Python商业数据挖掘（第6版）

用Python展示数据挖掘的理论、技术和应用 通过学习《Python商业数据挖掘(第6版)》，读者将掌握使用Python实现数据挖掘的各种方法，并深入理解在将这些方法应用于数据挖掘的过程中存在的商业问题和机遇。 本书前5版好评如潮，作为第6版，本书首次使用了Python语言。本书除了介绍用于统计和机器学习等领域的预测、分类、可视化、降维、推荐系统、聚类、文本挖掘、网络分析等方法之外，内容还包括： ● 新加入的合著者Peter Gedeck拥有使用Python讲解商业分析课程的丰富经验以及将机器学习应用于新药发现过程的专业技能。在本书中，他十分乐于将这些经验和技能与读者分享。 ● 讨论数据挖掘中的伦理问题。 ● 根据教师和学生的反馈意见对内容做了更新。 ● 通过多个案例展示数据挖掘技术的实际应用。 ● 每章后面的习题有助于读者评估和加深对该章内容的理解。 ● 在线支持网站提供了数据集、教学资料、习题答案、PPT教案和案例解决方案。

第I 部分 预备知识 第1 章 引言............................................................3 1.1 商业分析简介...........................................3 1.2 什么是数据挖掘......................................4 1.3 数据挖掘及相关术语..............................4 1.4 大数据........................................................5 1.5 数据科学...................................................6 1.6 为什么有这么多不同的方法.................6 1.7 术语与符号...............................................7 1.8 本书的线路图...........................................8 第2 章 数据挖掘过程概述................................11 2.1 引言..........................................................11 2.2 数据挖掘的核心思想............................11 2.2.1 分类.................................................11 2.2.2 预测.................................................12 2.2.3 关联规则与推荐系统........................12 2.2.4 预测分析..........................................12 2.2.5 数据规约与降维技术........................12 2.2.6 数据探索和可视化...........................12 2.2.7 监督学习与无监督学习....................13 2.3 数据挖掘步骤.........................................13 2.4 前期步骤.................................................15 2.4.1 数据集的组织...................................15 2.4.2 预测West Roxbury 小区的房价........15 2.4.3 在Python 程序中载入并浏览数据....16 2.4.4 Python 包的导入...............................18 2.4.5 从数据库获得采样数据....................18 2.4.6 在分类任务中对小概率事件的 过采样.............................................19 2.4.7 数据预处理和数据清理....................19 2.5 预测力和过拟合.................................... 24 2.5.1 过拟合............................................. 24 2.5.2 数据分区的创建和使用.................... 26 2.6 建立预测模型........................................ 28 2.7 在本地计算机上用Python 实现 数据挖掘................................................. 32 2.8 自动化数据挖掘解决方案................... 33 2.9 数据挖掘中的伦理规范....................... 33 2.10 习题........................................................ 37 第Ⅱ部分 数据探索与降维技术 第3 章 数据可视化.............................................43 3.1 引言.......................................................... 43 3.2 数据实例................................................. 45 3.3 基本图形：条形图、折线图和 散点图..................................................... 46 3.3.1 分布图：箱线图和直方图................ 48 3.3.2 热图：可视化相关性和缺失值......... 51 3.4 多维数据的可视化................................ 53 3.4.1 添加变量：颜色、大小、形状、 多面板和动画.................................. 53 3.4.2 数据操作：重定标、聚合与层次 结构、缩放与过滤........................... 56 3.4.3 趋势线和标签.................................. 59 3.4.4 扩展到大型数据集........................... 60 3.4.5 多变量图：平行坐标图.................... 62 3.4.6 交互式可视化.................................. 63 3.5 专用的可视化技术................................ 65 3.5.1 网络数据可视化............................... 65 3.5.2 层次数据可视化：树状结构图......... 66 3.5.3 地理数据可视化：地图.................... 68 3.6 小结..........................................................71 3.7 习题..........................................................71 第4 章 降维.........................................................75 4.1 引言..........................................................75 4.2 维数的诅咒.............................................75 4.3 实际考虑..................................................76 4.4 数据摘要..................................................77 4.5 相关性分析.............................................80 4.6 减少分类变量的分类值个数...............81 4.7 把分类变量转换为数值型变量..........82 4.8 主成分分析.............................................82 4.8.1 主成分..............................................87 4.8.2 数据归一化......................................88 4.8.3 使用主成分进行分类和预测.............91 4.9 利用回归模型实现降维.......................91 4.10 利用分类树与回归树实现降维........91 4.11 习题........................................................91 第Ⅲ部分 性能评价 第5 章 评估预测性能........................................97 5.1 引言..........................................................97 5.2 评估预测性能.........................................98 5.3 评估分类器的性能............................. 102 5.4 判断排名性能.......................................111 5.5 过采样....................................................115 5.6 习题........................................................119 第Ⅳ部分 预测与分类方法 第6 章 多元线性回归......................................125 6.1 引言....................................................... 125 6.2 解释模型和预测模型......................... 