掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
Python商務數據分析與實戰(大數據技術精品系列教材) 版權信息
- ISBN：9787115589781
- 條形碼：9787115589781 ; 978-7-115-58978-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
Python商務數據分析與實戰(大數據技術精品系列教材) 本書特色
適讀人群 ：本書可作為高校數據科學或商務數據分析相關專業的教材，也可作為數據分析愛好者的自學用書。1.將Python基礎與機器學習常用編程庫精煉整合，幫助零基礎讀者更快地學會使用Python進行機器學習。 2.以Python數據分析常用技術與真實案例相結合的方式，深入淺出地介紹了從零開始進行商務數據分析的**技能 3.設計思路以應用為導向，讓讀者明確如何利用所學知識來解決問題，通過課后練習鞏固所學知識，使讀者真正理解并能夠應用所學知識 4.提供PPT課件、教學大綱、教學進度表等教學資源
Python商務數據分析與實戰(大數據技術精品系列教材) 內容簡介
本書以Python數據分析常用技術與真實案例相結合的方式，深入淺出地介紹Python商務數據分析應用的重要內容。本書共10章，第1章介紹商務數據分析的基本概念、流程、應用場景，以及常用數據分析工具；第2章介紹Python的環境配置，以及Python使用入門等；第3章介紹數據獲取，包括常見的數據來源、數據類型、數據讀取方式，以及常用Python數據格式轉換與讀/寫函數；第4章介紹探索性分析，包括描述性統計分析和可視化分析，以及常用Python探索性分析函數；第5章介紹數據預處理中的各個步驟，包括數據清洗、數據合并和數據變換，以及它們各自對應的Python函數；第6章介紹各類模型的構建與評價方法，包括分類與回歸、聚類分析、關聯規則、時序模式和智能推薦；第7～9章分別介紹O2O優惠券個性化投放、零售商品購物籃分析、餐飲企業綜合分析等案例；第10章介紹使用TipDM數據挖掘建模平臺實現餐飲企業綜合分析案例。第2～6章包含選擇題和操作題，第7～10章包含操作題，通過練習和操作實踐，讀者可以鞏固所學內容。 本書可作為高校數據科學或商務數據分析相關專業的教材，也可作為數據分析愛好者的自學用書。
Python商務數據分析與實戰(大數據技術精品系列教材) 目錄
第 1章 商務數據分析概述 1
1．1 商務數據分析的基本概念 1
1．2 數據分析流程 2
1．2．1 需求分析 3
1．2．2 數據獲取 3
1．2．3 探索性分析 3
1．2．4 數據預處理 3
1．2．5 構建模型 3
1．2．6 模型評價 4
1．2．7 應用 4
1．3 商務數據分析應用場景 4
1．4 數據分析工具 6
1．4．1 常用的數據分析工具 6
1．4．2 Python數據分析的優勢 7
1．4．3 Python數據分析常用庫 7
小結 9
課后習題 9
第 2章 Python數據分析簡介 10
2．1 Python數據分析環境 10
2．1．1 Python的Anaconda發行版 10
2．1．2 Anaconda安裝 11
2．2 Python使用入門 15
2．2．1 運行方式 16
2．2．2 基本命令 17
2．2．3 庫的導入與添加 19
小結 20
課后習題 21
第3章 數據獲取 22
3．1 常見的數據來源 22
3．2 數據類型 23
3．3 數據讀取方式 24
3．3．1 數據庫連接 24
3．3．2 文件讀取 25
3．4 常用的Python數據格式轉換與讀 寫函數 27
3．4．1 常用的Python數據格式轉換函數 27
3．4．2 常用的Python數據讀 寫函數 28
小結 31
課后習題 31
第4章 探索性分析 33
4．1 描述性統計分析 33
4．1．1 集中趨勢統計指標 33
4．1．2 離散程度統計指標 34
4．2 可視化分析 36
4．2．1 散點圖 36
