大数据挖掘

全书规划上中下三篇，上篇将系统讲解数据挖掘涉及的各类技术，包括：数据挖掘基础知识(包括常用的概念、数学知识、数据挖掘流程，而不是通常的绪论或概论)、数据预处理方法和技术、关联技术、分类技术、聚类技术和数据立方技术等内容，每个部分都包含相关算法的讲解，包括算法理论基础、算法使用经验、应用案例，每个应用案例都将有Matlab源程序，以便读者通过模仿的方式来加深对知识的学习。中篇甄选几个典型的数据挖掘应用案例，包括搜索引擎文本挖掘、银行信用评级、电子商务准确营销、广告投放、手机客户精准挖掘等。通过这些案例的介绍来加深读者对数据挖掘技术的理解和应用场景的熟悉，从而培养读者对数据挖掘的应用感或者说项目感。下篇将总结数据挖掘中的项目经验、心得和感悟，以将读者提升到数据挖掘的更高境界。数据挖掘技术的现实使用更像是一门艺术，对不同的数据、不同的场景，技术的使用可能接近不同，所以很好有必要增强读者对各种技术的驾驭能力。这部分将介绍如何培养读者对数据挖掘技术的驾驭感，各种技术的使用场景、心得、技巧，以及技术优化、评判等内容。更直接地说就是让读者知道如何去有效高效地使用各种技术。

序言
前言
第—篇 基础篇
第1章 认识大数据挖掘
1.1 大数据与数据挖掘
1.1.1 何为大数据
1.1.2 大数据的价值
1.l.3 大数据与数据挖掘的关系
1.2 数据挖掘的概念和原理
1.2.l 什么是数据挖掘
1.2.2 数据挖掘的原理
1.3 数据挖掘的内容
1.3.1 关联
1.3.2 回归
1.3.3 分类
l.3.4 聚类
1.3.5 预测
l.3.6 诊断
1.4 数据挖掘的应用领域
1.4.1 零售业
1.4.2 银行业
l.4.3 证券业
1.4.4 能源业
l.4.5 医疗行业
1.4.6 通信行业
1.4.7 汽车行业
l.4.8 公共事业
1.5 大数据挖掘的要点
1.6 小结
参考文献
第2章 数据挖掘的过程及工具
2.1 数据挖掘过程概述
2.2 挖掘目标的定义
2.3 数据的准备
2.4 数据的探索
2.5 模型的建立
2.6 模型的评估
2.7 模型的部署
2.8 工具的比较与选择
2.9 小结
参考文献
第3章 MAlLAB数据快速入门
3.1 MATLAB快速入门
3.1.1 M舡1AB概要
3.1.2 MATLAB的功能
3.1.3 快速入门门实例
3.1.4 入门后的提高
3.2 MATLAB常用技巧
3.3 MATLAB开发模式
3.4 MATLAB姬数据挖掘实例
3.5 MATLAB集成数据挖掘工具
3.5.1 分类学习机简介
3.5.2 交互探索算法的方式
3.5.3 MATLAB分类学习机应用实例
3.6 小结
第二篇 技术篇
第4章 数据的准备
4.1 数据的收集
4.1.1 认识数据
4.1.2 数据挖掘的数据源
4.1.3 数据抽样
4.1.4 金融行业的数据源
4.1.5 从雅虎获取交易数据
4.1.6 从大智慧获取财务数据
4.1.7 从Wind获取高质量数据
4.2 数据质量分析
4.2.1 数据质量分析的必要性
4.2.2 数据质量分析的目的
4.2.3 数据质量分析的内容
4.2.4 数据质量分析方法
4.2.5 数据质量分析的结果及应用
4.3 数据预处理
4.3.1 为什么需要数据预处理
4.3.2 数据预处理的方法
4.3.3 数据清洗
4.3.4 数据集成
4.3.5 数据归约
4.3.5 数据变换
4.4 小结
参考文献
第5章 数据的探索
5.1 衍生变量
5.1.1 衍生变量的定义
5.1.2 变量衍生的原则和方法
5.1.3 常用的股票衍生变量
5.1.4 评价型衍生变量
5.1.5 衍生变量的数据收集与集成
5.2 数据的统计
5.2.1 基本描述性统计
5.2.2 分布描述性统计
第6章 关联规则方法
第7章 数据回归方法
第8章 分类方法
第9章 聚类方法
第10章 预测方法
第11章 诊断方法
第12章 时间序列方法
第13章 智能优化方法
第三篇 项目篇
第14章 数据挖掘在银行信用评分中的应用
第15章 数据挖掘在量化股中的应用
第16章 数据挖掘在工业故障诊断中的应用
第17章 数据挖掘技术在矿业工程中的应用
第18章 数据挖掘技术在生命科学中的应用
第19章 数据挖掘在社会科学研究中的应用
第四篇 理念篇
第20章 数据挖掘的艺术
第21章 数据挖掘的项目管理和团队管理