商業(yè)數(shù)據(jù)科學：數(shù)據(jù)價值與機器學習實戰(zhàn)

前言
第1章　大數(shù)據(jù)及其應用 …… 001
1.1　大數(shù)據(jù)的特性 …… 001
1.2　數(shù)據(jù)發(fā)展歷程 …… 005
1.3　數(shù)據(jù)挖掘經(jīng)典算法簡介 …… 013
1.4　大數(shù)據(jù)技術應用：人臉的價值 …… 027
1.5　數(shù)據(jù)存儲簡介 …… 030
1.6　大數(shù)據(jù)分析：應當具備的知識架構 …… 032
1.7　本章作業(yè) …… 033
1.8　擴展：輿情來預測股票的一些細節(jié) …… 034
第2章　分類算法 …… 036
2.1　機器學習 …… 036
2.2　兩種思考模式：演繹和歸納 …… 042
2.3　分類算法的應用 …… 044
2.4　跨部門數(shù)據(jù)整合 …… 050
2.5　總結：機器看世界 …… 052
2.6　用戶流失識別 …… 056
2.7　生存分析簡介 …… 058
2.8　Weka簡介 …… 059
2.9　本章作業(yè) …… 066
2.10　擴展 …… 072
第3章　聚類算法 …… 078
3.1　K均值聚類算法原理 …… 078
3.2　K均值聚類的三個步驟 …… 080
3.3　分類算法vs.聚類算法 …… 087
3.4　Weka中的聚類算法 …… 088
3.5　聚類的應用 …… 089
3.6　Weka操作聚類分析的演示 …… 094
3.7　本章作業(yè) …… 097
3.8　擴展 …… 098
第4章　網(wǎng)絡分析 …… 101
4.1　網(wǎng)絡分析的背景 …… 101
4.2　PageRank …… 105
4.3　應用 …… 118
4.4　網(wǎng)絡分析 …… 124
4.5　擴展：網(wǎng)絡關系的存儲 …… 134
4.6　擴展：科技樹的傳承 …… 136
參考資料 …… 137
第5章　購物籃算法 …… 138
5.1　購物籃算法的原理 …… 139
5.2　評價：三個指標 …… 145
5.3　開放思考：可否把購物籃看作網(wǎng)絡 …… 150
5.4　Weka操作關聯(lián)規(guī)則的演示過程 …… 152
5.5　本章作業(yè) …… 154
5.6　擴展 …… 155
第6章　神經(jīng)網(wǎng)絡 …… 160
6.1　四個基本型：本質是窮舉 …… 160
6.2　什么是學習 …… 161
6.3　神經(jīng)網(wǎng)絡算法 …… 170
6.4　空間想象：支持向量機（SVM） …… 185
6.5　商業(yè)問題和基本型 …… 189
6.6　Weka操作神經(jīng)網(wǎng)絡分析的過程 …… 191
6.7　本章作業(yè) …… 193
第7章　如何領導數(shù)據(jù)分析團隊 …… 195
7.1　大數(shù)據(jù)/機器學習/深度學習的演變 …… 195
7.2　對管理者的啟示 …… 203
7.3　本書知識回顧 …… 219