目录

第1章大数据分析与挖掘概论

1.1大数据及其应用

1.2大数据分析与挖掘的相关概念

1.3大数据分析与挖掘的模式

1.4大数据分析与挖掘技术

课后习题

应用实例

即测即练

第2章数据预处理

2.1数据类型

2.2数据的邻近性度量

2.3数据预处理过程

2.4数据预处理方法

课后习题

应用实例

即测即练

第3章特征工程与降维

3.1特征工程

3.2降维方法

课后习题

应用实例

即测即练

第4章关联分析

4.1关联规则的概念

4.2Apriori算法

4.3FPGrowth算法

4.4关联规则评价

课后习题

应用实例

即测即练

第5章回归分析

5.1回归分析概述

5.2线性回归

5.3线性回归正则化

5.4逻辑回归

课后习题

应用实例

即测即练

第6章分类

6.1分类方法概述

6.2决策树分类

6.3朴素贝叶斯

6.4k最近邻

6.5支持向量机

6.6模型评估与选择

课后习题

应用实例

即测即练

第7章集成分类方法

7.1集成分类方法概述

7.2Boosting

7.3Bagging

课后习题

应用实例

即测即练

第8章聚类

8.1聚类概述

8.2基于划分的聚类方法

8.3基于层次的聚类方法

8.4基于密度的聚类方法

8.5基于网格的聚类方法

8.6基于模型的聚类方法

8.7聚类评估

课后习题

应用实例

即测即练

第9章文本挖掘

9.1文本挖掘概述

9.2文本表示方法

9.3文本降维

9.4主题分析

9.5情感分析

课后习题

应用实例

即测即练

第10章神经网络与深度学习

10.1深度学习概述

10.2多层感知机

10.3反向传播算法

10.4卷积神经网络

10.5循环神经网络

10.6深度学习方法的优化

课后习题

应用实例

即测即练

参考文献