掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
大數據分析與挖掘實用案例教程 版權信息
- ISBN：9787121427800
- 條形碼：9787121427800 ; 978-7-121-42780-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
大數據分析與挖掘實用案例教程 本書特色
1. 本書結合項目實踐，對大數據分析與挖掘的基礎知識進行了介紹，總結了機器學習、大數據分析與挖掘過程、數據分析挖掘框架和庫，分析了當前的研究熱點與前沿。 2. 為了增強本書的實用性、提高讀者的動手能力，本書結合案例討論了爬蟲與數據處理、Echarts和Python可視化、描述性分析、并聯分析、回歸與分類、聚類、序列挖掘等基本方法的實現與實踐。 3. 本書結合實際案例，探討了文本分析、主題模型、推薦系統、知識圖譜、情感分析等高級實現與實踐。 4. 本書還介紹了大數據分析與挖掘在管理領域的應用案例。
大數據分析與挖掘實用案例教程 內容簡介
大數據分析與挖掘已經廣泛應用于各行各業。本書以項目實踐為基礎，對大數據分析與挖掘的基礎知識進行了介紹，總結了機器學習、大數據分析與挖掘過程、數據分析挖掘框架和庫，分析了當前的研究熱點與前沿技術。為了增強本書的實用性、提高讀者的動手能力，本書結合案例討論了爬蟲與數據處理、Echarts和Python可視化、描述性分析、并聯分析、回歸與分類、聚類、序列挖掘等基本方法的實現與實踐。本書結合實際案例，探討了文本分析、主題模型、推薦系統、知識圖譜、情感分析等不錯實現與實踐。此外，本書還介紹了大數據分析與挖掘在管理領域的應用案例。本書配有電子課件等教學資源，讀者可登錄華信教育資源網（www.hxedu.com.cn）下載使用。本書適合作為高等學校數據挖掘、商務智能、數據分析等課程的教材，也可供數據分析與數據挖掘從業人員閱讀，還可供從事數據挖掘、機器學習應用研究的科研人員參考。
大數據分析與挖掘實用案例教程 目錄
目 錄
第1篇 緒 論
第1章 大數據分析與挖掘的概念與理論
1．1 概述
1．2 機器學習
1．2．1 機器學習的定義
1．2．2 機器學習類型
1．2．3 機器學習的應用與工具
1．3 數據挖掘與知識發現過程
1．3．1 CRISP-DM
1．3．2 知識發現
1．4 大數據分析與挖掘中的研究熱點與前沿
1．4．1 商務智能研究熱點與前沿
1．4．2 大數據分析熱點與前沿
1．4．3 機器學習熱點與前沿
1．4．4 數據挖掘熱點與前沿
1．4．5 本章小結
本章參考文獻
本書涉及的環境、語言、框架和庫
第2篇 基礎實踐篇
第2章 爬蟲與數據處理――“茶顏悅色”話題情感趨向的影響因素
2．1 相關理論
2．1．1 Python爬蟲
2．1．2 其他相關理論
2．2 背景與分析目標
2．3 數據采集與處理
2．3．1 茶顏悅色品牌的選擇
2．3．2 數據的選擇
2．3．3 數據的采集
2．3．4 數據的處理
2．4 數據的分析與挖掘
2．4．1 情緒分析
2．4．2 詞云分析
2．5 拓展思考
2．6 本章小結
本章參考文獻
第3章 Echarts可視化――B站視頻分區熱度及其影響因素分析
3．1 Echarts介紹及使用
3．1．1 Echarts實例
3．1．2 系列
3．1．3 組件
3．1．4 用option描述圖表
3．1．5 組件的定位
3．1．6 坐標系
3．1．7 小例子：實現日歷圖
3．1．8 自定義配置參數
3．2 其他相關理論
3．2．1 主題模型
3．2．2 數據預處理
3．3 背景與分析目標
3．4 數據采集與處理
3．4．1 數據采集
3．4．2 數據處理
3．5 數據分析與挖掘
3．5．1 分區熱度
3．5．2 影響因素之視頻標題分析
