

封面

版权信息

内容提要

大数据专业系列图书专家委员会

序

前言

基础篇

第1章 数据挖掘基础

1.1 数据挖掘发展史

1.2 数据挖掘的常用方法

1.3 数据挖掘的通用流程

1.4 常用数据挖掘工具

1.5 Python数据挖掘环境配置

小结

课后习题

第2章 Python数据挖掘编程基础

2.1 Python使用入门

2.2 Python数据分析预处理的常用库

2.3 Python数据挖掘建模的常用库和框架

小结

实训 判断、函数、类型转换的使用

课后习题

第3章 数据探索

3.1 数据校验

3.2 数据特征分析

小结

实训

课后习题

第4章 数据预处理

4.1 数据清洗

4.2 数据变换

4.3 数据合并

小结

实训

课后习题

第5章 数据挖掘算法基础

5.1 分类与回归

5.2 聚类

5.3 关联规则

5.4 智能推荐

5.5 时间序列

实训

课后习题

实战篇

第6章 信用卡高风险客户识别

6.1 背景与目标

6.2 数据探索

6.3 数据预处理

6.4 分析与建模

6.5 模型评价

小结

实训 使用K-Means聚类算法实现运营商客户价值分析

课后习题

第7章 餐饮企业菜品关联分析

7.1 背景与目标

7.2 数据探索

7.3 数据预处理

7.4 分析与建模

7.5 模型评价

小结

实训 西饼屋订单关联分析

课后习题

第8章 金融服务机构资金流量预测

8.1 背景与目标

8.2 数据预处理

8.3 分析与建模

8.4 模型评价

小结

实训 构建ARIMA模型预测资金赎回数据

课后习题

第9章 O2O优惠券使用预测

9.1 背景与目标

9.2 数据探索

9.3 数据预处理

9.4 分析与建模

9.5 模型评价

小结

实训 运营商客户流失预测

课后习题

第10章 电视产品个性化推荐

10.1 背景与目标

10.2 数据预处理

10.3 分析与建模

10.4 模型评价

小结

实训 网页浏览个性化推荐

课后习题

第11章 基于TipDM大数据挖掘建模平台实现金融服务机构资金流量预测

11.1 平台简介

11.2 快速构建金融服务机构资金流量预测实训

小结

实训 构建ARIMA模型预测航空公司乘客量数据