大數(shù)據(jù)分析與挖掘?qū)嶒灲坛?/h1>

章 數(shù)據(jù)預處理 1
節(jié) 數(shù)據(jù)清洗 2
第二節(jié) 數(shù)據(jù)集成 3
第三節(jié) 數(shù)據(jù)變換 5
第四節(jié) 數(shù)據(jù)規(guī)約 7
第五節(jié) Python中的數(shù)據(jù)預處理工具 8
小結(jié) 14
第二章 數(shù)據(jù)可視化 15
節(jié) 理解數(shù)據(jù)可視化的概念和重要性 16
第二節(jié) 使用Python的matplotlib和seaborn庫繪制基本圖形 17
第三節(jié) 繪制柱狀圖、折線圖、散點圖、箱線圖等常見圖形 21
第四節(jié) 利用圖形展示數(shù)據(jù)的關(guān)系和趨勢、數(shù)據(jù)的分析 24
第五節(jié) 利用交互式可視化工具進行高級數(shù)據(jù)可視化 29
小結(jié) 33
第三章 分類與預測 34
節(jié) 理解分類與預測的概念和應用場景 35
第二節(jié) 理解機器學習分類算法的基本原理 36
第三節(jié) 利用Python的scikit-learn庫進行分類算法的實現(xiàn) 43
第四節(jié) 利用交叉驗證、網(wǎng)格搜索等方法對分類算法進行優(yōu)化 47
小結(jié) 51
第四章 聚類與關(guān)聯(lián)規(guī)則挖掘 52
節(jié) 理解聚類與關(guān)聯(lián)規(guī)則挖掘的概念和應用場景 53
第二節(jié) 理解聚類算法的基本原理 54
第三節(jié) 利用Python的scikit-learn庫進行聚類算法的實現(xiàn) 55
第四節(jié) 理解關(guān)聯(lián)規(guī)則挖掘的基本原理：Apriori算法 60
第五節(jié) 利用Python的mlxtend庫進行關(guān)聯(lián)規(guī)則挖掘的實現(xiàn) 64
小結(jié) 66
第五章 文本挖掘 67
節(jié) 理解文本挖掘的概念和應用場景 68
第二節(jié) 理解自然語言處理的基本概念及技術(shù) 69
第三節(jié) 利用Python的NLTK和jieba庫進行文本預處理 71
第四節(jié) 理解文本分類的基本原理和算法 79
第五節(jié) 利用Python的scikit-learn和keras庫進行文本分類的實現(xiàn) 83
小結(jié) 88
第六章 網(wǎng)絡分析 89
節(jié) 理解網(wǎng)絡分析的概念、應用場景和工具 90
第二節(jié) 理解網(wǎng)絡的基本概念 93
第三節(jié) 利用Python的NetworkX庫進行網(wǎng)絡構(gòu)建和分析 95
第四節(jié) 理解社交網(wǎng)絡分析的基本原理和方法 98
第五節(jié) 利用Python的igraph庫進行社交網(wǎng)絡分析的實現(xiàn) 101
小結(jié) 104
第七章 時間序列分析 105
節(jié) 理解時間序列分析的概念和應用場景 106
第二節(jié) 理解時間序列的基本概念 106
第三節(jié) 利用Python的pandas庫進行時間序列數(shù)據(jù)的處理和分析 107
第四節(jié) 理解時間序列預測的基本原理和方法 109
第五節(jié) 利用Python的statsmodels庫進行時間序列預測的實現(xiàn) 111
小結(jié) 113
第八章 情感分析 115
節(jié) 理解情感分析的概念和應用場景 116
第二節(jié) 理解自然語言處理中的情感分析基本原理和方法 117
第三節(jié) 利用Python的NLTK和SnowNLP庫進行情感分析的實現(xiàn) 118
第四節(jié) 理解深度學習在情感分析中的應用 121
第五節(jié) 利用Python的keras和tensorflow庫進行深度學習情感分析
的實現(xiàn) 124
小結(jié) 127
第九章 主題模型 129
節(jié) 理解主題模型的概念和應用場景 130
第二節(jié) 理解主題模型的基本原理和方法 131
第三節(jié) 利用Python的gensim和scikit-learn庫進行主題模型的實現(xiàn) 133
第四節(jié) 理解主題模型在文本分析、信息檢索和推薦系統(tǒng)中的應用 141
第五節(jié) 利用主題模型進行文本主題分析和推薦系統(tǒng)的 實現(xiàn) 142
小結(jié) 145
附錄A 實驗環(huán)境搭建 146
后記 148