大嘴巴漫談數(shù)據(jù)挖掘（全彩）

定　價(jià)：￥69.00

作　者：	易向軍著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)與互聯(lián)網(wǎng) 數(shù)據(jù)庫(kù)

購(gòu)買這本書可以去

ISBN：	9787121225116	出版時(shí)間：	2014-04-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	288	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《大嘴巴漫談數(shù)據(jù)挖掘（全彩）》從最基本的概率統(tǒng)計(jì)學(xué)開始，全面、系統(tǒng)、形象而又深入地描述了數(shù)據(jù)挖掘的基礎(chǔ)概念、應(yīng)用領(lǐng)域以及常用算法。其中每一種數(shù)據(jù)挖掘算法都輔以通俗易懂的實(shí)例，讀者能夠在直觀性、趣味性中學(xué)習(xí)算法的具體流程，明白算法的實(shí)現(xiàn)過程。通過《大嘴巴漫談數(shù)據(jù)挖掘（全彩）》的學(xué)習(xí)，讀者可以對(duì)數(shù)據(jù)挖掘的概念、應(yīng)用和算法技術(shù)有一個(gè)清晰的理解和認(rèn)識(shí)，并可以熟悉相關(guān)統(tǒng)計(jì)學(xué)的基本原理?！洞笞彀吐剶?shù)據(jù)挖掘（全彩）》適合想從事數(shù)據(jù)挖掘方面的工作的初學(xué)者、數(shù)據(jù)分析愛好者、分析師，以及一線的數(shù)據(jù)挖掘開發(fā)人員參考閱讀，也適合客戶經(jīng)理針對(duì)如何開展針對(duì)性的營(yíng)銷活動(dòng)，避免客戶流失而閱讀學(xué)習(xí)，更適合產(chǎn)品經(jīng)理閱讀，因?yàn)獒槍?duì)如何預(yù)測(cè)產(chǎn)品的目標(biāo)用戶，促進(jìn)用戶活躍和業(yè)務(wù)有效使用，靠經(jīng)驗(yàn)已經(jīng)不行了，數(shù)據(jù)才最有說服力，更適合企業(yè)管理者將其作為一本通俗易懂的數(shù)據(jù)挖掘基礎(chǔ)讀物閱讀學(xué)習(xí)，對(duì)下屬的工作方向給予指導(dǎo)，以及適合教師學(xué)生數(shù)據(jù)挖掘課程輔導(dǎo)之用。

作者簡(jiǎn)介

　　易向軍：北京科技大學(xué)計(jì)算機(jī)碩士學(xué)歷，長(zhǎng)期工作于互聯(lián)網(wǎng)和電信領(lǐng)域，目前創(chuàng)辦dazui8.com，致力于數(shù)據(jù)挖掘知識(shí)的宣傳推廣以及相關(guān)技術(shù)的研發(fā)探索。

