扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
大数据精准挖掘 版权信息
- ISBN：9787122189929
- 条形码：9787122189929 ; 978-7-122-18992-9
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
大数据精准挖掘 本书特色
本书以新兴的大数据时代*实用的技术为支撑，以广阔的科技视野和扎实的专业功底，全面介绍了大数据时代的由来和背景，阐述了与大数据分析相关的理论和数学模型。特别难能可贵的是，本书从蕴含大数据技术的精准数据挖掘工具入手，结合实际的成功案例，将数据精准挖掘的全过程和详细步骤，包括结果验证等方面内容，详详细细并非常专业地展现给读者。本书理论和实践密切结合，文字流畅，深入浅出，通俗易懂。 通过本书的学习，可以掌握当下大数据所涉及的主要数学分析模块的要点，并比较相互的特点。同时，能够学会实用的数据挖掘专门技术及经历数据挖掘的全过程。由于本书所介绍的技术与我国目前大数据运用的领军行业金融、保险、电信、电子商务等密切相连，故本书有很强的实用性，能达到学以致用、边学边用的效果。 本书适合我国it业的科研机构、相关企业的专业技术人员的学习之用；本书还可以作为政府部门制定大数据发展战略时的参考。本书也适合全国高等院校的大学生和研究生学习使用；由于本书将理论与具体操作合二为一，故也能作为全国大专院校开设大数据实验课程的教材。
大数据精准挖掘 内容简介
作者emc2公司的工作经历、深厚的专业基础、精准的数据挖掘工具、结合实践的成功案例，使本书价值斐然，值得推荐！
大数据精准挖掘 目录
第1篇基础篇
第1章大数据时代下的数据挖掘
1?1大数据的基础
1?1?1大数据呈现出了数据的新价值
1?1?2数据采集、存储与提取技术信息化
1?1?3数据挖掘技术是大数据时代*本质特征
1?2大数据的特点
1?2?1数据规模大
1?2?2数据类型多
1?2?3价值密度低，但总体的数据价值高
1?2?4数据处理有速度要求
1?3大数据的作用
1?3?1数据已渗透到社会每个角落
1?3?2数据成为竞争的新元素
1?3?3数据创造新价值
1?3?4大数据地位不断跃升
1?4大数据与数据挖掘
1?4?1数据挖掘技术是大数据时代的灵魂和核心
1?4?2数据挖掘技术涉及多种多类的知识节点
1?4?3选择*好的数据挖掘工具
1?5令人期待的大数据时代
1?6本章小结
第2章大数据与云计算
2?1大数据与云计算
2?1?1大数据与云计算关系
2?1?2大数据扩展了云计算服务类型
2?1?3云计算数据存储系统得到推广
2?1?4追求集成一体化技术
2?1?5大数据和云计算缺一不可
2?2云计算的定义与特点
2?2?1云计算的定义
2?2?2云计算的特点
2?3云计算的基本架构
2?3?1云计算架构的基本层次
2?3?2云计算架构的服务层次
2?4云计算的关键技术
2?4?1虚拟化技术
2?4?2数据存储技术
2?4?3资源管理技术
2?4?4云计算中的编程模型
2?4?5集成一体化技术
2?4?6自动化技术
2?5云计算的商业模式
2?5?1商业模式是云计算的基石
2?5?2云计算的市场规模
2?5?3云计算商业模式分析
2?6本章小结
第2篇理论篇
第3章数据挖掘的主要方法及工具
3?1数据挖掘主要方法
3?1?1决策树分类
3?1?2神经网络
3?1?3logistic回归方法
3?1?4聚类分析
3?1?5数据挖掘方法比较
3?1?6分类器的评估与选择
3?2流行数据分析平台及数据挖掘工具介绍
3?3本章小结
第4章logistic回归模型
4?1多元线性回归模型
4?2logistic回归模型
4?3logistic回归模型的参数估计
4?4logistic回归模型中回归系数的意义
4?5logistic回归模型的拟合优度
4?6logistic回归系数的显著性检验
4?7logistic回归模型的预测准确性
4?8回归变量的选择与逐步回归
4?9本章小结
第5章数据挖掘建模过程
