数据挖掘与分析技术指南.doc

数据挖掘与分析技术指南

TOC\o1-2\h\u19698第一章数据挖掘基础 3

38841.1数据挖掘概述 3

239671.2数据挖掘流程 3

257461.3数据挖掘任务 4

9153第二章数据预处理 4

105782.1数据清洗 4

209182.2数据集成 5

261012.3数据转换 5

58582.4数据归一化 5

14669第三章数据挖掘算法 6

306923.1分类算法 6

149213.1.1决策树算法 6

270263.1.2支持向量机算法 6

259773.1.3随机森林算法 6

196913.1.4朴素贝叶斯算法 6

235093.2聚类算法 6

69883.2.1Kmeans算法 6

93353.2.2层次聚类算法 7

198943.2.3DBSCAN算法 7

290343.3关联规则算法 7

79133.3.1Apriori算法 7

101803.3.2FPgrowth算法 7

19463.3.3关联规则评估方法 7

116733.4时序算法 7

33403.4.1ARIMA模型 7

216483.4.2LSTM网络 8

322203.4.3时间序列聚类 8

11811第四章机器学习技术 8

219494.1监督学习 8

160774.1.1分类问题 8

21634.1.2回归问题 8

285934.1.3监督学习的评估指标 8

136524.2无监督学习 8

231744.2.1聚类分析 8

41124.2.2主成分分析 9

106934.2.3关联规则挖掘 9

288254.3强化学习 9

223864.3.1马尔可夫决策过程 9

192924.3.2Q学习 9

99694.3.3策略梯度方法 9

72094.4集成学习 9

232414.4.1投票法 9

249604.4.2提升方法 9

279754.4.3堆叠方法 9

29468第五章数据可视化 10

29025.1常见数据可视化工具 10

56115.2数据可视化技巧 10

192165.3数据可视化案例 10

228第六章数据挖掘案例分析 11

91666.1金融行业数据挖掘案例 11

249116.1.1背景及目标 11

71056.1.2数据来源及预处理 11

88246.1.3数据挖掘方法 11

326086.1.4案例分析 11

71496.2电商行业数据挖掘案例 12

228266.2.1背景及目标 12

88836.2.2数据来源及预处理 12

216456.2.3数据挖掘方法 12

74436.2.4案例分析 12

196976.3医疗行业数据挖掘案例 12

301986.3.1背景及目标 12

46666.3.2数据来源及预处理 12

296676.3.3数据挖掘方法 12

302716.3.4案例分析 12

22805第七章数据挖掘软件与工具 13

48677.1常用数据挖掘软件介绍 13

75097.1.1Weka 13

306497.1.2R 13

223857.1.3RapidMiner 13

68677.1.4Python 13

234247.2数据挖掘工具的选择与使用 13

86267.2.1数据类型 13

318417.2.2功能需求 14

211697.2.3功能要求 14

46297.2.4可视化能力 14

278067.2.5开发环境 14

132717.3数据挖掘软件对比 14

140457.3.1Weka与R 14

195007.3.2RapidMiner与Python 14

306667.3.3Python与R 14

7744第八章数据挖掘项目管理 14

110368.1项目规划与管理 14

202918.1.1项目目标与范围 15

246518.1.2项目进度计划 15

234678.1.3项目预算管理 15

105768.1.4项目质量管理 15

244518.2项目风险管理 15

10778.