舉報 
會員
商戰(zhàn)數(shù)據(jù)挖掘：你需要了解的數(shù)據(jù)科學與分析思維
最新章節(jié)：
書評
數(shù)據(jù)挖掘是現(xiàn)代企業(yè)從數(shù)據(jù)中提取有用信息、獲取競爭優(yōu)勢的重要方法。針對數(shù)據(jù)科學的這一商業(yè)應用，本書進行了深入解讀，不僅詳細介紹了數(shù)據(jù)挖掘的環(huán)節(jié)、常用分析技術(shù)和基本模型，還提供了數(shù)據(jù)科學解決方案的提案示例和評估指南。同時，為了便于讀者理解，本書不僅分析了大量商業(yè)示例，在業(yè)務情景下闡釋數(shù)據(jù)挖掘的基本概念和原理，還使用大量圖表輔助解釋數(shù)學細節(jié)。因此，讀者無需專業(yè)數(shù)學背景即可閱讀本書。
目錄(142章)
倒序
- 封面
- 版權(quán)信息
- 作者簡介
- 譯者介紹
- 數(shù)字版權(quán)聲明
- 版權(quán)聲明
- O'Reilly Media Inc．介紹
- 贊譽
- 譯者序
- 前言
- 學習數(shù)據(jù)科學的概念性方法
- 寫給教師們
- 其他技能及概念
- 本書結(jié)構(gòu)及體例
- 示例的使用
- SafariBooks Online
- 聯(lián)系我們
- 致謝
- 電子版
- 第1章 緒論：數(shù)據(jù)分析式思維
- 1.1 數(shù)據(jù)機遇無處不在
- 1.2 案例：颶風Frances
- 1.3 案例：預測用戶流失
- 1.4 數(shù)據(jù)科學、數(shù)據(jù)工程和數(shù)據(jù)驅(qū)動型決策
- 1.5 數(shù)據(jù)處理和“大數(shù)據(jù)”
- 1.6 從大數(shù)據(jù)1.0到大數(shù)據(jù)2.0
- 1.7 數(shù)據(jù)與數(shù)據(jù)科學能力：一種戰(zhàn)略性資產(chǎn)
- 1.8 數(shù)據(jù)分析式思維
- 1.9 關(guān)于本書
- 1.10 重新審視數(shù)據(jù)挖掘和數(shù)據(jù)科學
- 1.11 數(shù)據(jù)科學：一門新興的實驗性學科
- 1.12 小結(jié)
- 第2章 商業(yè)問題及其數(shù)據(jù)科學解決方案
- 2.1 從商業(yè)問題到數(shù)據(jù)挖掘任務
- 2.2 有監(jiān)督方法與無監(jiān)督方法
- 2.3 數(shù)據(jù)挖掘及其結(jié)果
- 2.4 數(shù)據(jù)挖掘流程
- 2.5 管理數(shù)據(jù)科學團隊的含義
- 2.6 其他分析技巧與技術(shù)
- 2.7 小結(jié)
- 第3章 預測建模導論：從相關(guān)性到有監(jiān)督的劃分
- 3.1 建模、歸納與預測
- 3.2 有監(jiān)督的劃分
- 3.3 劃分的可視化
- 3.4 把樹視作規(guī)則組
- 3.5 概率估計
- 3.6 示例：用樹型歸納解決用戶流失問題
- 3.7 小結(jié)
- 第4章 用模型擬合數(shù)據(jù)
- 4.1 根據(jù)數(shù)學函數(shù)分類
- 4.2 通過數(shù)學函數(shù)進行回歸
- 4.3 類概率估計和邏輯“回歸”
- 4.4 示例：對比邏輯回歸和樹型歸納
- 4.5 非線性函數(shù)、支持向量機和神經(jīng)網(wǎng)絡(luò)
- 4.6 小結(jié)
- 第5章 避免過擬合
- 5.1 泛化能力
- 5.2 過擬合
- 5.3 過擬合檢驗
- 5.4 示例：線性函數(shù)的過擬合
- 5.5 ＊示例：過擬合為何有害
- 5.6 從保留評估到交叉驗證
- 5.7 用戶流失數(shù)據(jù)集回顧
- 5.8 學習曲線
- 5.9 避免過擬合與控制復雜度
- 5.10 小結(jié)
- 第6章 相似性、近鄰和簇
- 6.1 相似性和距離
- 6.2 最近鄰推理
- 6.3 與相似性和最近鄰相關(guān)的一些重要技術(shù)細節(jié)
- 6.4 聚類
- 6.5 退一步：解決業(yè)務問題與數(shù)據(jù)探索
- 6.6 小結(jié)
- 第7章 決策分析思維（一）：如何評估一個模型
- 7.1 對分類器的評估
- 7.2 分類問題的推廣
- 7.3 一個重要的分析框架：期望值
- 7.4 評估、基線性能以及對數(shù)據(jù)投資的意義
- 7.5 小結(jié)
- 第8章 模型性能的可視化
- 8.1 排序，而不是分類
- 8.2 利潤曲線
- 8.3 ROC圖像和曲線
- 8.4 ROC曲線下面積
- 8.5 累積響應曲線和提升曲線
- 8.6 示例：用戶流失模型的性能分析
- 8.7 小結(jié)
- 第9章 證據(jù)和概率