3．5．3 影響因素之視頻時長和視頻發布時間分析
3．6 拓展思考
3．7 本章小結
本章參考文獻
第4章 Python可視化――社科基金項目選題分析
4．1 Python可視化
4．2 背景與分析目標
4．3 數據采集與處理
4．4 數據分析與挖掘
4．4．1 Matplotlib可視化分析
4．4．2 詞云圖
4．4．3 知識圖譜
4．5 拓展思考
4．6 本章小結
本章參考文獻
第5章 描述性分析――熱映電影背后的成因分析
5．1 描述性分析
5．1．1 描述性分析的含義
5．1．2 基于Python的描述性統計分析
5．2 背景與分析目標
5．2．1 背景
5．2．2 分析目標
5．3 數據采集與處理
5．3．1 數據采集
5．3．2 數據處理
5．4 數據分析與挖掘
5．4．1 電影行業的整體發展情況
5．4．2 電影類型隨時間的變化趨勢
5．5 拓展思考
5．5．1 數據分析的意義
5．5．2 數據分析的分類
5．6 本章小結
本章參考文獻
第6章 關聯分析――提高相親旅游成功率的分析
6．1 相關理論
6．1．1 關聯分析概念
6．1．2 頻繁項集挖掘方法
6．2 背景與分析目標
6．3 數據采集與處理
6．3．1 數據采集
6．3．2 數據預處理
6．4 數據分析與挖掘
6．4．1 用戶屬性定位
6．4．2 旅游路線及內容規劃
6．4．3 總結
6．5 拓展思考
6．5．1 理論意義
6．5．2 實踐意義
6．5．3 優點
6．5．4 不足之處
6．6 本章小結
本章參考文獻
第7章 回歸與分類――二手房房價影響因素及預測分析
7．1 回歸與分類
7．1．1 回歸分析
7．1．2 分類與預測
7．2 背景與分析目標
7．3 數據采集與處理
7．4 數據分析與挖掘
7．4．1 數據分析
7．4．2 機器學習與預測房價
7．5 拓展思考
7．6 本章小結
本章參考文獻
第8章 分類――民宿價格和評分影響因素分析
8．1 相關理論
8．1．1 分類
8．1．2 線性回歸
8．2 背景與分析目標
8．3 數據采集與處理
8．3．1 數據采集
8．3．2 數據預處理
8．4 數據分析與挖掘
8．4．1 民宿價格影響因素分析
8．4．2 民宿評分影響因素分析
8．4．3 結論與對策建議
8．5 拓展思考
8．5．1 理論意義
8．5．2 實踐意義
8．5．3 不足之處
8．6 本章小結
本章參考文獻
第9章 聚類――新冠肺炎疫情分析及微博評論的數據挖掘
9．1 聚類
9．1．1 聚類方法
9．1．2 K-means
9．1．3 DBSCAN
9．2 背景與分析目標
9．3 數據采集與處理
9．3．1 數據選擇
9．3．2 數據采集
9．3．3 數據預處理
9．4 數據分析與挖掘
9．4．1 疫情數據擬合分析
9．4．2 評論數據信息挖掘
9．5 拓展思考
9．5．1 理論意義
9．5．2 實踐意義
9．6 本章小結
本章參考文獻
第10章 序列挖掘――景區日客流量影響因素分析與預測
10．1 相關理論
10．1．1 序列挖掘
10．1．2 其他相關理論
10．2 背景與分析目標
10．3 數據采集與處理
10．3．1 數據采集
10．3．2 影響因素分析
10．3．3 數據處理
10．4 數據分析與挖掘
10．4．1 平穩時間序列分析
10．4．2 非平穩時間序列分析
10．4．3 其他時間序列分析
10．5 拓展思考
10．5．1 理論意義
10．5．2 實踐意義
10．5．3 優點
10．5．4 不足之處
10．6 本章小結
本章參考文獻
第3篇 提高實踐篇
第11章 文本分析――政府工作報告分析
11．1 文本分析相關理論
11．1．1 概念和方法
11．1．2 工具
11．2 背景與分析目標
11．3 數據采集與處理
11．4 數據分析與挖掘
11．5 本章小結
本章參考文獻
第12章 主題模型――生育價值觀變化分析