4．2．2 折線圖 37
4．2．3 柱形圖 40
4．2．4 餅圖 41
4．2．5 箱線圖 42
4．2．6 熱力圖 44
4．3 常用的Python探索性分析函數 48
4．3．1 常用的Python基本統計分析函數 48
4．3．2 常用的Python作圖函數 48
小結 52
課后習題 53
第5章 數據預處理 54
5．1 數據清洗 54
5．1．1 缺失值處理 55
5．1．2 異常值處理 58
5．2 數據合并 61
5．2．1 多表合并 62
5．2．2 分組聚合 69
5．3 數據變換 76
5．3．1 函數變換 77
5．3．2 數據標準化 77
5．3．3 連續屬性離散化 79
5．3．4 屬性構造 82
5．4 Python的主要數據預處理函數 83
小結 85
課后習題 85
第6章 構建模型 87
6．1 分類與回歸 87
6．1．1 實現過程 88
6．1．2 常用的分類與回歸算法 89
6．1．3 回歸分析 89
6．1．4 決策樹 93
6．1．5 人工神經網絡 99
6．1．6 分類與回歸算法評價 105
6．1．7 常用的Python分類與回歸算法 109
6．2 聚類分析 109
6．2．1 常用的聚類分析算法 110
6．2．2 K-Means算法 111
6．2．3 聚類分析算法評價 116
6．2．4 常用的Python聚類分析算法 118
6．3 關聯規則 120
6．3．1 常用的關聯規則算法 120
6．3．2 Apriori算法實現 121
6．4 時序模式 126
6．4．1 時間序列分析方法與模型 126
6．4．2 時間序列的預處理 127
6．4．3 平穩時間序列分析 129
6．4．4 非平穩時間序列分析 132
6．4．5 常用的Python時序模式算法 139
6．5 智能推薦 141
6．5．1 常見的智能推薦算法 142
6．5．2 智能推薦算法評價 143
6．5．3 Python智能推薦算法 145
小結 153
課后習題 153
第7章 O2O優惠券個性化投放 155
7．1 業務背景與項目目標 155
7．2 分析方法與過程 156
7．2．1 數據獲取 157
7．2．2 探索性分析 158
7．2．3 數據預處理 166
7．2．4 構建模型 171
7．2．5 模型評價 174
7．2．6 應用 176
小結 177
課后習題 177
第8章 零售商品購物籃分析 178
8．1 業務背景與項目目標 178
8．2 分析方法與過程 179
8．2．1 數據獲取 179
8．2．2 探索性分析 180
8．2．3 數據預處理 186
8．2．4 構建模型 187
8．2．5 模型評價 189
8．2．6 應用 189
小結 189
課后習題 190
第9章 餐飲企業綜合分析 191
9．1 業務背景與項目目標 191
9．2 分析方法與過程 193
9．2．1 數據獲取 193
9．2．2 探索性分析 196
9．2．3 數據預處理 201
9．2．4 構建模型 203
9．2．5 模型評價 225
9．2．6 應用 231
小結 231
課后習題 231
第 10章 基于TipDM數據挖掘建模平臺進行餐飲企業綜合分析 232
10．1 平臺簡介 232
10．1．1 首頁 233
10．1．2 數據源 234
10．1．3 工程 235
10．1．4 系統組件 236
10．1．5 TipDM數據挖掘建模平臺的本地化部署 237
10．2 快速構建餐飲企業綜合分析工程 239
10．2．1 數據獲取 240
10．2．2 數據預處理 243
10．2．3 探索性分析 244
10．2．4 構建模型 247
小結 251
課后習題 251
參考文獻 252
1．1 商務數據分析的基本概念 1
1．2 數據分析流程 2
1．2．1 需求分析 3
1．2．2 數據獲取 3
1．2．3 探索性分析 3
1．2．4 數據預處理 3
1．2．5 構建模型 3
1．2．6 模型評價 4
1．2．7 應用 4