126 6.3 估计回归方程和预测结果................ 127 6.4 线性回归中的变量选择.................... 131 6.4.1 减少预测变量的数量..................... 131 6.4.2 正则化(收缩模型).......................... 136 6.5 statmodels 包的使用........................... 138 6.6 习题....................................................... 139 第7 章 k-近邻算法...........................................143 7.1 k-近邻分类器(分类结果变量).......... 143 7.1.1 确定近邻记录................................ 143 7.1.2 分类规则........................................144 7.1.3 实例：驾驶式割草机......................144 7.1.4 设置临界值....................................148 7.1.5 多类别的k-近邻算法.....................149 7.1.6 把分类变量转换为二元虚拟 变量...............................................149 7.2 将k-近邻算法应用于数值型 结果变量...............................................149 7.3 k-近邻算法的优缺点..........................151 7.4 习题........................................................151 第8 章 朴素贝叶斯分类器.............................155 8.1 引言........................................................155 8.1.1 临界概率方法................................155 8.1.2 条件概率........................................156 8.2 使用完全或精准的贝叶斯 分类器....................................................157 8.2.1 使用“归类为最有可能的类别” 准则...............................................157 8.2.2 使用临界概率方法.........................157 8.2.3 精准贝叶斯方法存在的实际问题...157 8.2.4 朴素贝叶斯的独立条件假设...........158 8.3 朴素贝叶斯分类器的优缺点............164 8.4 习题........................................................165 第9 章 分类树与回归树.................................167 9.1 引言........................................................167 9.2 分类树....................................................169 9.3 评估分类树的性能..............................175 9.4 如何避免过拟合..................................178 9.4.1 停止树的生长................................179 9.4.2 调节分类树的参数.........................180 9.4.3 限制分类树规模的其他方法...........182 9.5 从分类树推断分类规则.....................183 9.6 多于两个类别的分类树.....................183 9.7 回归树....................................................183 9.8 改进预测方法：随机森林法和 提升树....................................................186 9.8.1 随机森林法....................................186 9.8.2 提升树...........................................188 9.9 树的优缺点...........................................189 9.10 习题......................................................190 第10 章 Logistic 回归.....................................193 10.1 引言......................................................193 10.2 Logistic 回归模型..............................194 10.3 实例：接受个人贷款申请...............196 10.3.1 只有单个预测变量的模型..........196 10.3.2 根据数据估计Logistic 模型： 计算参数估计值.........................197 10.3.3 用几率解释结果(用于分析 目的)..........................................199 10.4 评估分类性能.....................................200 10.5 用于多类别分类的Logistic 回归......................................................202 10.5.1 定序类别....................................202 10.5.2 定类类别....................................203 10.5.3 比较定序类别模型和定类 类别模型...................................204 10.6 分析实例：预测航班是否延误......206 10.6.1 训练模型....................................210 10.6.2 模型的解释................................211 10.6.3 模型的性能................................212 10.6.4 变量选择....................................213 10.7 statmodels 包的使用..........................216 10.8 习题......................................................217 第11 章 神经网络............................................221 11.1 引言......................................................221 11.2 神经网络的概念和结构...................222 11.3 在数据上拟合神经网络...................222 11.3.1 计算节点的输出结果..................223 11.3.2 训练模型....................................225 11.3.3 对事故的严重程度进行分类.......229 11.3.4 避免过拟合................................231 11.3.5 把神经网络的输出结果用于 预测和分类................................231 11.4 要求用户输入.....................................231 11.5 探索预测变量与因变量的关系......232 11.6 深度学习.............................................232 11.6.1 卷积神经网络............................233 11.6.2 局部特征图................................234 11.6.3 层次特征....................................234 11.6.4 学习过程....................................235 11.6.5 无监督学习................................235 11.6.6 结论...........................................236 11.7 神经网络的优缺点............................236 11.8 习题......................................................237 第12 章 判别分析............................................ 239 12.1 引言......................................................239 12.2 记录与类别的距离...........................241 