5?1crisp?dm
5?2sas数据挖掘方法论——semma
5?3数据挖掘经验谈
5?4本章小结
第3篇应用篇
第6章金融行业应用1——信用评分
6?1国内信用卡业务现状
6?2信用评分模型的起源、类别和发展
6?3信用评分的步骤
6?4实例演示
6?4?1二元变量预测建模
6?4?2图形版建模输出讲解1——效果评价
6?4?3图形版建模输出讲解2——评分卡文件
6?5本章小结
第7章金融行业应用2——信用卡催收评分
7?1信用卡催收评分模型背景介绍
7?2实例演示
7?2?1图形版连续变量预测建模
7?2?2图形版建模输出
7?3本章小结
第8章保险电销应用——寻找目标客户
8?1背景介绍
8?2案例数据展示及分析
8?2?1业务目标
8?2?2数据展示
8?3数据挖掘与分析过程
8?3?1数据预处理
8?3?2造变量
8?3?3生成挖掘表
8?3?4建立响应模型
8?3?5建模结果分析
8?4数据挖掘结果的运用
8?5本章小结
第9章电信行业应用——客户流失预测
9?1背景介绍
9?2案例数据展示及分析
9?2?1商业理解
9?2?2数据理解
9?2?3数据准备
9?3建立打分模型
9?4分析建模结果
9?5数据挖掘结果的运用
9?6本章小结
第10章商品零售行业应用——购物篮分析
10?1某连锁零售公司的背景介绍
10?2购物篮分析的基本内容
10?2?1同次购买的基本概念
10?2?2同次购买的关联规则质量的衡量
10?2?3购买分析的实现
10?2?4下次购买的基本概念
10?2?5下次购买行为预测
10?3购物篮分析——mba工具的使用
10?3?1mba工具的用途
10?3?2mba工具的使用
10?3?3mba工具的输出
10?4本章小结
第11章实战项目——交叉销售
11?1背景介绍
11?2案例数据展示及分析
11?2?1数据展示
11?2?2业务目标及分析要求
11?3数据挖掘过程
11?3?1数据预处理
11?3?2划分数据集及生成目标变量
11?3?3生成衍生变量
11?3?4生成挖掘表
11?4建立打分模型
11?5结果分析
11?6本章小结
第12章收益预测
12?1背景介绍
12?2数据展示
12?2?1原始数据集展示
12?2?2数据挖掘表的生成
12?3图形版建模
12?3?1建模过程
12?3?2模型输出
12?3?3为新数据集打分
12?4本章小结
参考文献
第1章大数据时代下的数据挖掘
1?1大数据的基础
1?1?1大数据呈现出了数据的新价值
1?1?2数据采集、存储与提取技术信息化
1?1?3数据挖掘技术是大数据时代*本质特征
1?2大数据的特点
1?2?1数据规模大
1?2?2数据类型多
1?2?3价值密度低，但总体的数据价值高
1?2?4数据处理有速度要求
1?3大数据的作用
1?3?1数据已渗透到社会每个角落
1?3?2数据成为竞争的新元素
1?3?3数据创造新价值
1?3?4大数据地位不断跃升
1?4大数据与数据挖掘
1?4?1数据挖掘技术是大数据时代的灵魂和核心
1?4?2数据挖掘技术涉及多种多类的知识节点
1?4?3选择*好的数据挖掘工具
1?5令人期待的大数据时代
1?6本章小结
第2章大数据与云计算
2?1大数据与云计算
2?1?1大数据与云计算关系
2?1?2大数据扩展了云计算服务类型
2?1?3云计算数据存储系统得到推广
2?1?4追求集成一体化技术
2?1?5大数据和云计算缺一不可
2?2云计算的定义与特点
2?2?1云计算的定义
2?2?2云计算的特点
2?3云计算的基本架构
2?3?1云计算架构的基本层次
2?3?2云计算架构的服务层次
2?4云计算的关键技术
2?4?1虚拟化技术
2?4?2数据存储技术
2?4?3资源管理技术
2?4?4云计算中的编程模型
2?4?5集成一体化技术
2?4?6自动化技术
2?5云计算的商业模式
2?5?1商业模式是云计算的基石
2?5?2云计算的市场规模
2?5?3云计算商业模式分析
2?6本章小结
第2篇理论篇
第3章数据挖掘的主要方法及工具
3?1数据挖掘主要方法
3?1?1决策树分类
3?1?2神经网络