1．3 商務數據分析應用場景 4
1．4 數據分析工具 6
1．4．1 常用的數據分析工具 6
1．4．2 Python數據分析的優勢 7
1．4．3 Python數據分析常用庫 7
小結 9
課后習題 9
第 2章 Python數據分析簡介 10
2．1 Python數據分析環境 10
2．1．1 Python的Anaconda發行版 10
2．1．2 Anaconda安裝 11
2．2 Python使用入門 15
2．2．1 運行方式 16
2．2．2 基本命令 17
2．2．3 庫的導入與添加 19
小結 20
課后習題 21
第3章 數據獲取 22
3．1 常見的數據來源 22
3．2 數據類型 23
3．3 數據讀取方式 24
3．3．1 數據庫連接 24
3．3．2 文件讀取 25
3．4 常用的Python數據格式轉換與讀 寫函數 27
3．4．1 常用的Python數據格式轉換函數 27
3．4．2 常用的Python數據讀 寫函數 28
小結 31
課后習題 31
第4章 探索性分析 33
4．1 描述性統計分析 33
4．1．1 集中趨勢統計指標 33
4．1．2 離散程度統計指標 34
4．2 可視化分析 36
4．2．1 散點圖 36
4．2．2 折線圖 37
4．2．3 柱形圖 40
4．2．4 餅圖 41
4．2．5 箱線圖 42
4．2．6 熱力圖 44
4．3 常用的Python探索性分析函數 48
4．3．1 常用的Python基本統計分析函數 48
4．3．2 常用的Python作圖函數 48
小結 52
課后習題 53
第5章 數據預處理 54
5．1 數據清洗 54
5．1．1 缺失值處理 55
5．1．2 異常值處理 58
5．2 數據合并 61
5．2．1 多表合并 62
5．2．2 分組聚合 69
5．3 數據變換 76
5．3．1 函數變換 77
5．3．2 數據標準化 77
5．3．3 連續屬性離散化 79
5．3．4 屬性構造 82
5．4 Python的主要數據預處理函數 83
小結 85
課后習題 85
第6章 構建模型 87
6．1 分類與回歸 87
6．1．1 實現過程 88
6．1．2 常用的分類與回歸算法 89
6．1．3 回歸分析 89
6．1．4 決策樹 93
6．1．5 人工神經網絡 99
6．1．6 分類與回歸算法評價 105
6．1．7 常用的Python分類與回歸算法 109
6．2 聚類分析 109
6．2．1 常用的聚類分析算法 110
6．2．2 K-Means算法 111
6．2．3 聚類分析算法評價 116
6．2．4 常用的Python聚類分析算法 118
6．3 關聯規則 120
6．3．1 常用的關聯規則算法 120
6．3．2 Apriori算法實現 121
6．4 時序模式 126
6．4．1 時間序列分析方法與模型 126
6．4．2 時間序列的預處理 127
6．4．3 平穩時間序列分析 129
6．4．4 非平穩時間序列分析 132
6．4．5 常用的Python時序模式算法 139
6．5 智能推薦 141
6．5．1 常見的智能推薦算法 142
6．5．2 智能推薦算法評價 143
6．5．3 Python智能推薦算法 145
小結 153
課后習題 153
第7章 O2O優惠券個性化投放 155
7．1 業務背景與項目目標 155
7．2 分析方法與過程 156
7．2．1 數據獲取 157
7．2．2 探索性分析 158
7．2．3 數據預處理 166
7．2．4 構建模型 171
7．2．5 模型評價 174
7．2．6 應用 176
小結 177
課后習題 177
第8章 零售商品購物籃分析 178
8．1 業務背景與項目目標 178
8．2 分析方法與過程 179
8．2．1 數據獲取 179
8．2．2 探索性分析 180
8．2．3 數據預處理 186
8．2．4 構建模型 187
8．2．5 模型評價 189
8．2．6 應用 189
小結 189
課后習題 190