12.3 Fisher 线性分类函数........................242 12.4 判别分析的分类性能.......................245 12.5 先验概率.............................................245 12.6 误分类成本不均等...........................246 12.7 多类别情形下的分类.......................246 12.8 判别分析的优缺点...........................249 12.9 习题......................................................250 第13 章 组合方法：集成学习和增益 模型.................................................... 253 13.1 集成学习.............................................253 13.1.1 为什么集成学习可以改进 预测能力...................................254 13.1.2 集成学习的优缺点.....................257 13.2 增益(说服)模型.................................257 13.2.1 建立一个简单的预测模型..........260 13.2.2 建立增益模型............................260 13.2.3 使用Python 程序计算增益.........261 13.2.4 应用增益模型的结果.................262 13.3 小结......................................................262 13.4 习题......................................................263 第Ⅴ部分 挖掘记录之间的关系 第14 章 关联规则和协同过滤...................... 267 14.1 关联规则.............................................267 14.1.1 从交易数据库中发现 关联规则...................................268 14.1.2 生成候选规则............................269 14.1.3 Apriori 算法...............................270 14.1.4 选择强规则................................270 14.1.5 数据格式...................................271 14.1.6 规则的选择过程........................273 14.1.7 解释结果...................................274 14.2 协同过滤.............................................277 14.2.1 数据类型与数据格式................. 278 14.2.2 基于用户的协同过滤................. 279 14.2.3 基于项的协同过滤.................... 281 14.2.4 协同过滤的优缺点.................... 282 14.2.5 协同过滤与关联规则................. 283 14.3 小结..................................................... 284 14.4 习题..................................................... 284 第15 章 聚类分析............................................289 15.1 引言..................................................... 289 15.2 计算两条记录之间的距离.............. 292 15.2.1 欧几里得距离........................... 292 15.2.2 数值型观测值的归一化处理...... 293 15.2.3 数值型数据的其他距离度量 方法.......................................... 294 15.2.4 分类数据的距离度量................. 295 15.2.5 混合数据的距离度量................. 296 15.3 计算两个簇之间的距离.................. 296 15.4 (凝聚)层次聚类................................. 298 15.4.1 树状图：显示聚类过程和 结果.......................................... 299 15.4.2 验证簇...................................... 301 15.4.3 层次聚类的局限性.................... 303 15.5 非层次聚类：k-均值聚类............... 304 15.6 习题..................................................... 308 第Ⅵ部分 时间序列预测 第16 章 时间序列分析...................................313 16.1 引言..................................................... 313 16.2 描述性模型与预测性模型.............. 314 16.3 商业领域常用的预测方法.............. 314 16.4 时间序列的主要成分....................... 315 16.5 数据分割与性能评估....................... 318 16.5.1 基准性能：朴素预测................. 318 16.5.2 生成未来预测结果.................... 321 16.6 习题..................................................... 321 第17 章 基于回归的预测...............................325 17.1 趋势模型............................................ 325 17.1.1 线性趋势................................... 325 17.1.2 指数趋势................................... 329 17.1.3 多项式趋势............................... 330 17.2 季节性效应模型............................... 330 17.3 趋势和季节性效应模型...................333 17.4 自相关和ARIMA 模型...................334 17.4.1 计算自相关性............................334 17.4.2 加入自相关信息以提高预测 准确度.......................................336 17.4.3 评估可预测性............................339 17.5 习题......................................................339 第18 章 平滑法................................................349 18.1 引言......................................................349 18.2 移动平均法.........................................350 18.2.1 用于可视化的中心移动 平均法.......................................350 18.2.2 用于预测的尾移动平均法..........352 18.2.3 时间窗口宽度的选择.................354 18.3 简单的指数平滑法............................354 18.3.1 平滑参数α 的选择.....................355 18.3.2 移动平均法与简单指数平滑法 的关系.......................................356 18.4 高级指数平滑法................................356 18.4.1 包含趋势的序列........................356 18.4.2 包含趋势和季节性效应的 序列..........................................357 18.4.3 包含季节性效应但不包含趋势 的序列.......................................359 18.5 习题......................................................359 第Ⅶ部分 数据分析 第19 章 社交网络分析...................................369 19.1 引言......................................................369 19.2 有向网络与无向网络.......................370 19.3 社交网络的可视化和分析...............371 19.3.1 网络图的布局............................372 19.3.2 