书籍详情
![《商战数据挖掘:你需要了解的数据科学与分析思维:whatyouneedtokno》[35M]百度网盘|亲测有效|pdf下载](/uploads/2024-01-20/6645dbb61ee81661.jpg)
商战数据挖掘:你需要了解的数据科学与分析思维:whatyouneedtokno
- 出版社:天津知行图书专营店
- 热度:11803
- 上架时间:2024-06-30 09:38:03
- 价格:0.0
书籍下载
书籍预览
免责声明
本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
内容介绍
温馨提示：
本店所售图书均保证正版，请放心购买！
| 商品基本信息，请以下列介绍为准 | |
| 商品名称： | 商战数据挖掘:你需要了解的数据科学与分析思维:what you need to know 计算机与互联网 书籍 |
| 作者： | 福斯特·普罗沃斯特 |
| 定价： | 89.0 |
| 出版社： | 人民邮电出版社 |
| 出版日期： | 2019-12-01 |
| ISBN： | 9787115522337 |
| 印次： | |
| 版次： | 1 |
| 装帧： | 平装 |
| 开本： | 16开 |
| 内容简介 | |
| 数据挖掘是现代企业从数据中提取有用信息、获取竞争优势的重要方法。针对数据科学的这一商业应用，本书进行了深入解读，不仅详细介绍了数据挖掘的环节、常用分析技术和基本模型，还提供了数据科学解决方案的提案示例和评估指南。同时，为了便于读者理解，本书不仅分析了大量商业示例，在业务情景下阐释数据挖掘的基本概念和原理，还使用大量图表辅助解释数学细节。因此，读者无需专业数学背景即可阅读本书。 |
| 目录 | |
| 目录 赞誉 xiii 前言 xv 第 1 章 绪论：数据分析式思维 1 1．1 数据机遇无处不在 1 1．2 案例：飓风 Frances 2 1．3 案例：预测用户流失 3 1．4 数据科学、数据工程和数据驱动型决策 4 1．5 数据处理和“大数据” 6 1．6 从大数据 1．0 到大数据 2．0 6 1．7 数据与数据科学能力：一种战略性资产 7 1．8 数据分析式思维 9 1．9 关于本书 10 1．10 重新审视数据挖掘和数据科学 11 1．11 数据科学：一门新兴的实验性学科 12 1．12 小结 12 第 2 章 商业问题及其数据科学解决方案 14 2．1 从商业问题到数据挖掘任务 14 2．2 有监督方法与无监督方法 17 2．3 数据挖掘及其结果 18 2．4 数据挖掘流程 19 2．4．1 业务理解环节 20 2．4．2 数据理解环节 21 2．4．3 数据准备环节 22 2．4．4 建模环节 22 2．4．5 评估环节 23 2．4．6 部署环节 24 2．5 管理数据科学团队的含义 25 2．6 其他分析技巧与技术 26 2．6．1 统计 26 2．6．2 数据库查询 27 2．6．3 数据仓库 28 2．6．4 回归分析 28 2．6．5 机器学习与数据挖掘 28 2．6．6 运用以上技术解决商业问题 29 2．7 小结 30 第 3 章 预测建模导论：从相关性到有监督的划分 31 3．1 建模、归纳与预测 32 3．2 有监督的划分 35 3．2．1 选取富信息属性 36 3．2．2 示例：基于信息增益进行属性选择 42 3．2．3 使用树形结构模型进行有监督的划分 46 3．3 划分的可视化 52 3．4 把树视作规则组 53 3．5 概率估计 54 3．6 示例：用树型归纳解决用户流失问题 56 3．7 小结 59 第 4 章 用模型拟合数据 61 4．1 根据数学函数分类 62 4．1．1 线性判别函数 64 4．1．2 目标函数的化 66 4．1．3 示例：基于数据挖掘线性判别式 67 4．1．4 用线性判别函数对实例进行评分和排序 68 4．1．5 支持向量机简介 69 4．2 通过数学函数进行回归 71 4．3 类概率估计和逻辑“回归” 73 4．4 示例：对比逻辑回归和树型归纳 77 4．5 非线性方程、支持向量机和神经网络 81 4．6 小结 83 第 5 章 避免过拟合 84 5．1 泛化能力 84 5．2 过拟合 85 5．3 过拟合检验 86 5．3．1 保留数据和拟合图 86 5．3．2 树型归纳的过拟合问题 88 5．3．3 数值函数的过拟合问题 89 5．4 示例：线性函数的过拟合 90 5．5 * 示例：过拟合为何有害 95 5．6 从保留评估到交叉验证 96 5．7 用户流失数据集回顾 99 5．8 学习曲线 100 5．9 避免过拟合与控制复杂度 101 5．9．1 树型归纳中的过拟合规避 102 5．9．2 避免过拟合的一般方法 102 5．9．3 * 参数优化中的过拟合规避 104 5．10 小结 106 第 6 章 相似性、近邻和簇 107 6．1 相似性和距离 108 6．2 邻推理 109 6．2．1 示例：威士忌分析 110 6．2．2 用邻来进行预测建模 111 6．2．3 近邻的数量及其影响 113 6．2．4 几何解释、过拟合和复杂度控制 115 6．2．5 邻方法的问题 118 6．3 与相似性和邻相关的一些重要技术细节 119 6．3．1 混合属性 119 6．3．2 * 其他距离函数 120 6．3．3 * 组合函数：计算近邻的评分 122 6．4 聚类 124 6．4．1 示例：威士忌分析回顾 124 6．4．2 层次聚类 125 6．4．3 邻回顾：根据形心的聚类 128 6．4．4 示例：对商业新闻报道进行聚类 132 6．4．5 理解聚类结果 135 6．4．6 * |
| 编辑 | |
| 数据科学领域元老级学者倾力打造，SAP副总裁 九个国家和地区，被20余所大学作为教科书 数据科学商业应用的入门指南，现代企业科学经营手册 不同于其他讲述数据科学的书，本书从非数据科学人员，也就是管理者、投资者甚至工程师等人员的角度，阐述了数据科学这一新兴行业的基本原理和基础理念，而这正是本书的惊艳之处。 在现代社会中，数据即商业，它是提升生产力、促进创新和获取用户洞见的基础，数据思维和分析方法可谓是新时代的商战孙子兵法，只有善用数据者才能在这个数据驱动的环境中获得竞争优势。本书通过大量真实的商业问题案例，介绍数据科学的基本原理和各种数据挖掘技术，阐释如何从数据中提取出有用信息，进而用数据科学方法解决商业问题，做出精准的决策。 |