圖書目錄

第一境昨夜西風(fēng)凋碧樹。獨(dú)上高樓，望盡天涯路……
1.1數(shù)據(jù)挖掘簡(jiǎn)介
開篇點(diǎn)題引五問
大數(shù)據(jù)中求價(jià)值
定義概述歸特點(diǎn)
知識(shí)決策跨領(lǐng)域
架構(gòu)特征多形式
數(shù)據(jù)立方展多維
功能挖掘四大類
分類刻畫類標(biāo)識(shí)
數(shù)據(jù)聚類辨親疏
預(yù)測(cè)未來訓(xùn)模型
關(guān)聯(lián)源自購(gòu)物籃
模型過程方法論
十大算法成經(jīng)典
1.2數(shù)據(jù)挖掘應(yīng)用
行業(yè)推廣多應(yīng)用
用戶為王放心中
指導(dǎo)運(yùn)營(yíng)全周期
定位目標(biāo)尋用戶
精準(zhǔn)營(yíng)銷成閉環(huán)
交叉產(chǎn)品有關(guān)聯(lián)
細(xì)分用戶刻畫像
用戶體驗(yàn)?zāi)Ｐ突?
指標(biāo)評(píng)測(cè)建體系
流失預(yù)警保用戶
跟蹤評(píng)估驗(yàn)效果
第二境衣帶漸寬終不悔，為伊消得人憔悴……
2.1概率定義
浮生難料盡偶然
一枚硬幣拋正反
引出隨機(jī)小試驗(yàn)
樣本空間樣本點(diǎn)
事件三分包萬象
試驗(yàn)頻率需頻繁
次數(shù)無限值極限
描述概率定特點(diǎn)
古典概型等可能
事件B后A在前
求出概率稱條件
獨(dú)立事件A和B
抽簽中獎(jiǎng)公平性
常用概率兩公式
交空并全劃樣本
綜合狀態(tài)全概率
前因后果貝葉斯
2.2隨機(jī)變量
隨機(jī)試驗(yàn)數(shù)量化
統(tǒng)計(jì)規(guī)律雙類型
離散變量分布律
硬幣拋擲是一零
分布函數(shù)連續(xù)型
函數(shù)求導(dǎo)得密度
高斯分布稱正態(tài)
標(biāo)準(zhǔn)正態(tài)分位點(diǎn)
2.3數(shù)字特征
隨機(jī)變量有特征
平均取值是期望
方差衡量偏離值
標(biāo)準(zhǔn)開根同量綱
變量關(guān)系協(xié)方差
相關(guān)系數(shù)相關(guān)度
研究總體要抽樣
抽樣分布統(tǒng)計(jì)量
2.4參數(shù)估計(jì)
最小二乘估參數(shù)
極大似然大概率
區(qū)間估計(jì)置信度
2.5假設(shè)檢驗(yàn)
總體假設(shè)來檢驗(yàn)
服從正態(tài)抽樣本
統(tǒng)計(jì)量中驗(yàn)假設(shè)
棄真取偽兩錯(cuò)誤
顯著檢驗(yàn)小概率
小概率中拒絕域
檢驗(yàn)流程出決策
已知總體方差值
檢驗(yàn)中驗(yàn)均值
第三境眾里尋她千百度，驀然回首，那人卻在，燈火闌珊處。
3.1關(guān)聯(lián)規(guī)則
購(gòu)物籃中找關(guān)聯(lián)
數(shù)據(jù)事務(wù)若干項(xiàng)
事務(wù)空間含項(xiàng)集
置信支持提升度
規(guī)則源于頻繁項(xiàng)
k項(xiàng)連接和剪枝
生成非空規(guī)則集
關(guān)聯(lián)效果來評(píng)估
3.2決策樹
決策思維成樹形
分類預(yù)測(cè)工作流
原理基于信息熵
信息增益條件熵
節(jié)點(diǎn)拆分選特征
3.3貝葉斯
預(yù)測(cè)分類貝葉斯
類別概率要最大
分類數(shù)據(jù)新預(yù)測(cè)
3.4聚類分析
物以類聚人以群
樣本變量定矩陣
R型Q型換空間
距離度量相似度
系數(shù)聚類統(tǒng)計(jì)量
標(biāo)準(zhǔn)樣本選歐氏
層次聚合歸大類
3.5神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)神經(jīng)元
神經(jīng)元中有加權(quán)
輸入映射輸出層
求出誤差調(diào)參數(shù)
權(quán)重偏置學(xué)習(xí)率
實(shí)例分析模型流
3.6線性回歸
研究身高引回歸
單自變量歸一元
最小二乘估回歸
數(shù)據(jù)差異總離差
分為解釋和誤差
判定系數(shù)擬合度
多元回歸建方程
回歸面中展二元
求得回歸系數(shù)解
衡量擬合驗(yàn)效果
3.7邏輯回歸
因變量中二分類
二項(xiàng)邏輯回歸式
極大似然解方程
預(yù)測(cè)分類符合率
3.8因子分析
相關(guān)變量納因子
因子構(gòu)造筑模型
因子載荷統(tǒng)計(jì)性
衡量信息共同度
方差貢獻(xiàn)重要性
因子分析四步曲
構(gòu)造因子求載荷
旋轉(zhuǎn)因子得命名
因子組合求得分
3.9信度分析
設(shè)計(jì)問卷來調(diào)研
信度檢驗(yàn)可靠性
3.10效度分析
結(jié)構(gòu)方程協(xié)方差
測(cè)量模型內(nèi)外生
結(jié)構(gòu)模型潛變量
效度分析路徑圖
提出假設(shè)依理論
固定負(fù)荷識(shí)模型
相關(guān)陣中估參數(shù)