12．1 主題模型
12．1．1 LSI
12．1．2 PLSI
12．1．3 PLSA
12．1．4 LDA
12．2 背景與分析目標
12．3 數據采集與處理
12．3．1 數據選擇
12．3．2 數據采集
12．3．3 數據預處理
12．4 數據分析與挖掘
12．4．1 各因素影響研究分析
12．4．2 評論數據的特征分析
12．4．3 語義網絡分析
12．4．4 情感分析
12．4．5 LDA主題構建
12．5 拓展思考
12．5．1 理論意義
12．5．2 實踐意義
12．5．3 優點
12．5．4 不足之處
12．6 本章小結
本章參考文獻
第13章 推薦系統――基于牛客網的職位推薦分析
13．1 推薦系統
13．1．1 基于內容的推薦
13．1．2 協同過濾推薦
13．1．3 混合式推薦
13．2 背景與分析目標
13．3 數據采集與處理
13．4 數據分析與挖掘
13．4．1 可視化分析
13．4．2 推薦系統設計與開發
13．4．3 知識圖譜
13．5 拓展思考
13．5．1 理論意義
13．5．2 實踐意義
13．5．3 優點
13．5．4 不足之處
13．6 本章小結
本章參考文獻
第14章 知識圖譜――影評分析
14．1 相關理論
14．1．1 知識圖譜
14．1．2 其他相關理論
14．2 背景與分析目標
14．3 數據采集與處理
14．3．1 數據采集
14．3．2 數據描述
14．3．3 數據預處理
14．4 數據分析與挖掘
14．4．1 知識圖譜的構建
14．4．2 TF-IDF特征提取
14．4．3 情感分析
14．4．4 LDA主題模型
14．5 拓展思考
14．5．1 理論意義
14．5．2 實踐意義
14．5．3 優點
14．5．4 不足之處
14．6 本章小結
本章參考文獻
第15章 情感分析――景區印象分析
15．1 相關理論
15．1．1 情感分析
15．1．2 其他相關理論
15．2 背景與分析目標
15．2．1 背景
15．2．2 分析目標
15．2．3 A01景區的競爭形勢
15．3 數據采集與處理
15．3．1 數據爬取與清洗
15．3．2 分詞與去停用詞
15．4 情感分析
15．4．1 關鍵詞提取（TF-IDF）
15．4．2 詞云圖
15．4．3 情感分類（正、負面情感）
15．4．4 LDA主題模型
15．5 數據分析與挖掘
15．5．1 描述性統計
15．5．2 社會關系網絡
15．5．3 SPSS分析
15．5．4 SWOT分析
15．6 拓展思考
15．7 本章小結
本章參考文獻
第4篇 管理應用篇
第16章 網紅經濟背景下審丑現象的受眾心理及原因分析――以馬某某事件為例
16．1 引言
16．2 文獻回顧及相關理論
16．2．1 文獻回顧
16．2．2 相關理論
16．3 數據來源與處理
16．3．1 數據來源
16．3．2 數據處理
16．3．3 研究方法
16．4 數據挖掘與分析
16．4．1 博文關鍵詞詞頻分析
16．4．2 原因類博文分析
16．4．3 評論數據分析
16．5 本章小結
16．5．1 丑味網紅流行的原因
16．5．2 用戶追捧審丑文化的原因
本章參考文獻
第17章 丁真走紅背后的那些事――基于微博數據分析
17．1 引言
17．2 文獻回顧
17．3 研究方法及理論基礎
17．3．1 研究方法
17．3．2 理論基礎
17．4 數據挖掘與分析
17．4．1 數據爬取
17．4．2 數據處理
17．4．3 分析過程與結果
17．5 本章小結
本章參考文獻
第18章 “準社會交往”原則下網紅受歡迎的原因分析――基于丁真微博數據
18．1 引言
18．2 文獻回顧
18．3 理論與方法
18．4 數據挖掘與分析
18．4．1 數據爬取
18．4．2 數據處理
18．4．3 分析過程與結果
18．5 本章小結
