互联网 类型
可以朗读 语音朗读
83千字 字数
2021-11-01 发行日期
展开全部

主编推荐语

一本介绍数据分析相关算法的学习指南，主要包括数据分析及数据挖掘相关概念介绍、数据思维及各种数据分析算法的原理及实现方法。

内容简介

本书的每个数据分析算法都介绍了数学原理、Python代码实现以及实战案例，内容丰富、容易理解。

本书共9章，第1章介绍了数据挖掘与数据分析、机器学习之间的关系；第2章介绍了数据分析人员应该具备的数据思维，包括数据思维认知、数据挖掘“定律”；第3~9章介绍了各种数据分析算法的原理、实现方法及实战案例，其中包括逻辑回归、决策树、朴素贝叶斯、聚类分析、关联规划、人工神经网络、集成学习。

本书适合从事数据分析工作的读者自学，也可作为产品经理、运营人员、市场人员和对数据分析感兴趣的读者的参考用书。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 数据分析概述
  • 1.1 什么是数据挖掘
  • 1.2 数据挖掘与数据分析的关系
  • 1.3 数据挖掘与机器学习的关系
  • 1.4 机器学习算法简介
  • 第2章 数据思维
  • 2.1 数据思维认知
  • 2.2 数据思维认知的主观性与客观性
  • 2.3 数据挖掘“定律”
  • 第3章 逻辑回归
  • 3.1 逻辑回归基础：从线性回归到逻辑回归
  • 3.2 逻辑回归函数构建
  • 3.3 逻辑回归问题求解
  • 3.4 逻辑回归模型评估
  • 3.5 Python代码实现
  • 第4章 决策树
  • 4.1 决策树基础
  • 4.2 决策树算法
  • 4.3 Python代码实现
  • 第5章 朴素贝叶斯
  • 5.1 概率论基础
  • 5.2 从贝叶斯公式到朴素贝叶斯分类
  • 5.3 Python代码实现
  • 第6章 聚类分析
  • 6.1 聚类分析基础
  • 6.2 聚类算法
  • 6.3 Python代码实现
  • 第7章 关联规则
  • 7.1 关联规则基础
  • 7.2 关联规则算法
  • 7.3 Python代码实现
  • 第8章 人工神经网络
  • 8.1 人工神经网络基础
  • 8.2 BP（误差逆传播前馈）神经网络
  • 8.3 Python代码实现
  • 第9章 集成学习
  • 9.1 集成学习基础
  • 9.2 集成学习算法
  • 参考资料
展开全部

评分及书评

评分不足
1个评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。