目录
第1部分背 景 介 绍
第1章我们可以用数据做什么
1.1大数据和数据科学
1.2大数据架构
1.3小数据
1.4什么是数据
1.5数据分析简单分类
1.6数据使用实例
1.6.1美国威斯康星州的乳腺癌数据
1.6.2波兰企业破产数据
1.7一个数据分析项目
1.7.1数据分析方法论简史
1.7.2KDD过程
1.7.3CRISPDM方法
1.8本书的组织结构
1.9本书面向的对象
第2部分理 解 数 据
第2章描述统计学
2.1尺度类型
2.2描述单元分析
2.2.1单元频数
2.2.2单元数据可视化
2.2.3单元统计
2.2.4常见的单元概率分布
2.3描述性双元分析
2.3.1两个定量属性
2.3.2两个定性属性，其中至少有一个是名义属性
2.3.3两个序数属性
2.4本章小结
2.5练习
第3章描述性多元分析
3.1多元频数
3.2多元数据可视化
3.3多元统计
3.3.1位置多元统计
3.3.2离散多元统计
3.4信息图和词云
3.4.1信息图
3.4.2词云
3.5本章小结
3.6练习
第4章数据质量和预处理
4.1数据质量
4.1.1缺失值
4.1.2冗余数据
4.1.3不一致数据
4.1.4噪声数据
4.1.5离群值
4.2转换为不同的尺度类型
4.2.1名义尺度转换为相对尺度
4.2.2序数尺度转换为相对或绝对尺度
4.2.3相对或绝对尺度转换为序数或名义尺度
4.3转换为不同尺度
4.4数据转换
4.5维度降低
4.5.1属性聚合
4.5.2属性选择
4.6本章小结
4.7练习
第5章聚类
5.1距离度量
5.1.1常见属性类型值之间的差异
5.1.2定量属性对象的距离度量
5.1.3非常规属性的距离度量
5.2聚类验证
5.3聚类技术
5.3.1K均值
5.3.2DBSCAN
5.3.3聚合层次聚类技术
5.4本章小结
5.5练习
第6章频繁模式挖掘
6.1频繁项集
6.1.1设置最小支持度阈值
6.1.2Apriori——基于连接的方法
6.1.3Eclat算法
6.1.4FPGrowth
6.1.5最大频繁项集和闭合频繁项集
6.2关联规则
6.3支持度与置信度的意义
6.3.1交叉支持度模式
6.3.2提升度
6.3.3辛普森悖论
6.4其他模式
6.4.1序列模式
6.4.2频繁序列挖掘
6.4.3闭合和最大序列
6.5本章小结
6.6练习
第7章描述性分析的备忘单和项目
7.1描述性分析备忘单
7.1.1数据总结
7.1.2聚类方法
7.1.3频繁模式挖掘
7.2描述性分析项目
7.2.1理解业务
7.2.2理解数据
7.2.3准备数据
7.2.4建模
7.2.5评价
7.2.6部署
第3部分预 测 未 知
第8章回归
8.1预测性能评估
8.1.1泛化
8.1.2模型验证
8.1.3回归的预测性能度量
8.2寻找模型参数
8.2.1线性回归
8.2.2偏差方差权衡
8.2.3收缩方法
8.2.4使用属性的线性组合方法
8.3技术选型
8.4本章小结
8.5练习
第9章分类
9.1二元分类
9.2分类的预测性能度量
9.3基于距离的学习算法
9.3.1k近邻算法
9.3.2基于案例的推理
9.4概率分类算法
9.4.1逻辑回归算法
9.4.2朴素贝叶斯（NB）算法
9.5本章小结
9.6练习
第10章其他预测方法
10.1基于搜索的算法
10.1.1决策树归纳算法
10.1.2回归决策树
10.2基于优化的算法
10.2.1人工神经网络
10.2.2支持向量机
10.3本章小结
10.4练习
第11章高级预测话题
11.1集成学习
11.1.1Bagging
11.1.2随机森林
11.1.3AdaBoost
11.2算法的偏差
11.3非二元分类任务
11.3.1单类分类
11.3.2多类分类
11.3.3排序分类
11.3.4多标签分类
11.3.5层次分类
11.4高级预测数据准备技术
11.4.1数据分类不均衡
11.4.2不完全目标标记
11.5具有监督可解释技术的描述和预测
11.6练习
第12章预测性分析的备忘单和项目
12.1预测性分析备忘单
12.2预测性分析项目
12.2.1业务理解
12.2.2数据理解
12.2.3数据准备
12.2.4建模
12.2.5评估
12.2.6部署
第4部分常见的数据分析应用
第13章文本、网络和社交媒体应用
13.1文本挖掘
13.1.1数据采集
13.1.2特征提取
13.1.3剩下的阶段
13.1.4趋势
13.2推荐系统
13.2.1反馈
13.2.2推荐任务
13.2.3推荐技术
13.2.4小结
13.3社交网络分析
13.3.1社交网络的表示
13.3.2节点的基本属性
13.3.3网络的基本和结构属性
13.3.4趋势和小结
13.4练习
附录A对CRISPDM方法的全面描述
参考文献