18．5．1 結論
18．5．2 啟示
18．5．3 不足之處
本章參考文獻
第19章 基于粉絲經濟理論對消費者購買行為影響因素的分析
19．1 引言
19．2 相關理論
19．2．1 粉絲經濟
19．2．2 購買意愿
19．3 數據爬取
19．4 數據處理
19．4．1 分詞處理
19．4．2 數據數值化
19．5 數據分析
19．5．1 多元線性回歸分析
19．5．2 一元分析與多元分析混合
19．6 情感分析
19．6．1 數據篩選
19．6．2 一般消費者情感分析
19．6．3 粉絲消費者情感分析
19．6．4 對比結論
19．7 粉絲經濟亂象
19．8 建議
本章參考文獻
第1篇 緒 論
第1章 大數據分析與挖掘的概念與理論
1．1 概述
1．2 機器學習
1．2．1 機器學習的定義
1．2．2 機器學習類型
1．2．3 機器學習的應用與工具
1．3 數據挖掘與知識發現過程
1．3．1 CRISP-DM
1．3．2 知識發現
1．4 大數據分析與挖掘中的研究熱點與前沿
1．4．1 商務智能研究熱點與前沿
1．4．2 大數據分析熱點與前沿
1．4．3 機器學習熱點與前沿
1．4．4 數據挖掘熱點與前沿
1．4．5 本章小結
本章參考文獻
本書涉及的環境、語言、框架和庫
第2篇 基礎實踐篇
第2章 爬蟲與數據處理――“茶顏悅色”話題情感趨向的影響因素
2．1 相關理論
2．1．1 Python爬蟲
2．1．2 其他相關理論
2．2 背景與分析目標
2．3 數據采集與處理
2．3．1 茶顏悅色品牌的選擇
2．3．2 數據的選擇
2．3．3 數據的采集
2．3．4 數據的處理
2．4 數據的分析與挖掘
2．4．1 情緒分析
2．4．2 詞云分析
2．5 拓展思考
2．6 本章小結
本章參考文獻
第3章 Echarts可視化――B站視頻分區熱度及其影響因素分析
3．1 Echarts介紹及使用
3．1．1 Echarts實例
3．1．2 系列
3．1．3 組件
3．1．4 用option描述圖表
3．1．5 組件的定位
3．1．6 坐標系
3．1．7 小例子：實現日歷圖
3．1．8 自定義配置參數
3．2 其他相關理論
3．2．1 主題模型
3．2．2 數據預處理
3．3 背景與分析目標
3．4 數據采集與處理
3．4．1 數據采集
3．4．2 數據處理
3．5 數據分析與挖掘
3．5．1 分區熱度
3．5．2 影響因素之視頻標題分析
3．5．3 影響因素之視頻時長和視頻發布時間分析
3．6 拓展思考
3．7 本章小結
本章參考文獻
第4章 Python可視化――社科基金項目選題分析
4．1 Python可視化
4．2 背景與分析目標
4．3 數據采集與處理
4．4 數據分析與挖掘
4．4．1 Matplotlib可視化分析
4．4．2 詞云圖
4．4．3 知識圖譜
4．5 拓展思考
4．6 本章小結
本章參考文獻
第5章 描述性分析――熱映電影背后的成因分析
5．1 描述性分析
5．1．1 描述性分析的含義
5．1．2 基于Python的描述性統計分析
5．2 背景與分析目標
5．2．1 背景
5．2．2 分析目標
5．3 數據采集與處理
5．3．1 數據采集
5．3．2 數據處理
5．4 數據分析與挖掘
5．4．1 電影行業的整體發展情況
5．4．2 電影類型隨時間的變化趨勢
5．5 拓展思考
5．5．1 數據分析的意義
5．5．2 數據分析的分類
5．6 本章小結
本章參考文獻
第6章 關聯分析――提高相親旅游成功率的分析
6．1 相關理論
6．1．1 關聯分析概念
6．1．2 頻繁項集挖掘方法
6．2 背景與分析目標
6．3 數據采集與處理
6．3．1 數據采集
6．3．2 數據預處理
6．4 數據分析與挖掘
6．4．1 用戶屬性定位
6．4．2 旅游路線及內容規劃
6．4．3 總結
6．5 拓展思考