第9章 餐飲企業綜合分析 191
9．1 業務背景與項目目標 191
9．2 分析方法與過程 193
9．2．1 數據獲取 193
9．2．2 探索性分析 196
9．2．3 數據預處理 201
9．2．4 構建模型 203
9．2．5 模型評價 225
9．2．6 應用 231
小結 231
課后習題 231
第 10章 基于TipDM數據挖掘建模平臺進行餐飲企業綜合分析 232
10．1 平臺簡介 232
10．1．1 首頁 233
10．1．2 數據源 234
10．1．3 工程 235
10．1．4 系統組件 236
10．1．5 TipDM數據挖掘建模平臺的本地化部署 237
10．2 快速構建餐飲企業綜合分析工程 239
10．2．1 數據獲取 240
10．2．2 數據預處理 243
10．2．3 探索性分析 244
10．2．4 構建模型 247
小結 251
課后習題 251
參考文獻 252
展開全部
Python商務數據分析與實戰(大數據技術精品系列教材) 作者簡介
何偉，男，中共黨員，1982年出生，工學博士，副教授，碩士生導師，閩都學者拔尖人才，香港理工訪問學者，入選福建省高校杰出青年科研人才培育計劃。 主要研究領域：智能系統與信息融合、船海裝備與新能源。近三年，承擔了《系統工程》、《大數據分析與應用》《智能交通系統創新》、《物流技術與設備》等課程教學任務，先后在國內外發表學術論文30余篇，其中SCI、EI等檢索收錄論文20余篇；主持和參與國家自然科學基金、省自然科學基金項目等省部級以上項目十余項；獲得福建省教學成果特等獎、福建省科技進步二等獎、中國航海學會科學技術一等獎等多項省部級獎項。現兼任福建省創新創業創造教育指導委員會委員，中國智能交通協會水路交通專業委員會委員，福建省船舶與海洋工程學會委員。 張良均 高級信息系統項目管理師，泰迪杯全國大學生數據挖掘競賽（www.tipdm.org）的發起人。華南師范大學、廣東工業大學兼職教授，廣東省工業與應用數學學會理事。兼有大型高科技企業和高校的工作經歷，主要從事大數據挖掘及其應用的策劃、研發及咨詢培訓。全國計算機技術與軟件專業技術資格（水平）考試繼續教育和CDA數據分析師培訓講師。發表數據挖掘相關論文數二十余篇，已取得國家發明專利12項，主編圖書《神經網絡實用教程》、《數據挖掘:實用案例分析》、《MATLAB數據分析與挖掘實戰》等9本暢銷圖書，主持并完成科技項目9項。獲得SAS、SPSS數據挖掘認證及Hadoop開發工程師證書，具有電力、電信、銀行、制造企業、電子商務和電子政務的項目經驗和行業背景。 張良均 資深大數據專家，廣東泰迪智能科技股份有限公司董事長，國家科技部入庫技術專家，教育部全國專業學位水平評估專家，工信部教育與考試中心入庫專家，中國工業與應用數學學會理事，廣東省工業與應用數學學會副理事長，廣東省高等職業教育教學指導委員會委員，華南師范大學、中南財經政法大學等40余所高校校外碩導或兼職教授，泰迪杯全國數據挖掘挑戰賽發起人。 曾在國內外重要學術刊物上發表學術論文10余篇，主導編寫圖書專著60余部，其中獲普通高等教育“十一五”規劃教材一部，“十三五”職業教育國家規劃教材一部；參與標準建設4項，主持***課題1項、省部級課題4項。獲得SAS、SPSS數據挖掘認證及Hadoop開發工程師證書，具有信訪、電力、電信、銀行、制造企業、電子商務和電子政務的項目經驗和行業背景，并榮獲中國產學研合作促進獎、中國南方電網公司發明專利一等獎、廣東省農業技術推廣二等獎、廣州市荔灣區科學技術進步獎。
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
龍榆生：詞曲概論/大家小書
- >
隨園食單
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
姑媽的寶刀
- >
山海經
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
苦雨齋序跋文-周作人自編集
本類暢銷