- 9.1 示例：向線上目標用戶投放廣告
- 9.2 根據(jù)概率合并證據(jù)
- 9.3 將貝葉斯法則應用到數(shù)據(jù)科學中
- 9.4 證據(jù)“提升度”的模型
- 9.5 示例：Facebook“點贊”的證據(jù)提升度
- 9.6 小結(jié)
- 第10章 文本的表示和挖掘
- 10.1 為什么文本很重要
- 10.2 為什么文本很難處理
- 10.3 表示法
- 10.4 示例：爵士音樂家
- 10.5 ＊IDF和熵的關(guān)系
- 10.6 詞袋模型之外的方法
- 10.7 示例：通過挖掘新聞報道預測股價變動
- 10.8 小結(jié)
- 第11章 決策分析思維（二）：面向分析工程
- 11.1 為慈善機構(gòu)尋找最佳捐贈人
- 11.2 更復雜的用戶流失示例回顧
- 11.3 小結(jié)
- 第12章 其他數(shù)據(jù)科學任務與技術(shù)
- 12.1 共現(xiàn)和關(guān)聯(lián)：尋找匹配項
- 12.2 用戶畫像：尋找典型行為
- 12.3 鏈路預測和社交推薦
- 12.4 數(shù)據(jù)約簡、潛在信息和電影推薦
- 12.5 偏差、方差和集成方法
- 12.6 數(shù)據(jù)驅(qū)動的因果解釋和一個病毒式營銷示例
- 12.7 小結(jié)
- 第13章 數(shù)據(jù)科學和經(jīng)營戰(zhàn)略
- 13.1 數(shù)據(jù)分析式思維，終極版
- 13.2 用數(shù)據(jù)科學取得競爭優(yōu)勢
- 13.3 用數(shù)據(jù)科學保持競爭優(yōu)勢
- 13.4 吸引和培養(yǎng)數(shù)據(jù)科學家及其團隊
- 13.5 檢驗數(shù)據(jù)科學案例分析
- 13.6 做好準備，接受來源各異的創(chuàng)意
- 13.7 做好準備，評估數(shù)據(jù)科學項目提案
- 13.8 企業(yè)的數(shù)據(jù)科學成熟度
- 第14章 總結(jié)
- 14.1 數(shù)據(jù)科學的基本概念
- 14.2 數(shù)據(jù)做不到的：圈中人回顧
- 14.3 隱私、道德和挖掘個人數(shù)據(jù)
- 14.4 數(shù)據(jù)科學是否還有更多內(nèi)容
- 14.5 最后一例：從眾包到云包
- 14.6 最后的話
- 附錄A 提案評估指南
- A.1 業(yè)務和數(shù)據(jù)理解
- A.2 數(shù)據(jù)準備
- A.3 建模
- A.4 評估和部署
- 附錄B 另一個提案示例
- 情景和提案
- 術(shù)語表
- 參考文獻
- 關(guān)于作者
- 書評 更新時間：2020-04-22 12:26:31
推薦閱讀
- 大數(shù)據(jù)項目管理：從規(guī)劃到實現(xiàn)
- Microsoft Power BI Quick Start Guide
- Div+CSS 3.0網(wǎng)頁布局案例精粹
- 物聯(lián)網(wǎng)與云計算
- 自主研拋機器人技術(shù)
- 大數(shù)據(jù)平臺異常檢測分析系統(tǒng)的若干關(guān)鍵技術(shù)研究
- 計算機網(wǎng)絡(luò)技術(shù)基礎(chǔ)
- 統(tǒng)計策略搜索強化學習方法及應用
- Windows 7寶典
- 人工智能趣味入門：光環(huán)板程序設(shè)計
- OpenStack Cloud Computing Cookbook
- 水下無線傳感器網(wǎng)絡(luò)的通信與決策技術(shù)
- 氣動系統(tǒng)裝調(diào)與PLC控制
- 單片機原理實用教程
- C#求職寶典
- FANUC工業(yè)機器人配置與編程技術(shù)
- PostgreSQL High Performance Cookbook
- Arduino創(chuàng)意機器人入門：基于ArduBlock（第2版）
- 微控制器的選擇與應用
- iLike職場大學生就業(yè)指導：C和C++方向
- 人工智能基礎(chǔ)
- 雙語版Java程序設(shè)計
- Machine Learning for Data Mining
- PHP+MySQL+AJAX Web開發(fā)給力起飛
- Predictive Analytics with TensorFlow
- Hands-On Data Science with the Command Line
- Do more with SOA Integration：Best of Packt book
- Learn Grafana 7.0
- Build Supercomputers with Raspberry Pi 3
- 計算機檢修技能零基礎(chǔ)成長
