Python數據挖掘 洪金珠 徐藹婷 陳宜治等 9787302691907 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202506*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：Python數據挖掘
ISBN：9787302691907
出版社：清華大學
著編譯者：洪金珠 徐藹婷 陳宜治等
頁數：351
所在地：中國大陸 *此為代購商品
書號：1741539
可大量預訂，請先連絡。

內容簡介 本書力求為讀者呈現一部兼具理論深度和實踐指導性的數據挖掘教材，在內容安排上既注重基礎知識的講解，又強調實際應用能力的培養。每章都包括理論闡述、算法原理、實踐案例和基於Python的代碼實現等諸多內容，旨在幫助讀者全面理解和掌握相關知識和技能。此外，本書還關注數據挖掘領域的最新發展和前沿技術，將AI代碼自動生成融入其中，使讀者能夠緊跟時代步伐，掌握最前沿的知識和技能。 本書內容豐富、結構清晰、實踐性強，既適合作為高等院校相關專業的教材使用，也適合廣大數據挖掘愛好者自學參考。無論是初學者還是有一定基礎的讀者，都能從本書中獲得寶貴的知識和經驗。

目錄 第1章 緒論
1 1 數據挖掘基礎
1 1 1 數據挖掘概述
1 1 2 數據挖掘演進脈絡
1 1 3 數據挖掘應用領域
1 2 基於Python的數據挖掘
1 2 1 本地環境安裝
1 2 2 簡單案例實踐
1 2 3 本書常用方法
1 3 天池平台操作概述
1 3 1 天池AI實訓平台介紹
1 3 2 課程配套環境操作
1 3 3 天池數據集介紹
習題1
第2章 數據可視化
2 1 數據可視化概述
2 1 1 數據可視化的概念
2 1 2 數據可視化的作用
2 1 3 Python數據可視化實戰準備
2 2 matplotlib繪製簡單圖表
2 2 1 matplotlib簡介
2 2 2 繪圖屬性設置
2 2 3 簡單圖形的繪製
2 3 高級圖表繪製
2 3 1 subplot子區
2 3 2 Seaborn
2 3 3 詞雲圖
2 3 4 mplot3d模塊
習題2
第3章 數據預處理
3 1 數據預處理概述
3 1 1 數據預處理的概念
3 1 2 數據預處理在數據挖掘中的作用
3 1 3 數據預處理的主要任務
3 2 數據清洗
3 2 1 缺失值處理
3 2 2 雜訊數據處理
3 2 3 異常值處理
3 3 數據集成
3 3 1 數據源識別與整合
3 3 2 數據格式統一化
3 3 3 數據冗餘與相關性分析
3 4 數據變換
3 4 1 數據變換概述
3 4 2 數據編碼應用示例
3 4 3 規範化應用示例
3 5 數據預處理應用案例
習題3
第4章 回歸分析
4 1 回歸分析基本問題
4 1 1 回歸分析介紹
4 1 2 回歸分析的種類
4 1 3 回歸分析的發展史
4 2 線性回歸模型
4 2 1 模型的相關概念
4 2 2 一元線性回歸分析
4 2 3 多元線性回歸分析
4 2 4 實戰準備
4 2 5 模型案例分析
4 3 其他回歸模型
4 3 1 Lasso回歸模型
4 3 2 嶺回歸模型
4 3 3 邏輯回歸模型
4 3 4 實戰準備
4 3 5 模型案例分析
習題4
第5章 關聯規則分析
5 1 關聯規則分析概述
5 1 1 概念
5 1 2 原理步驟
5 1 3 應用領域
5 2 Apriori算法
5 2 1 基本原理
5 2 2 算法流程
5 2 3 實戰準備
5 2 4 Apriori算法案例
5 3 FP-growth算法
5 3 1 基本原理
5 3 2 算法流程
5 3 3 實戰準備
5 3 4 FP-growth算法案例
5 4 關聯規則分析案例
習題5
第6章 聚類分析
6 1 聚類分析概述
6 1 1 聚類分析的基本概念
6 1 2 聚類分析的原理和步驟
6 2 基於劃分的聚類
6 2 1 k-means算法
6 2 2 k-means++算法
6 2 3 實戰準備
6 2 4 劃分聚類案例
6 3 基於層次的聚類
6 3 1 層次聚類的基本概念
6 3 2 凝聚層次算法：AGNES算法
6 3 3 分裂層次算法：DIANA算法
6 3 4 實戰準備
6 3 5 層次聚類案例
6 4 基於密度的聚類
6 4 1 密度聚類的基本概念
6 4 2 DBSCAN算法
6 4 3 實戰準備
6 4 4 密度聚類案例
習題6
第7章 隨機森林
7 1 隨機森林概述
7 1 1 決策樹概論
7 1 2 隨機森林概論
7 1 3 決策樹與隨機森林
7 2 決策樹
7 2 1 sklearn中的決策樹模型
7 2 2 分類決策樹
7 2 3 回歸決策樹
7 3 隨機森林實踐
7 3 1 隨機森林實踐準備
7 3 2 隨機森林案例分析
7 3 3 隨機森林的應用案例
習題7
第8章 神經網絡
8 1 神經網絡概述
8 1 1 概念
8 1 2 發展歷程
8 1 3 應用領域
8 2 長短期記憶網絡算法
8 2 1 基本原理
8 2 2 算法流程
8 2 3 LSTM算法案例
8 3 BP反向傳播算法
8 3 1 基本原理
8 3 2 算法流程
8 3 3 BP算法案例
習題8
第9章 貝葉斯分類
9 1 貝葉斯分類概述
9 1 1 貝葉斯定理
9 1 2 貝葉斯分類步驟及優點
9 1 3 應用領域
9 2 樸素貝葉斯算法
9 2 1 基本原理
9 2 2 算法分類
9 2 3 實戰準備
9 2 4 樸素貝葉斯算法案例
9 3 貝葉斯網絡
9 3 1 基本原理
9 3 2 算法流程及實戰準備
9 3 3 貝葉斯網絡算法案例
習題9
第10章 文本挖掘
10 1 文本挖掘概述
10 1 1 基本介紹
10 1 2 應用領域
10 1 3 基本流程
10 2 文本預處理
10 2 1 文本清洗
10 2 2 分詞和詞性標註
10 2 3 特徵選取
10 2 4 詞向量表示方法
10 3 文本挖掘方法實現
10 3 1 文本分類
10 3 2 文本聚類
10 4 文本挖掘結果可視化
10 4 1 知識圖譜
10 4 2 詞雲圖
10 5 文本挖掘算法案例
習題10
第11章 綜合案例實戰
11 1 代碼自動生成
11 2 租房案例概述
11 2 1 案例背景
11 2 2 案例研究目的
11 3 數據採集及預處理
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。