舉報 
會員
數(shù)據(jù)挖掘：你必須知道的32個經(jīng)典案例（第2版）
最新章節(jié)：
8.5 點球成金——助力NBA大數(shù)據(jù)分析的多種神秘軟件
本書全面介紹了經(jīng)典數(shù)據(jù)分析、模式識別、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、數(shù)據(jù)挖掘、商務(wù)智能等多個領(lǐng)域的數(shù)據(jù)分析算法，將大數(shù)據(jù)時代的數(shù)據(jù)分析熱點技術(shù)一網(wǎng)打盡。本書為每個數(shù)據(jù)分析算法都搭配了一個經(jīng)典案例，并按照由易到難的原則構(gòu)建知識框架，充分照顧了不同水平讀者的閱讀習(xí)慣。通
目錄(54章)
倒序
- 封面
- 版權(quán)信息
- 作者簡介
- 內(nèi)容簡介
- 插圖
- 前言
- 第1章 經(jīng)典的探索性數(shù)據(jù)分析案例
- 1.1 探索性數(shù)據(jù)分析綜述
- 1.2 數(shù)據(jù)巧收集——紅牛的大數(shù)據(jù)營銷案例
- 1.3 數(shù)據(jù)可視化——數(shù)據(jù)新聞促使英軍撤軍
- 1.4 異常值分析——Facebook消滅釣魚鏈接
- 1.5 對比分析——TrueCar指導(dǎo)購物者尋找最合算的車價
- 第2章 經(jīng)典的相關(guān)分析與回歸分析案例
- 2.1 相關(guān)回歸綜述
- 2.2 皮爾遜相關(guān)值——紐約市政府利用相關(guān)分析監(jiān)控違法建筑
- 2.3 時間序列分析——人壽保險的可提費(fèi)用預(yù)測
- 2.4 線性回歸分析——梅西百貨公司的12項大數(shù)據(jù)策略
- 2.5 Logistic回歸分析——大面積流感爆發(fā)的預(yù)測分析
- 第3章 經(jīng)典的降維數(shù)據(jù)分析案例
- 3.1 降維算法綜述
- 3.2 粗糙集算法——協(xié)助希臘工業(yè)發(fā)展銀行制定信貸政策
- 3.3 因子分析——基于李克特量表的應(yīng)聘評價法
- 3.4 最優(yōu)尺度分析——直觀評估消費(fèi)者傾向的分析方法
- 3.5 PCA降維算法——智能人臉識別的應(yīng)用與拓展
- 第4章 經(jīng)典的模式識別案例
- 4.1 模式識別綜述
- 4.2 圖像分析——谷歌的超前自動駕駛技術(shù)
- 4.3 遺傳算法——經(jīng)典的人力資源優(yōu)化問題
- 4.4 決策樹分析——“沸騰時刻”準(zhǔn)確判斷用戶健康水平
- 4.5 K均值聚類分析——HSE24通過為客戶分類降低退貨率
- 第5章 經(jīng)典的機(jī)器學(xué)習(xí)案例
- 5.1 機(jī)器學(xué)習(xí)綜述
- 5.2 語義搜索——沃爾瑪搜索引擎提升15%銷售額
- 5.3 順序分析——搜狗輸入法的智能糾錯系統(tǒng)
- 5.4 文本分析——經(jīng)典的垃圾郵件過濾系統(tǒng)
- 5.5 協(xié)同過濾——構(gòu)建個性化推薦系統(tǒng)的經(jīng)典算法
- 第6章 經(jīng)典的深度學(xué)習(xí)案例
- 6.1 深度學(xué)習(xí)綜述
- 6.2 支持向量機(jī)——喬布斯利用大數(shù)據(jù)對抗癌癥
- 6.3 感知器神經(jīng)網(wǎng)絡(luò)——最佳的房產(chǎn)價格預(yù)測算法
- 6.4 自組織神經(jīng)網(wǎng)絡(luò)——如何又快又好地解決旅行商問題
- 6.5 RBM算法——為新聞報道智能分類
- 第7章 經(jīng)典的數(shù)據(jù)挖掘案例
- 7.1 數(shù)據(jù)挖掘綜述
- 7.2 判別分析——美國運(yùn)通構(gòu)建客戶流失預(yù)測模型
- 7.3 購物籃分析——找出零售業(yè)的最佳商品組合
- 7.4 馬爾可夫鏈——準(zhǔn)確預(yù)測客運(yùn)市場占有率
- 7.5 AdaBoost元算法——有效偵測欺詐交易的復(fù)合算法
- 第8章 經(jīng)典的商業(yè)智能分析案例
- 8.1 商業(yè)智能分析綜述
- 8.2 KXEN分析軟件——構(gòu)建歐洲博彩業(yè)下注預(yù)測平臺
- 8.3 數(shù)據(jù)廢氣再利用——物流公司數(shù)據(jù)成功用于評估客戶信用
- 8.4 必應(yīng)預(yù)測——使用往期信息預(yù)測自然災(zāi)害
- 8.5 點球成金——助力NBA大數(shù)據(jù)分析的多種神秘軟件 更新時間：2019-07-25 11:36:13
推薦閱讀
- Python數(shù)據(jù)挖掘：入門、進(jìn)階與實用案例分析
- Oracle RAC 11g實戰(zhàn)指南
- 深入淺出數(shù)字孿生
- 區(qū)塊鏈通俗讀本
- 大數(shù)據(jù)Hadoop 3.X分布式處理實戰(zhàn)
- The Game Jam Survival Guide
- Oracle RAC日記
- Hadoop集群與安全
- 數(shù)據(jù)修復(fù)技術(shù)與典型實例實戰(zhàn)詳解（第2版）
- openGauss數(shù)據(jù)庫核心技術(shù)
- 信息融合中估計算法的性能評估
- 精通Neo4j
- Managing Software Requirements the Agile Way
- Nagios Core Administrators Cookbook
- 2D 計算機(jī)視覺：原理、算法及應(yīng)用
- 反饋：化解不確定性的數(shù)字認(rèn)知論
- 大數(shù)據(jù)SQL優(yōu)化：原理與實踐
- Data Analysis with Python
- 邊緣計算使能工業(yè)互聯(lián)網(wǎng)
- 云存儲安全：大數(shù)據(jù)分析與計算的基石
- 指標(biāo)體系與指標(biāo)平臺：方法與實踐
- Creating Concrete5 Themes
- 微軟云計算：Microsoft Azure部署與管理指南
- Spark 3.0大數(shù)據(jù)分析與挖掘：基于機(jī)器學(xué)習(xí)
- 涂抹Oracle：三思筆記之一步一步學(xué)Oracle
- 數(shù)據(jù)分析咖哥十話：從思維到實踐促進(jìn)運(yùn)營增長
- 計算機(jī)組裝與維護(hù)項目教程（第2版）
- Reporting with Microsoft SQL Server 2012
- 檢索匹配：深度學(xué)習(xí)在搜索、廣告、推薦系統(tǒng)中的應(yīng)用
- Hands-On Web Scraping with Python
