大數(shù)據(jù)挖掘?qū)嶒?yàn)教程

第1章實(shí)驗(yàn)工具的選擇1
11實(shí)驗(yàn)工具選擇1
12R語(yǔ)言3
13Python語(yǔ)言15
第2章數(shù)據(jù)的準(zhǔn)備34
21數(shù)據(jù)采集34
22數(shù)據(jù)抽樣51
23數(shù)據(jù)質(zhì)量分析55
第3章數(shù)據(jù)預(yù)處理方法77
31數(shù)據(jù)清洗77
32數(shù)據(jù)集成85
33數(shù)據(jù)變換90
34數(shù)據(jù)規(guī)約97
35數(shù)據(jù)降維106
第4章回歸方法110
41多元線性回歸110
42邏輯回歸120
43線性判別分析126
第5章分類方法131
51K近鄰分類131
52貝葉斯分類139
53神經(jīng)網(wǎng)絡(luò)146
54決策樹153
55隨機(jī)森林160
56支持向量機(jī)164
57分類的評(píng)價(jià)175
第6章關(guān)聯(lián)規(guī)則192
61關(guān)聯(lián)規(guī)則概要192
62Apriori算法193
63FPGrowth算法200
第7章聚類分析207
71聚類方法概要207
72Kmeans聚類算法209
73K中心點(diǎn)聚類算法216
74密度聚類算法220
75層次聚類算法225
76期望最大化聚類算法228
77神經(jīng)網(wǎng)絡(luò)聚類算法232
78模糊C均值聚類算法235
79高斯混合聚類算法238
第8章預(yù)測(cè)方法241
81預(yù)測(cè)方法概要241
82灰色預(yù)測(cè)241
83馬爾科夫預(yù)測(cè)247
第9章離群點(diǎn)診斷251
91單變量的離群點(diǎn)診斷251
92基于回歸的離群點(diǎn)診斷
254
93基于聚類的離群點(diǎn)診斷
259
94局部離群點(diǎn)因子檢測(cè)263
第10章時(shí)間序列分析方法267
101季節(jié)指數(shù)預(yù)測(cè)法267
102解讀自回歸時(shí)間序列模型
272
103時(shí)間序列分解280
第11章綜合案例286
111員工離職預(yù)測(cè)分析286
112北京二手房房?jī)r(jià)分析299