6．5．1 理論意義
6．5．2 實踐意義
6．5．3 優點
6．5．4 不足之處
6．6 本章小結
本章參考文獻
第7章 回歸與分類――二手房房價影響因素及預測分析
7．1 回歸與分類
7．1．1 回歸分析
7．1．2 分類與預測
7．2 背景與分析目標
7．3 數據采集與處理
7．4 數據分析與挖掘
7．4．1 數據分析
7．4．2 機器學習與預測房價
7．5 拓展思考
7．6 本章小結
本章參考文獻
第8章 分類――民宿價格和評分影響因素分析
8．1 相關理論
8．1．1 分類
8．1．2 線性回歸
8．2 背景與分析目標
8．3 數據采集與處理
8．3．1 數據采集
8．3．2 數據預處理
8．4 數據分析與挖掘
8．4．1 民宿價格影響因素分析
8．4．2 民宿評分影響因素分析
8．4．3 結論與對策建議
8．5 拓展思考
8．5．1 理論意義
8．5．2 實踐意義
8．5．3 不足之處
8．6 本章小結
本章參考文獻
第9章 聚類――新冠肺炎疫情分析及微博評論的數據挖掘
9．1 聚類
9．1．1 聚類方法
9．1．2 K-means
9．1．3 DBSCAN
9．2 背景與分析目標
9．3 數據采集與處理
9．3．1 數據選擇
9．3．2 數據采集
9．3．3 數據預處理
9．4 數據分析與挖掘
9．4．1 疫情數據擬合分析
9．4．2 評論數據信息挖掘
9．5 拓展思考
9．5．1 理論意義
9．5．2 實踐意義
9．6 本章小結
本章參考文獻
第10章 序列挖掘――景區日客流量影響因素分析與預測
10．1 相關理論
10．1．1 序列挖掘
10．1．2 其他相關理論
10．2 背景與分析目標
10．3 數據采集與處理
10．3．1 數據采集
10．3．2 影響因素分析
10．3．3 數據處理
10．4 數據分析與挖掘
10．4．1 平穩時間序列分析
10．4．2 非平穩時間序列分析
10．4．3 其他時間序列分析
10．5 拓展思考
10．5．1 理論意義
10．5．2 實踐意義
10．5．3 優點
10．5．4 不足之處
10．6 本章小結
本章參考文獻
第3篇 提高實踐篇
第11章 文本分析――政府工作報告分析
11．1 文本分析相關理論
11．1．1 概念和方法
11．1．2 工具
11．2 背景與分析目標
11．3 數據采集與處理
11．4 數據分析與挖掘
11．5 本章小結
本章參考文獻
第12章 主題模型――生育價值觀變化分析
12．1 主題模型
12．1．1 LSI
12．1．2 PLSI
12．1．3 PLSA
12．1．4 LDA
12．2 背景與分析目標
12．3 數據采集與處理
12．3．1 數據選擇
12．3．2 數據采集
12．3．3 數據預處理
12．4 數據分析與挖掘
12．4．1 各因素影響研究分析
12．4．2 評論數據的特征分析
12．4．3 語義網絡分析
12．4．4 情感分析
12．4．5 LDA主題構建
12．5 拓展思考
12．5．1 理論意義
12．5．2 實踐意義
12．5．3 優點
12．5．4 不足之處
12．6 本章小結
本章參考文獻
第13章 推薦系統――基于牛客網的職位推薦分析
13．1 推薦系統
13．1．1 基于內容的推薦
13．1．2 協同過濾推薦
13．1．3 混合式推薦
13．2 背景與分析目標
13．3 數據采集與處理
13．4 數據分析與挖掘
13．4．1 可視化分析
13．4．2 推薦系統設計與開發
13．4．3 知識圖譜
13．5 拓展思考
13．5．1 理論意義
13．5．2 實踐意義
13．5．3 優點
13．5．4 不足之處
13．6 本章小結
本章參考文獻
第14章 知識圖譜――影評分析
14．1 相關理論
14．1．1 知識圖譜
14．1．2 其他相關理論
14．2 背景與分析目標
14．3 數據采集與處理
