金融數據挖掘與商務智能-Python編程實踐 譚勵 9787302633860 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$317
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202311*若逾兩年請先於私訊洽詢存貨情況，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：金融數據挖掘與商務智能-Python編程實踐 ISBN：9787302633860 出版社：清華大學 著編譯者：譚勵 頁數：257 所在地：中國大陸 *此為代購商品 書號：1598064 可大量預訂，請先連絡。 內容簡介 本書是金融商務領域的基礎教材，以Python語言介紹了機器學習在商務領域的應用。全書分12章：第1∼3章介紹商務智能和數據挖掘的基本概念，它們是進行商務智能應用的預備知識：第4∼11章系統深入地講解現今已成熟的機器學習演算法和在商務領域的實際應用：第12章根據具體的商業案例，採用已介紹的演算法知識，通過不同的方法進行實際的應用，可以作為學習本書內容之後的研究重點。 本書適合商務類專業和計算機類專業的本科生或研究生使用，也適合不具有機器學習或統計學背景，但是想要從業于商務領域的人士閱讀。目錄 第1章 商務智能概述1 1 商務智能的概念 1 1 1 數據、信息與知識 1 1 2 商務智能的定義 1 1 3 商務智能的特點 1 1 4 商務智能的過程 1 2 商務智能的產生與發展 1 3 商務智能與分析 1 3 1 商務智能應用背景 1 3 2 商務智能關鍵技術分析 1 4 商務智能的系統架構及實施 1 4 1 商務智能系統架構 1 4 2 商務智能系統要素 1 4 3 商務智能系統實施 1 5 主流商務智能產品 1 6 商務智能的未來發展趨勢 1 7 商務智能的應用 1 8 本章小結 第2章 商務智能中的核心技術 2 1 數據預處理 2 1 1 數據預處理概述 2 1 2 數據預處理的必要性 2 1 3 數據預處理的基本方法 2 1 4 數據清洗 2 1 5 數據集成 2 1 6 數據變換 2 1 7 數據歸約 2 2 數據抽取-轉換-裝載 2 2 1 相關概念 2 2 2 數據抽取-轉換-裝載建模過程 2 2 3 數據抽取-轉換-裝載模式介紹 2 3 多維數據模型 2 3 1 多維數據模型的概念 2 3 2 多維數據模型的構建方法 2 4 聯機分析處理 2 4 1 聯機分析處理簡介 2 4 2 聯機分析處理的分類 2 4 3 聯機分析處理的基本概念和典型操作 2 4 4 聯機分析處理系統的實現途徑及實施過程 2 4 5 聯機分析處理的主流工具 2 5 數據可視化 2 5 1 數據可視化簡介 2 5 2 數據可視化的優勢 2 5 3 數據可視化工具 2 6 本章小結 第3章 數據挖掘概述 3 1 數據挖掘的起源與發展 3 1 1 數據挖掘的起源 3 1 2 數據挖掘的發展 3 2 數據挖掘所要解決的問題 3 3 數據挖掘的定義 3 4 數據挖掘的過程 3 5 數據挖掘系統 3 6 數據挖掘的功能和方法 3 6 1 數據挖掘的功能 3 6 2 數據挖掘的方法 3 7 數據挖掘的典型應用領域 3 8 數據挖掘的發展趨勢 3 9 本章小結 第4章 Apriori關聯規則演算法 4 1 Apriori演算法原理 4 1 1 頻繁項集的評估標準 4 1 2 Apriori演算法思想 4 1 3 Apriori演算法流程 4 2 Python代碼實現 4 3 案例4-1：信用卡消費推薦 4 3 1 實驗步驟 4 3 2 實驗結果 4 3 3 實驗總結 4 4 本章小結 第5章 決策樹分類演算法 5 1 決策樹演算法原理 5 1 1 決策樹是什麼 5 1 2 如何生成決策樹 5 1 3 決策樹生成之後做什麼 5 1 4 決策樹演算法步驟 5 1 5 決策樹演算法的優勢和劣勢 5 2 Python代碼實現 5 3 案例5-1：基於決策樹的理財產品促銷 5 3 1 實驗原理 5 3 2 實驗步驟 5 3 3 實驗結果 5 3 4 實驗總結 5 4 本章小結 第6章 樸素貝葉斯分類演算法 6 1 樸素貝葉斯分類演算法原理 6 1 1 貝葉斯原理 6 1 2 樸素貝葉斯 6 1 3 樸素貝葉斯演算法流程 6 1 4 樸素貝葉斯演算法的優缺點 6 2 Python代碼實現 6 3 案例6-1：基於樸素貝葉斯的理財產品促銷 6 3 1 實驗步驟 6 3 2 實驗結果 6 3 3 實驗總結 6 4 本章小結 第7章 k近鄰分類與k均值聚類演算法 7 1 k近鄰分類原理與實現 7 1 1 距離 7 1 2 k值選擇 7 1 3 分類規則 7 1 4 k近鄰演算法分類的工作原理總結 7 1 5 k近鄰演算法分類的優缺點 7 1 6 k近鄰演算法分類的代碼 7 2 k近鄰演算法案例 7 2 1 實驗原理 7 2 2 實驗步驟 7 2 3 實驗結果 7 2 4 實驗總結 7 3 均值聚類原理與實現 7 3 1 什麼是k均值聚類演算法 7 3 2 均值聚類的演算法過程 7 3 3 k均值聚類的演算法代碼 7 4 k均值聚類案例 7 4 1 實驗原理 7 4 2 實驗步驟 7 4 3 實驗結果 7 4 4 實驗總結 7 5 本章小結 第8章 神經網路演算法 8 1 人工神經網路模型 8 1 1 人工神經網路的概念 8 1 2 人工神經網路的發展 8 1 3 人工神經網路的特點 8 1 4 人工神經網路的結構 8 1 5 人工神經網路模型 8 2 案例8-1：股票價格波動分析 8 2 1 實驗步驟 8 2 2 實驗結果 8 2 3 實驗總結 8 3 本章小結 第9章 線性回歸模型 9 1 線性回歸 9 2 線性回歸實例 9 2 1 演算法原理 9 2 2 實驗步驟 9 2 3 實驗結果 9 3 本章小結 第10章 邏輯回歸模型 10 1 邏輯回歸模型的演算法原理 10 1 1 什麼是邏輯回歸 10 1 2 向量化 10 1 3 正則化 10 1 4 多類分類問題 10 2 案例10-1：客戶流失預警模型 10 2 1 實驗原理 10 2 2 實驗步驟 10 2 3 實驗結果 10 3 本章小結 第11章 AdaBoost演算法與數據聚類模型 11 1 AdaBoost演算法原理 11 1 1 AdaBoost是什麼 11 1 2 AdaBoost演算法流程 11 1 3 AdaBoost實 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
