商品簡介
作者簡介
名人/編輯推薦
目次
1 導論
1.1 什麼是商業分析?
1.2 什麼是數據挖掘?
1.3 數據挖掘及相關用語
1.4 大數據
1.5 數據科學
1.6 為什麼會有這么多不同的方法?
1.7 術語和符號
1.8 本書框架
2 數據挖掘概述
2.1 引言
2.2 數據挖掘的核心思想
2.3 數據挖掘步驟
2.4 初步步驟
2.5 預測能力和過擬合
2.6 用JMP Pro建立預測模型
2.7 用JMP Pro進行數據挖掘
2.8 自動化數據挖掘解決方案
第二部分 數據探索與降維
3 數據可視化
3.1 數據可視化的用途
3.2 數據實例
3.3 基本圖形:條形圖、折線圖和散點圖
3.4 多維可視化
3.5 特殊可視化
3.6 基于數據挖掘目標的主要可視化方案和操作概要
4 降維
4.1 引言
4.2 維度災難
4.3 實際考慮
4.4 數據匯總
4.5 相關分析
4.6 減少分類變量中的類別數量
4.7 將分類型變量轉換為連續型變量
4.8 主成分分析
4.9 利用回歸模型降維
4.10 利用分類和回歸樹降維
第三部分 性能評估
5 評估預測效果
5.1 引言
5.2 評價預測性能
5.3 評判分類效果
5.4 評判分類性能
5.5 過采樣
第四部分 預測與分類方法
6 多元線性回歸
6.1 引言
6.2 解釋模型與預測模型
6.3 估計回歸方程和預測
6.4 線性回歸中的變量選擇
7 k近鄰法
7.1 k-NN分類(分類型結果變量)
7.2 數值型結果變量下的k-NN方法
7.3 k-NN算法的優點和缺點
8 樸素貝葉斯分類器
8.1 引言
8.2 使用完全(精確)貝葉斯分類器
8.3 樸素貝葉斯方法的優點和缺點
9 分類和回歸樹
9.1 引言
9.2 分類樹
9.3 生成樹
9.4 評估分類樹的效果
9.5 避免過擬合
9.6 樹中的分類準則
9.7 多分類的分類樹
9.8 回歸樹
9.9 樹的優點和缺點
9.10 預測方法的提高:組合多棵樹
9.11 不純度的提取和度量
10 邏輯回歸
10.1 引言
10.2 邏輯回歸模型
10.3 評價分類性能
10.4 完整分析案例:預測航班延誤
10.5 附錄:邏輯回歸的概括
11 神經網絡
11.1 引言
11.2 神經網絡的概念和結構
11.3 擬合數據
11.4 JMP Pro用戶輸入
11.5 探索預測變量和響應變量的關系
11.6 神經網絡的優點和缺陷
12 判別分析
12.1 引言
12.2 觀測值到類的距離
12.3 從距離到傾向和分類
12.4 判別分析的分類性能
12.5 先驗概率
12.6 多類別分類
12.7 優點和缺點
13 組合方法:集成算法和增量模型
13.1 集成算法
13.2 增量(說服)模型
13.3 總結
第五部分 挖掘記錄之間的關系
14 聚類分析
14.1 引言
14.2 定義兩個觀測值之間的距離
14.3 定義兩個類之間的距離
14.4 系統(凝聚)聚類
14.5 非系統聚類:k-means算法
第六部分 時間序列預測
15 時間序列處理
15.1 引言
15.2 描述性與預測性建模
15.3 商業中的主流預測方法
15.4 時間序列的構成
15.5 數據分割和性能評價
16 回歸預測模型
16.1 趨勢模型
16.2 季節模型
16.3 趨勢和季節模型
16.4 自相關和ARIMA模型
17 平滑法
17.1 引言
17.2 移動平均法
17.3 簡單指數平滑法
17.4 高級指數平滑法
第七部分 案例
18 案例
18.1 查爾斯圖書俱樂部
18.2 德國信貸
18.3 太古軟件編目
18.4 政治說教
18.5 出租車訂單取消
18.6 浴皂的消費者細分
18.7 直郵籌款
18.8 破產預測
18.9 時間序列案例:預測公共交通需求
主題書展
更多主題書展
更多書展本週66折
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。
特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。
無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。
為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。