14．3．1 數據采集
14．3．2 數據描述
14．3．3 數據預處理
14．4 數據分析與挖掘
14．4．1 知識圖譜的構建
14．4．2 TF-IDF特征提取
14．4．3 情感分析
14．4．4 LDA主題模型
14．5 拓展思考
14．5．1 理論意義
14．5．2 實踐意義
14．5．3 優點
14．5．4 不足之處
14．6 本章小結
本章參考文獻
第15章 情感分析――景區印象分析
15．1 相關理論
15．1．1 情感分析
15．1．2 其他相關理論
15．2 背景與分析目標
15．2．1 背景
15．2．2 分析目標
15．2．3 A01景區的競爭形勢
15．3 數據采集與處理
15．3．1 數據爬取與清洗
15．3．2 分詞與去停用詞
15．4 情感分析
15．4．1 關鍵詞提取（TF-IDF）
15．4．2 詞云圖
15．4．3 情感分類（正、負面情感）
15．4．4 LDA主題模型
15．5 數據分析與挖掘
15．5．1 描述性統計
15．5．2 社會關系網絡
15．5．3 SPSS分析
15．5．4 SWOT分析
15．6 拓展思考
15．7 本章小結
本章參考文獻
第4篇 管理應用篇
第16章 網紅經濟背景下審丑現象的受眾心理及原因分析――以馬某某事件為例
16．1 引言
16．2 文獻回顧及相關理論
16．2．1 文獻回顧
16．2．2 相關理論
16．3 數據來源與處理
16．3．1 數據來源
16．3．2 數據處理
16．3．3 研究方法
16．4 數據挖掘與分析
16．4．1 博文關鍵詞詞頻分析
16．4．2 原因類博文分析
16．4．3 評論數據分析
16．5 本章小結
16．5．1 丑味網紅流行的原因
16．5．2 用戶追捧審丑文化的原因
本章參考文獻
第17章 丁真走紅背后的那些事――基于微博數據分析
17．1 引言
17．2 文獻回顧
17．3 研究方法及理論基礎
17．3．1 研究方法
17．3．2 理論基礎
17．4 數據挖掘與分析
17．4．1 數據爬取
17．4．2 數據處理
17．4．3 分析過程與結果
17．5 本章小結
本章參考文獻
第18章 “準社會交往”原則下網紅受歡迎的原因分析――基于丁真微博數據
18．1 引言
18．2 文獻回顧
18．3 理論與方法
18．4 數據挖掘與分析
18．4．1 數據爬取
18．4．2 數據處理
18．4．3 分析過程與結果
18．5 本章小結
18．5．1 結論
18．5．2 啟示
18．5．3 不足之處
本章參考文獻
第19章 基于粉絲經濟理論對消費者購買行為影響因素的分析
19．1 引言
19．2 相關理論
19．2．1 粉絲經濟
19．2．2 購買意愿
19．3 數據爬取
19．4 數據處理
19．4．1 分詞處理
19．4．2 數據數值化
19．5 數據分析
19．5．1 多元線性回歸分析
19．5．2 一元分析與多元分析混合
19．6 情感分析
19．6．1 數據篩選
19．6．2 一般消費者情感分析
19．6．3 粉絲消費者情感分析
19．6．4 對比結論
19．7 粉絲經濟亂象
19．8 建議
本章參考文獻
展開全部
大數據分析與挖掘實用案例教程 作者簡介
萬欣，武漢紡織大學管理學院副教授，畢業于日本電氣通信大學，工學博士（社會智能信息學），主要研究方向：商務智能、機器學習、數據挖掘、推薦系統等。曾就職于國內外多家上市公司從事技術研發、軟件開發工作。以第一作者發表論文十幾篇，其中被SCI、EI收錄十余篇。大數據分析與挖掘領域教學經驗豐富。
書友推薦
- >
詩經-先民的歌唱
- >
推拿
- >
【精裝繪本】畫給孩子的中國神話
- >
山海經
- >
唐代進士錄
- >
二體千字文
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
朝聞道
本類暢銷
