顶部
收藏

大数据智能分析理论与方法


作者:
主编:张紫琼、叶强 副主编:张楠、姜广鑫、芦鹏宇、方斌
定价:
49.50元
ISBN:
978-7-04-059234-4
版面字数:
410.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2023-07-24
读者对象:
高等教育
一级分类:
管理
二级分类:
管理科学与工程
三级分类:
信息管理与信息系统

随着信息技术、移动商务和社交媒体的蓬勃发展,大数据在各行业的应用变得越来越广泛,正深刻改变着我们的生活和工作方式。使用智能分析技术对大数据进行深入理解与洞察,将使数据这种新型生产要素的价值得到更加充分的发挥。本书旨在遵循数据分析的思路与逻辑,系统梳理大数据智能分析的相关知识。全书共分为绪论和16 章内容。在理论和方法方面,主要包括常规数据预处理、数据降维、特征选择、决策树、K 近邻学习、支持向量机、贝叶斯学习、集成学习、关联规则、聚类、人工神经网络、深度学习、推荐系统等;在理论与实践融合方面,本书提供了若干典型应用场景,如广告点击率预测、信息流中的内容推荐、游戏运营中的数据挖掘等,以期加强读者对理论的理解和应用能力。另外,本书在章后提供了即测即评二维码,帮助读者掌握和巩固对应章节的知识。

本书是新文科·大数据管理与应用专业系列教材之一,也是工业和信息化部“十四五”规划教材。

本书适合作为高等院校大数据管理与应用、数据科学与大数据技术、大数据技术与应用等相关专业的基础教材或教学参考书,也可用作职业培训及相关技术和研究人员的参考用书。

  • 前辅文
  • 绪论
    • 0.1 为什么学习大数据智能分析
    • 0.2 数据的智能化发展
    • 0.3 大数据智能分析理论和方法的基本内容
    • 0.4 大数据智能分析的价值
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第1章 常规数据预处理
    • 1.1 数据预处理的目的
    • 1.2 数据清洗
    • 1.3 数据集成
    • 1.4 数据变换
    • 1.5 数据归约
    • 1.6 案例分析:基于大规模开放在线课程平台MOOC 的学生信息数据清洗
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第2章 数据降维
    • 2.1 主成分分析
    • 2.2 奇异值分解
    • 2.3 多维缩放
    • 2.4 等度量映射
    • 2.5 局部线性嵌入算法
    • 2.6 相关方法的推导过程
    • 2.7 案例分析:基于PCA 方法的人脸特征提取
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第3章 特征选择
    • 3.1 特征选择概述
    • 3.2 过滤式特征选择
    • 3.3 包裹式特征选择
    • 3.4 嵌入式特征选择
    • 3.5 案例分析:Lending Club 信贷违约预测的特征集选择
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第4章 决策树
    • 4.1 决策树概述
    • 4.2 特征选择
    • 4.3 决策树生成
    • 4.4 树的修剪
    • 4.5 案例分析:电信行业客户流失分析
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第5章 K 近邻学习
    • 5.1 基本概念及原理
    • 5.2 预测算法
    • 5.3 K 近邻算法的三个基本要素
    • 5.4 K 近邻算法的特点
    • 5.5 K 近邻算法的改进
    • 5.6 案例分析:基于K 近邻算法预测明天是否会降雨
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第6章 支持向量机
    • 6.1 支持向量机概述
    • 6.2 数据线性可分的情况——线性SVM
    • 6.3 数据非线性可分的情况——非线性SVM
    • 6.4 应用SVM 进行模式分类
    • 6.5 应用SVM 进行非线性回归
    • 6.6 案例分析:基于SVM 预测鸢尾花种类
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第7章 贝叶斯学习
    • 7.1 朴素贝叶斯分类器
    • 7.2 半朴素贝叶斯分类器
    • 7.3 贝叶斯网络
    • 7.4 案例分析:基于贝叶斯学习判断文章的作者归属
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第8章 集成学习
    • 8.1 集成学习简介
    • 8.2 Boosting
    • 8.3 Bagging
    • 8.4 随机森林
    • 8.5 案例分析:基于不同集成学习方法预测波士顿地区房价
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第9章 关联规则
    • 9.1 关联规则的概念
    • 9.2 关联规则算法
    • 9.3 案例分析:沃尔玛的蛋挞与飓风用品营销方案
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第10章 聚类
    • 10.1 聚类概述
    • 10.2 划分聚类算法K-Means
    • 10.3 层次聚类算法AGNES 和DIANA
    • 10.4 密度聚类算法DBSCAN
    • 10.5 案例分析:零售电商用户画像构建
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第11章 人工神经网络
    • 11.1 从生物神经网络开始
    • 11.2 感知器
    • 11.3 感知器的训练
    • 11.4 多层神经网络和反向传播
    • 11.5 其他形式的神经网络
    • 11.6 案例分析:利用Lending Club数据预测借款人违约概率
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第12章 深度学习
    • 12.1 深度学习概述
    • 12.2 卷积神经网络
    • 12.3 其他类型的深度学习神经网络
    • 12.4 案例分析:图像纹理转移问题
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第13章 推荐系统
    • 13.1 推荐系统概述
    • 13.2 基于内容的推荐
    • 13.3 基于用户的协同过滤
    • 13.4 基于物品的协同过滤
    • 关键术语
    • 本章小结
    • 即测即评
    • 参考文献
  • 第14章 广告点击率预测
    • 14.1 搜索引擎商业模式
    • 14.2 广告点击率预测
    • 14.3 CTR 预测机器学习模型的发展
    • 关键术语
    • 本章小结
  • 第15章 信息流中的内容推荐
    • 15.1 信息流产品商业生态
    • 15.2 信息流推荐系统
    • 15.3 推荐系统的信息茧房和冷启动的问题
    • 关键术语
    • 本章小结
  • 第16章 游戏运营中的数据挖掘
    • 16.1 游戏中的智能化运营场景
    • 16.2 游戏运营中的新增用户
    • 16.3 游戏运营中的流失用户干预
    • 16.4 游戏运营中的商业化
    • 关键术语
    • 本章小结

相关图书