0人評分過此書
本書內容: 大數據、數據挖掘與智慧運營綜述、數據統計與數據預處理、聚類分析、分類分析、回歸分析。
- 封面页
- 书名页
- 版权页
- 内容简介
- 前言
- 目录
-
第1章 大数据、数据挖掘与智慧运营综述
-
1.1 数据挖掘的发展史
-
1.1.1 数据挖掘的定义与起源
-
1.1.2 数据挖掘的早期发展
-
1.1.3 数据挖掘的算法前传
-
1.1.4 数据挖掘的第一个里程碑
-
1.1.5 最近十年的发展与应用
-
-
1.2 数据挖掘的主要流程与金字塔模型
-
1.2.1 数据挖掘的任务
-
1.2.2 数据挖掘的基本步骤
-
1.2.3 数据挖掘的架构——云计算
-
1.2.4 “金字塔”模型
-
-
1.3 数据挖掘对智慧运营的意义
-
1.3.1 “互联网+”时代的来临及其对运营商的冲击和挑战
-
1.3.2 大数据时代的来临及其对运营商的挑战和机遇
-
1.3.3 电信运营商运营发展面临的主要瓶颈
-
1.3.4 电信运营商发展的“三条曲线”
-
1.3.5 智慧运营与大数据变现
-
1.3.6 数据挖掘对于提升智慧运营效率的意义
-
-
1.4 大数据时代已经来临
-
1.4.1 大数据的定义
-
1.4.2 大数据的“4V”特征
-
1.4.3 结构化数据与非结构化数据
-
-
1.5 非结构化数据挖掘的研究进展
-
1.5.1 文本挖掘
-
1.5.2 模式识别
-
1.5.3 语音识别
-
1.5.4 视频识别
-
1.5.5 其他非结构化数据挖掘
-
-
1.6 数据挖掘与机器学习、深度学习、人工智能及云计算
-
1.6.1 机器学习
-
1.6.2 深度学习
-
1.6.3 人工智能
-
1.6.4 云计算
-
-
1.7 现有数据挖掘的主要分析软件与系统
-
1.7.1 Hadoop
-
1.7.2 Storm
-
1.7.3 Spark
-
1.7.4 SPASS（SPSS）
-
1.7.5 SAS
-
-
参考文献
-
-
第2章 数据统计与数据预处理
-
2.1 数据属性类型
-
2.1.1 数据属性定义
-
2.1.2 离散属性
-
2.1.3 连续属性
-
-
2.2 数据的统计特性
-
2.2.1 中心趋势度量
-
2.2.2 数据散布度量
-
2.2.3 数据相关性
-
-
2.3 数据预处理
-
2.3.1 数据预处理概述
-
2.3.2 数据预处理的主要任务
-
2.3.3 数据清理
-
2.3.4 数据集成
-
2.3.5 数据规约
-
2.3.6 数据变换和离散化
-
-
2.4 数据字段的衍生
-
2.4.1 数据字段的拆分
-
2.4.2 统计特征的构造
-
2.4.3 数据域的变换
-
-
2.5 SPSS软件中的数据预处理案例
-
2.5.1 缺失值的实操处理
-
2.5.2 噪声数据的实操处理
-
2.5.3 主成分分析的实操处理
-
-
参考文献
-
-
第3章 聚类分析
-
3.1 概述
-
3.2 聚类算法的评估
-
3.3 基于划分的聚类：K-means
-
3.3.1 基于划分的聚类算法概述
-
3.3.2 K-means聚类算法原理
-
3.3.3 K-means算法的优势与劣势
-
3.3.4 K-means算法优化
-
3.3.5 SPSS软件中的K-means算法应用案例
-
-
3.4 基于层次化的聚类：BIRCH
-
3.4.1 基于层次化的聚类算法概述
-
3.4.2 BIRCH算法的基本原理
-
3.4.3 BIRCH算法的优势与劣势
-
-
3.5 基于密度的聚类：DBSCAN
-
3.5.1 基于密度的聚类算法概述
-
3.5.2 DBSCAN算法的基本原理
-
3.5.3 DBSCAN算法的优势与劣势
-
-
3.6 基于网格的聚类：CLIQUE
-
3.6.1 基于网格的聚类算法概述
-
3.6.2 CLIQUE算法的基本原理
-
3.6.3 CLIQUE算法的优势与劣势
-
-
参考文献
-
-
第4章 分类分析
-
4.1 分类分析概述
-
4.2 分类分析的评估
-
4.3 决策树分析
-
4.3.1 决策树算法的基本原理
-
4.3.2 CHAID决策树
-
4.3.3 ID3决策树
-
4.3.4 C4.5决策树
-
4.3.5 CART决策树
-
4.3.6 决策树中的剪枝问题
-
4.3.7 决策树在SPSS中的应用
-
-
4.4 最近邻分析（KNN）
-
4.4.1 KNN算法的基本原理
-
4.4.2 KNN算法流程
-
4.4.3 KNN算法的若干问题
-
4.4.4 KNN分类器的特征
-
4.4.5 KNN算法在SPSS中的应用
-
-
4.5 贝叶斯分析
-
