數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)

第 1 章 數(shù)據(jù)挖掘概述 1
1．1　數(shù)據(jù)挖掘發(fā)展簡述　1
1．1．1　數(shù)據(jù)時代　1
1．1．2　數(shù)據(jù)分析的技術(shù)發(fā)展　2
1．2　數(shù)據(jù)挖掘概念　5
1．2．1　數(shù)據(jù)挖掘的定義與OLAP　5
1．2．2　數(shù)據(jù)挖掘與知識發(fā)現(xiàn)KDD　6
1．3　數(shù)據(jù)挖掘的功能與應(yīng)用領(lǐng)域　9
1．3．1　電子商務(wù)　9
1．3．2　電信行業(yè)　10
1．3．3　金融行業(yè)　10
1．3．4　醫(yī)療行業(yè)　10
1．3．5　社會網(wǎng)絡(luò)　11
1．3．6　數(shù)據(jù)挖掘應(yīng)用的問題　11
1．4　數(shù)據(jù)挖掘的模式類型　11
1．4．1　類/概念描述：特征和區(qū)分　12
1．4．2　回歸（regression）　13
1．4．3　分類（classification）　14
1．4．4　預(yù)測（forecasting）　15
1．4．5　關(guān)聯(lián)分析（association）　15
1．4．6　聚類分析（cluster）　16
1．4．7　異常檢測（anomalydetection）　17
1．4．8　小結(jié)　17
1．5　數(shù)據(jù)挖掘的數(shù)據(jù)類型　18
1．5．1　數(shù)據(jù)庫　18
1．5．2　數(shù)據(jù)倉庫數(shù)據(jù)　19
1．5．3　其它數(shù)據(jù)類型　20
1．6　數(shù)據(jù)挖掘的交叉學(xué)科　20
1．6．1　統(tǒng)計學(xué)　21
1．6．2　機(jī)器學(xué)習(xí)　21
1．6．3　數(shù)據(jù)庫與數(shù)據(jù)倉庫　22
第　2章 Pandas數(shù)據(jù)分析　23
2．1　Pandas與數(shù)據(jù)分析　23
2．1．1　統(tǒng)計學(xué)與數(shù)據(jù)挖掘　23
2．1．2　常用的統(tǒng)計學(xué)指標(biāo)　24
2．1．3　Pandas的簡單介紹　26
2．2　Pandas統(tǒng)計案例分析　30
2．2．1　實(shí)驗實(shí)現(xiàn)Pandas自行車數(shù)據(jù)分析　30
2．2．2　實(shí)驗實(shí)現(xiàn)Pandas服務(wù)熱線數(shù)據(jù)分析　36
第3章　數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)　41
3．1　數(shù)據(jù)挖掘中的機(jī)器學(xué)習(xí)　41
3．1．1　什么是機(jī)器學(xué)習(xí)？　41
3．1．2　機(jī)器學(xué)習(xí)處理的問題　42
3．1．3　機(jī)器學(xué)習(xí)的框架　42
3．1．4　數(shù)據(jù)的加載和分割　43
3．2　機(jī)器學(xué)習(xí)的模型　45
3．2．1　模型的選擇　45
3．2．1　學(xué)習(xí)和預(yù)測　46
3．2．3　實(shí)驗實(shí)現(xiàn)機(jī)器學(xué)習(xí)模型　47
3．3　模型的評判和保存　48
3．3．1　分類、回歸、聚類不同的評判指標(biāo)　48
3．3．2　交叉驗證 (Cross validation)　49
3．3．3　實(shí)驗實(shí)現(xiàn)分類、回歸指標(biāo)　50
3．3．4　實(shí)驗實(shí)現(xiàn)cross_val_score　51
3．3．5　實(shí)驗實(shí)現(xiàn)模型的保存　52
3．4　支持向量機(jī)　53
3．4．1　支持向量機(jī)　53
3．4．2　實(shí)驗實(shí)現(xiàn)支持向量機(jī)分類　54
3．4．3　實(shí)驗實(shí)現(xiàn)支持向量機(jī)回歸　55
3．4．4　實(shí)驗實(shí)現(xiàn)支持向量機(jī)異常檢測　55
3．5　過擬合問題　58
3．5．1　過擬合　58
3．5．2　實(shí)驗實(shí)現(xiàn)學(xué)習(xí)曲線和驗證曲線　59
第4章　分類分析方法與應(yīng)用　62
4．1　數(shù)據(jù)挖掘分類問題　62