边表...........................................373 19.3.3 邻接矩阵...................................373 19.3.4 在分类和预测中使用社交 网络数据...................................374 19.4 社交网络指标和分类法...................374 19.4.1 节点级中心度指标.....................374 19.4.2 自我中心网络............................375 19.4.3 社交网络度量指标.....................376 19.5 在分类和预测中应用网络指标......378 19.5.1 连接预测....................................378 19.5.2 个体解析....................................378 19.5.3 协同过滤....................................379 19.6 使用Python 收集社交网络数据.....381 19.7 社交网络分析的优缺点...................382 19.8 习题......................................................383 第20 章 文本挖掘............................................385 20.1 引言......................................................385 20.2 文本数据的表格表示法：项-文档 矩阵和词袋.........................................386 20.3 词袋法与文档级提取.......................387 20.4 预处理文本.........................................387 20.4.1 分词...........................................388 20.4.2 文本压缩....................................389 20.4.3 出现/不出现与词频....................391 20.4.4 词频-逆文本频率(TF-IDF)..........391 20.4.5 从项到概念：隐性语义索引.......392 20.4.6 提取语义....................................393 20.5 数据挖掘方法的实现.......................393 20.6 实例：关于汽车和电子产品的 在线讨论.............................................393 20.6.1 导入记录并为记录贴上标签.......394 20.6.2 使用Python 程序对文本进行 预处理.......................................394 20.6.3 生成概念矩阵............................395 20.6.4 拟合预测模型............................395 20.6.5 预测...........................................396 20.7 小结......................................................396 20.8 习题......................................................396 第Ⅷ部分 案例 第21 章 案例.....................................................401 21.1 查尔斯图书俱乐部............................401 21.1.1 背景分析....................................401 21.1.2 查尔斯图书俱乐部的数据库 营销手段...................................402 21.1.3 数据挖掘技术............................403 21.1.4 任务...........................................404 21.2 德国信用卡.........................................405 21.2.1 背景分析....................................405 21.2.2 数据..........................................405 21.2.3 任务..........................................408 21.3 Tayko 软件销售公司........................408 21.3.1 背景分析...................................408 21.3.2 邮件发送实验............................409 21.3.3 数据..........................................409 21.3.4 任务..........................................410 21.4 政治游说.............................................410 21.4.1 背景分析...................................410 21.4.2 预测分析出现在美国总统 大选中....................................... 411 21.4.3 政治定位................................... 411 21.4.4 增益.......................................... 411 21.4.5 数据..........................................412 21.4.6 任务..........................................412 21.5 出租车取消问题................................413 21.5.1 背景分析...................................413 21.5.2 任务..........................................413 21.6 香皂用户的细分................................413 21.6.1 背景分析...................................413 21.6.2 关键问题...................................414 21.6.3 数据..........................................414 21.6.4 测试品牌忠诚度........................415 21.6.5 任务..........................................415 21.7 直邮捐赠.............................................416 21.7.1 背景..........................................416 21.7.2 数据..........................................416 21.7.3 任务..........................................417 21.8 产品目录交叉销售...........................417 21.8.1 背景分析...................................417 21.8.2 任务..........................................418 21.9 预测公共交通需求...........................418 21.9.1 背景分析...................................418 21.9.2 问题描述...................................418 21.9.3 数据..........................................418 21.9.4 目标..........................................419 21.9.5 任务..........................................419 21.9.6 提示和步骤................................419 附录 Python 工具函数.................................... 421

Galit Shmueli博士自2004年以来，一直在美国马里兰大学、statistics.com统计网站、印度商学院设计并指导数据挖掘课程。Shmueli的研究领域包括信息系统的统计方法和数据挖掘，她以研究和擅长讲授商业分析而闻名，并发表了100多篇文章。 Peter C. Bruce是statistics.com统计网站的统计教育研究院的主席和创办人，他发表了多篇学术论文，还开发了Resampling Stats软件。 Peter Gedeck博士是Collabrative Drug Discovery公司的高级数据科学家，他为这家公司开发了一款基于云的软件来管理新药发现过程中用到的海量数据，他还在statistics.com统计网站上教授数据挖掘课程。 Nitin R. Patel博士是位于马萨诸塞州剑桥市的Cytel公司的共同创始人和董事，是美国统计协会会员，同时还是麻省理工学院和哈佛大学的客座教授。

暂无其它内容！

暂时还没有人为这本书评论！