第1章 概述 1
1.1 數(shù)據(jù)挖掘的產(chǎn)生與發(fā)展 2
1.1.1 數(shù)據(jù)挖掘概念的提出 2
1.1.2 數(shù)據(jù)挖掘的發(fā)展歷程 3
1.1.3 當前熱點與未來趨勢 6
1.2 數(shù)據(jù)挖掘過程 9
1.2.1 Fayyad過程模型 9
1.2.2 CRISP-DM過程模型 10
1.3 數(shù)據(jù)挖掘功能與使用技術(shù) 20
1.3.1 數(shù)據(jù)挖掘功能 20
1.3.2 數(shù)據(jù)挖掘使用技術(shù) 21
1.4 數(shù)據(jù)挖掘的核心利器：
機器學習 22
1.4.1 機器學習分類 22
1.4.2 機器學習與數(shù)據(jù)挖掘的
關(guān)系 23
1.5 數(shù)據(jù)挖掘應(yīng)用 24
1.5.1 金融領(lǐng)域的數(shù)據(jù)挖掘 24
1.5.2 電信領(lǐng)域的數(shù)據(jù)挖掘 25
1.5.3 零售與電子商務(wù)領(lǐng)域的
數(shù)據(jù)挖掘 25
1.5.4 政府政務(wù)領(lǐng)域的數(shù)據(jù)挖掘 26
1.5.5 醫(yī)療領(lǐng)域的數(shù)據(jù)挖掘 26
1.5.6 科學領(lǐng)域的數(shù)據(jù)挖掘 26
1.6 練習與拓展 27
第2章 數(shù)據(jù)與數(shù)據(jù)平臺 28
2.1 數(shù)據(jù)類型 29
2.1.1 數(shù)據(jù)形態(tài)與數(shù)據(jù)類型 29
2.1.2 數(shù)據(jù)環(huán)境與數(shù)據(jù)類型 38
2.2 關(guān)系型數(shù)據(jù)庫 39
2.2.1 關(guān)系型數(shù)據(jù)庫概述 39
2.2.2 關(guān)系型數(shù)據(jù)庫管理系統(tǒng) 40
2.3 傳統(tǒng)數(shù)據(jù)倉庫 41
2.3.1 概念與特點 41
2.3.2 數(shù)據(jù)集市 43
2.3.3 元數(shù)據(jù)與數(shù)據(jù)粒度 44
2.3.4 邏輯模型 44
2.4 NoSQL數(shù)據(jù)庫 47
2.4.1 鍵值數(shù)據(jù)庫 47
2.4.2 文檔數(shù)據(jù)庫 48
2.4.3 列族數(shù)據(jù)庫 50
2.4.4 圖數(shù)據(jù)庫 52
2.5 大數(shù)據(jù)平臺 53
2.5.1 數(shù)據(jù)采集層 54
2.5.2 數(shù)據(jù)存儲層 57
2.5.3 數(shù)據(jù)處理與分析層 59
2.6 練習與拓展 62
第3章 數(shù)據(jù)預(yù)處理與特征工程 64
3.1 數(shù)據(jù)預(yù)處理與特征工程概述 65
3.1.1 原始數(shù)據(jù)中存在的問題 65
3.1.2 數(shù)據(jù)預(yù)處理與特征工程的
主要任務(wù) 67
3.2 數(shù)據(jù)清洗 68
3.2.1 缺失數(shù)據(jù)處理 68
3.2.2 異常數(shù)據(jù)處理 70
3.3 數(shù)據(jù)集成與平衡 71
3.3.1 數(shù)據(jù)集成 71
3.3.2 數(shù)據(jù)平衡 73
3.4 特征構(gòu)造與變換 74
3.4.1 特征構(gòu)造 74
3.4.2 特征變換 78
3.5 數(shù)據(jù)歸約 80
3.5.1 屬性的歸約 80
3.5.2 記錄的歸約 82
3.5.3 數(shù)值的歸約 83
3.6 練習與拓展 84
第4章 關(guān)聯(lián)分析 85
4.1 關(guān)聯(lián)分析概述 86
4.1.1 關(guān)聯(lián)分析的基本概念 86
4.1.2 強關(guān)聯(lián)規(guī)則產(chǎn)生的基本
過程 88
4.2 Apriori算法 90
4.2.1 Apriori性質(zhì) 90
4.2.2 Apriori算法過程描述 91
4.2.3 Apriori算法產(chǎn)生頻繁項集
示例 92
4.3 關(guān)聯(lián)規(guī)則的評價：提升度 95
4.3.1 強關(guān)聯(lián)規(guī)則不一定是有趣的
規(guī)則 95
4.3.2 基于提升度評價強關(guān)聯(lián)
規(guī)則 96
4.3.3 基于提升度的強關(guān)聯(lián)規(guī)則
提取 97
4.4 R實踐案例：購物籃分析 99
4.4.1 產(chǎn)生稀疏矩陣 100
4.4.2 了解數(shù)據(jù)概況 100
4.4.3 可視化數(shù)據(jù) 101
4.4.4 挖掘關(guān)聯(lián)規(guī)則 105
4.4.5 可視化關(guān)聯(lián)規(guī)則 107
4.5 Python實踐案例：影片推薦 112
4.5.1 數(shù)據(jù)集初探 112
4.5.2 變量探索 113
4.5.3 影片詞云分析 115
4.5.4 數(shù)據(jù)預(yù)處理 116
4.5.5 關(guān)聯(lián)規(guī)則挖掘 117
4.5.6 為用戶推薦影片 118
4.6 練習與拓展 119