4．2　概率模型　63
4．2．1　原理　63
4．2．2　應(yīng)用場景　66
4．3　樸素貝葉斯分類　66
4．3．1　原理與應(yīng)用場景　66
4．3．2　實(shí)驗實(shí)現(xiàn)樸素貝葉斯算法　67
4．4　向量空間模型　68
4．4．1　原理與應(yīng)用場景　68
4．4．2　實(shí)驗實(shí)現(xiàn)空間向量模型　69
4．5　KNN算法　72
4．5．1　原理與應(yīng)用場景　72
4．5．2　實(shí)驗實(shí)現(xiàn)KNN算法　74
4．6　多類問題　76
4．6．1　原理與應(yīng)用場景　76
4．6．2　實(shí)驗實(shí)現(xiàn)多類問題　77
第5章　回歸模型算法與應(yīng)用　79
5．1　回歸預(yù)測問題　80
5．2　線性回歸　81
5．2．1　原理與應(yīng)用場景　81
5．2．2　實(shí)驗實(shí)現(xiàn)線性回歸　82
5．3　嶺回歸和LASSO　84
5．3．1　原理與應(yīng)用場景　84
5．3．2　實(shí)驗實(shí)現(xiàn)嶺回歸　87
5．4　邏輯回歸　89
5．4．1　原理與應(yīng)用場景　89
5．4．2　實(shí)驗實(shí)現(xiàn)邏輯回歸　91
第6章　無監(jiān)督學(xué)習(xí)　94
6．1　無監(jiān)督學(xué)習(xí)問題　94
6．1．1　無監(jiān)督學(xué)習(xí)　94
6．1．2　聚類分析的基本概念與原理　95
6．2　劃分聚類　96
6．2．1　劃分聚類　96
6．2．2　K-Means算法　97
6．2．3　實(shí)驗實(shí)現(xiàn)K-Means算法　100
6．3　層次聚類　103
6．3．1　層次聚類算法　103
6．3．2　實(shí)驗實(shí)現(xiàn)層次聚類算法實(shí)現(xiàn)　105
6．4　聚類效果評測　106
6．4．1　聚類效果的評測　106
6．4．2　實(shí)驗實(shí)現(xiàn)聚類效果評測　107
6．5　降維　108
6．5．1　降維方法　108
6．5．2　實(shí)驗實(shí)現(xiàn)降維　108
第7章　關(guān)聯(lián)規(guī)則　110
7．1　關(guān)聯(lián)規(guī)則的概念　111
7．1．1　什么是關(guān)聯(lián)規(guī)則？　111
7．2　Apriori算法　112
7．2．1　Apriori算法概念　112
7．2．2　Apriori算法實(shí)現(xiàn)原理　113
7．2．3　實(shí)驗實(shí)現(xiàn)Apriori算法　115
7．3　協(xié)同過濾　119
7．3．1　協(xié)同過濾算法的概念　119
7．3．2　協(xié)同過濾（基于用戶）　120
7．3．3　協(xié)同過濾（基于用戶）　122
7．3．4　實(shí)驗實(shí)現(xiàn)協(xié)同過濾算法　124
第8章　圖像數(shù)據(jù)分析　129
8．1　圖像數(shù)據(jù)　129
8．2　圖像數(shù)據(jù)分析方法　131
8．3　圖像數(shù)據(jù)分析案例　133
8．3．1　PIL：Python圖像處理類庫應(yīng)用示例　133
8．3．2　Numpy圖像數(shù)據(jù)分析示例　138
8．3．3　Scipy圖像數(shù)據(jù)分析示例　141
8．3．4　scikit-image　145
8．3．5　綜合練習(xí)　150
第　9 章 自然語言處理與NLTK　151
9．1　自然語言處理概述　151
9．1．1　什么是自然語言處理？　151
9．2　NLTK入門基礎(chǔ)　152
9．2．1　Python的第三方模塊NLTK　152
9．2．2　實(shí)驗實(shí)現(xiàn)詞條化　153
9．2．3　實(shí)驗實(shí)現(xiàn)詞干還原　154
9．2．4　實(shí)驗實(shí)現(xiàn)詞型歸并　155
9．2．5　實(shí)驗實(shí)現(xiàn)文本劃分　156
9．2．6　實(shí)驗實(shí)現(xiàn)數(shù)值型數(shù)據(jù)的轉(zhuǎn)換　157
9．3　NLTK文本分析　159
9．3．1　實(shí)驗實(shí)現(xiàn)文本分類器　159
9．3．2　實(shí)驗實(shí)現(xiàn)性別判斷　161
9．3．3　實(shí)驗實(shí)現(xiàn)情感分析　162