Python商业数据挖掘(第6版)/大数据应用与技术丛书

这是目前全面介绍商 业分析方法的图书，本书涵 盖了从线性回归、Logistic 回归等经典方法到神经网络 、装袋法和提升树等新方 法，甚至还包括了商业领域 专用的方法，如社交网络分 析、文本挖掘等。本书作者 具有用Python语言讲解商业 分析课程的丰富经验和将机 器学习应用于新药发现过程 的专业技能，他很乐意将这 些经验和技能与读者分享。 本书也可作为数据分析师、 研究人员以及商业、金融、 营销、计算机科学、信息工 程等领域量化分析从业者的 参考书。

\"Galit Shmueli博士自2004年以来，一直在美国马里兰大学、statistics.com统计网站、印度商学院设计并指导数据挖掘课程。Shmueli的研究领域包括信息系统的统计方法和数据挖掘，她以研究和擅长讲授商业分析而闻名，并发表了100多篇文章。 　　Peter C. Bruce是statistics.com统计网站的统计教育研究院的主席和创办人，他发表了多篇学术论文，还开发了Resampling Stats软件。 　　Peter Gedeck博士是Collabrative Drug Discovery公司的高级数据科学家，他为这家公司开发了一款基于云的软件来管理新药发现过程中用到的海量数据，他还在statistics.com统计网站上教授数据挖掘课程。 　　Nitin R. Patel博士是位于马萨诸塞州剑桥市的Cytel公司的共同创始人和董事，是美国统计协会会员，同时还是麻省理工学院和哈佛大学的客座教授。 　\"

第Ⅰ部分 预备知识 第1章 引言 1.1 商业分析简介 1.2 什么是数据挖掘 1.3 数据挖掘及相关术语 1.4 大数据 1.5 数据科学 1.6 为什么有这么多不同的方法 1.7 术语与符号 1.8 本书的线路图 第2章 数据挖掘过程概述 2.1 引言 2.2 数据挖掘的核心思想 2.2.1 分类 2.2.2 预测 2.2.3 关联规则与推荐系统 2.2.4 预测分析 2.2.5 数据规约与降维技术 2.2.6 数据探索和可视化 2.2.7 监督学习与无监督学习 2.3 数据挖掘步骤 2.4 前期步骤 2.4.1 数据集的组织 2.4.2 预测WestRoxbury小区的房价 2.4.3 在Python程序中载入并浏览数据 2.4.4 Python包的导入 2.4.5 从数据库获得采样数据 2.4.6 在分类任务中对小概率事件的过采样 2.4.7 数据预处理和数据清理 2.5 预测力和过拟合 2.5.1 过拟合 2.5.2 数据分区的创建和使用 2.6 建立预测模型 2.7 在本地计算机上用Python实现数据挖掘 2.8 自动化数据挖掘解决方案 2.9 数据挖掘中的伦理规范 2.10 习题 第Ⅱ部分 数据探索与降维技术 第3章 数据可视化 3.1 引言 3.2 数据实例 3.3 基本图形：条形图、折线图和散点图 3.3.1 分布图：箱线图和直方图 3.3.2 热图：可视化相关性和缺失值 3.4 多维数据的可视化 3.4.1 添加变量：颜色、大小、形状、多面板和动画 3.4.2 数据操作：重定标、聚合与层次结构、缩放与过滤 3.4.3 趋势线和标签 3.4.4 扩展到大型数据集 3.4.5 多变量图：平行坐标图