第5章 決策樹 120
5.1 決策樹概述 121
5.1.1 決策樹分析的基本概念 121
5.1.2 決策樹構(gòu)建的基本過程 123
5.2 ID3算法 124
5.2.1 信息論的基本概念 124
5.2.2 ID3算法基本原理 125
5.2.3 使用ID3算法建立決策樹 126
5.3 C5.0算法 129
5.3.1 C5.0算法決策樹生長 129
5.3.2 C5.0算法決策樹修剪 134
5.4 CART算法 136
5.4.1 CART分類樹生長 136
5.4.2 CART回歸樹生長 141
5.4.3 CART剪枝 143
5.5 R實踐案例：客戶信用風險預(yù)測 144
5.5.1 數(shù)據(jù)探索 144
5.5.2 數(shù)據(jù)分區(qū) 153
5.5.3 模型訓練與評估 153
5.5.4 使用代價矩陣調(diào)整模型 156
5.6 Python實踐案例：糖尿病預(yù)測 157
5.6.1 數(shù)據(jù)讀取與類型轉(zhuǎn)換 157
5.6.2 數(shù)據(jù)探索 158
5.6.3 數(shù)據(jù)預(yù)處理 163
5.6.4 模型訓練與評估 164
5.7 練習與拓展 166
第6章 集成學習 167
6.1 集成學習概述 168
6.1.1 集成學習的基本概念 168
6.1.2 集成學習的主要類型 169
6.2 隨機森林 171
6.2.1 隨機森林的構(gòu)建過程 171
6.2.2 隨機森林的OOB估計 172
6.2.3 隨機森林中的特征重要性 172
6.3 AdaBoost 173
6.3.1 AdaBoost二分類算法 174
6.3.2 AdaBoost二分類問題示例 175
6.3.3 AdaBoost的正則化 178
6.4 Gradient Boosting之GBDT 178
6.4.1 Gradient Boosting基本思想 179
6.4.2 GBDT算法 180
6.4.3 GBDT回歸問題示例 181
6.5 R實踐案例：藥物預(yù)測 186
6.5.1 數(shù)據(jù)讀取與類型轉(zhuǎn)換 186
6.5.2 探索性分析 187
6.5.3 隨機森林模型構(gòu)建與評估 191
6.6 Python實踐案例：銀行客戶類別預(yù)測 195
6.6.1 數(shù)據(jù)讀取與預(yù)處理 196
6.6.2 探索性分析 199
6.6.3 模型構(gòu)建與評估 200
6.7 練習與拓展 205
第7章 貝葉斯分類 206
7.1 貝葉斯分類概述 207
7.1.1 貝葉斯定理 207
7.1.2 貝葉斯網(wǎng)絡(luò) 207
7.1.3 貝葉斯分類的基本過程 208
7.2 樸素貝葉斯分類 209
7.2.1 樸素貝葉斯分類原理 209
7.2.2 樸素貝葉斯分類示例 212
7.3 零概率問題：拉普拉斯平滑 214
7.3.1 拉普拉斯平滑法 214
7.3.2 拉普拉斯平滑法示例 215
7.4 TAN貝葉斯分類 216
7.4.1 TAN貝葉斯網(wǎng)絡(luò)結(jié)構(gòu) 216
7.4.2 TAN貝葉斯分類過程 216
7.5 R實踐案例：蘑菇分類 218
7.5.1 數(shù)據(jù)讀取與預(yù)處理 219
7.5.2 探索性分析 220
7.5.3 模型構(gòu)建與評估 223
7.6 Python實踐案例：垃圾短信預(yù)測 225
7.6.1 數(shù)據(jù)集初探 225
7.6.2 文本預(yù)處理 226
7.6.3 詞云分析 227
7.6.4 建立文檔—詞條矩陣 229
7.6.5 樸素貝葉斯分類模型構(gòu)建與評估 230
7.7 練習與拓展 233
第8章 神經(jīng)網(wǎng)絡(luò)與深度學習 234
8.1 神經(jīng)網(wǎng)絡(luò)與深度學習概述 235
8.1.1 生物神經(jīng)元與人工神經(jīng)元 235
8.1.2 激活函數(shù) 236
8.1.3 神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu) 239
8.2 BP神經(jīng)網(wǎng)絡(luò) 241
8.2.1 BP神經(jīng)網(wǎng)絡(luò)的學習過程 241
8.2.2 BP算法描述 246
8.2.3 BP算法示例 247
8.2.4 常用的梯度下降法 249
8.3 卷積神經(jīng)網(wǎng)絡(luò) 250
8.3.1 卷積層 251
8.3.2 激活層 254
8.3.3 池化層 254
8.3.4 全連接層 255
8.4 R實踐案例：白葡萄酒品質(zhì)預(yù)測 256
8.4.1 數(shù)據(jù)探索 257
8.4.2 數(shù)據(jù)轉(zhuǎn)換與分區(qū) 260
8.4.3 模型構(gòu)建與評價 260
8.5 Python實踐案例：服飾圖片識別 265
8.5.1 Fashion-MNIST數(shù)據(jù)集加載及概況分析 265
8.5.2 預(yù)處理與可視化 266
8.5.3 CNN模型構(gòu)建與編譯 268
8.5.4 模型訓練與評估 269
8.5.5 可視化卷積層特征圖 271
8.6 練習與拓展 274
參考文獻 276