3?1?3logistic回归方法
3?1?4聚类分析
3?1?5数据挖掘方法比较
3?1?6分类器的评估与选择
3?2流行数据分析平台及数据挖掘工具介绍
3?3本章小结
第4章logistic回归模型
4?1多元线性回归模型
4?2logistic回归模型
4?3logistic回归模型的参数估计
4?4logistic回归模型中回归系数的意义
4?5logistic回归模型的拟合优度
4?6logistic回归系数的显著性检验
4?7logistic回归模型的预测准确性
4?8回归变量的选择与逐步回归
4?9本章小结
第5章数据挖掘建模过程
5?1crisp?dm
5?2sas数据挖掘方法论——semma
5?3数据挖掘经验谈
5?4本章小结
第3篇应用篇
第6章金融行业应用1——信用评分
6?1国内信用卡业务现状
6?2信用评分模型的起源、类别和发展
6?3信用评分的步骤
6?4实例演示
6?4?1二元变量预测建模
6?4?2图形版建模输出讲解1——效果评价
6?4?3图形版建模输出讲解2——评分卡文件
6?5本章小结
第7章金融行业应用2——信用卡催收评分
7?1信用卡催收评分模型背景介绍
7?2实例演示
7?2?1图形版连续变量预测建模
7?2?2图形版建模输出
7?3本章小结
第8章保险电销应用——寻找目标客户
8?1背景介绍
8?2案例数据展示及分析
8?2?1业务目标
8?2?2数据展示
8?3数据挖掘与分析过程
8?3?1数据预处理
8?3?2造变量
8?3?3生成挖掘表
8?3?4建立响应模型
8?3?5建模结果分析
8?4数据挖掘结果的运用
8?5本章小结
第9章电信行业应用——客户流失预测
9?1背景介绍
9?2案例数据展示及分析
9?2?1商业理解
9?2?2数据理解
9?2?3数据准备
9?3建立打分模型
9?4分析建模结果
9?5数据挖掘结果的运用
9?6本章小结
第10章商品零售行业应用——购物篮分析
10?1某连锁零售公司的背景介绍
10?2购物篮分析的基本内容
10?2?1同次购买的基本概念
10?2?2同次购买的关联规则质量的衡量
10?2?3购买分析的实现
10?2?4下次购买的基本概念
10?2?5下次购买行为预测
10?3购物篮分析——mba工具的使用
10?3?1mba工具的用途
10?3?2mba工具的使用
10?3?3mba工具的输出
10?4本章小结
第11章实战项目——交叉销售
11?1背景介绍
11?2案例数据展示及分析
11?2?1数据展示
11?2?2业务目标及分析要求
11?3数据挖掘过程
11?3?1数据预处理
11?3?2划分数据集及生成目标变量
11?3?3生成衍生变量
11?3?4生成挖掘表
11?4建立打分模型
11?5结果分析
11?6本章小结
第12章收益预测
12?1背景介绍
12?2数据展示
12?2?1原始数据集展示
12?2?2数据挖掘表的生成
12?3图形版建模
12?3?1建模过程
12?3?2模型输出
12?3?3为新数据集打分
12?4本章小结
参考文献
展开全部
书友推荐
- >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥11.0¥23.0 - >
中国历史的瞬间
中国历史的瞬间
¥19.0¥38.0 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥15.9¥49.8 - >
山海经
山海经
¥20.4¥68.0 - >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0 - >
经典常谈
经典常谈
¥17.1¥39.8 - >
月亮与六便士
月亮与六便士
¥13.4¥42.0 - >
推拿
推拿
¥12.2¥32.0
本类畅销
-
Access 2021数据库应用技术
¥50.8¥59.8 -
算法与数据结构:C语言版
¥22.3¥29 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6