4.5.1 贝叶斯定理
-
4.5.2 朴素贝叶斯分类
-
4.5.3 贝叶斯网络
-
-
4.6 神经网络
-
4.6.1 感知器
-
4.6.2 多重人工神经网络
-
4.6.3 人工神经网络的特点
-
-
4.7 支持向量机
-
4.7.1 支持向量机简介
-
4.7.2 最大边缘超平面
-
4.7.3 数据线性可分的情况
-
4.7.4 数据非线性可分的情况
-
4.7.5 支持向量机的特征
-
-
参考文献
-
-
第5章 回归分析
-
5.1 回归分析概述
-
5.2 一元线性回归
-
5.2.1 一元线性回归的基本原理
-
5.2.2 一元线性回归性能评估
-
5.2.3 SPSS软件中一元线性回归应用案例
-
-
5.3 多元线性回归
-
5.3.1 多元线性回归基本原理
-
5.3.2 自变量选择方法
-
5.3.3 SPSS软件中的多元线性回归应用案例
-
-
5.4 非线性回归
-
5.4.1 非线性回归基本原理
-
5.4.2 幂函数回归分析
-
5.4.3 指数回归分析
-
5.4.4 对数回归分析
-
5.4.5 多项式回归分析
-
5.4.6 非线性模型线性化和曲线回归
-
-
5.5 逻辑回归
-
5.5.1 逻辑回归基本原理
-
5.5.2 二元逻辑回归
-
5.5.3 多元逻辑回归
-
5.5.4 SPSS软件中的逻辑回归应用案例
-
-
参考文献
-
-
第6章 关联分析
-
6.1 关联分析概述
-
6.2 关联分析的评估指标
-
6.2.1 支持度
-
6.2.2 置信度
-
6.2.3 算法复杂度
-
-
6.3 Apriori算法
-
6.3.1 频繁项集的定义与产生
-
6.3.2 先验原理
-
6.3.3 基于支持度的计数与剪枝
-
6.3.4 候选项集生成
-
6.3.5 基于置信度的剪枝
-
6.3.6 Apriori算法规则生成
-
-
6.4 FP-tree算法
-
6.4.1 频繁模式树
-
6.4.2 FP-tree算法频繁项集的产生
-
6.4.3 FP-tree算法规则生成
-
6.4.4 算法性能对比与评估
-
-
6.5 SPSS Modeler关联分析实例
-
参考文献
-
-
第7章 增强型数据挖掘算法
-
7.1 增强型数据挖掘算法概述
-
7.1.1 组合方法的优势
-
7.1.2 构建组合分类器的方法
-
-
7.2 随机森林
-
7.2.1 随机森林的原理
-
7.2.2 随机森林的优缺点
-
7.2.3 随机森林的泛化误差
-
7.2.4 输入特征的选择方法
-
-
7.3 Bagging算法
-
7.4 AdaBoost算法
-
7.4.1 AdaBoost算法简介
-
7.4.2 AdaBoost算法原理
-
7.4.3 AdaBoost算法的优缺点
-
-
7.5 提高不平衡数据的分类准确率
-
7.5.1 不平衡数据
-
7.5.2 不平衡数据的处理方法——数据层面
-
7.5.3 不平衡数据的处理方法——算法层面
-
-
7.6 迁移学习
-
7.6.1 迁移学习的基本原理
-
7.6.2 迁移学习的分类
-
7.6.3 迁移学习与数据挖掘
-
7.6.4 迁移学习的发展
-
-
参考文献
-
-
第8章 数据挖掘在运营商智慧运营中的应用
-
8.1 概述
-
8.2 单个业务的精准营销——合约机外呼营销
-
8.2.1 总结历史营销规律
-
8.2.2 预测潜在客户群体
-
8.2.3 客户群体细分
-
8.2.4 制定层次化、个性化精准营销方案
-
-
8.3 多种互联网业务的精准推送
-
8.3.1 根据历史营销规律总结单个业务的历史营销规律
-
8.3.2 预测潜在客户群体、预测单个业务的潜在客户群体及多个业务的联合建模
-
8.3.3 制定多业务层次化个性化联合精准营销方案
-
8.3.4 落地效果评估
-
-
8.4 套餐精准适配
-
8.4.1 痛点
-
8.4.2 挖掘潜在客户群体
-
8.4.3 探寻强相关字段
-
8.4.4 多元线性回归建模
-
8.4.5 制定层次化、个性化精准营销方案
-
8.4.6 落地效果评估与模型调优
-
-
8.5 客户保有
-
8.5.1 总结客户流失的历史规律
-
8.5.2 细分潜在流失客户群体
-
8.5.3 客户保有效益建模与最优决策
-
8.5.4 落地效果评估
-
-
8.6 投诉预警
-
8.6.1 客户投诉现象分析
-
8.6.2 挖掘潜在客户群体
-
8.6.3 制定个性化关怀方案
-
-
8.7 网络质量栅格化呈现
-
8.7.1 栅格化呈现的基本原理
-
8.7.2 覆盖栅格化
-
8.7.3 基于流量聚簇的网络优化策略
-
-
8.8 无线室内定位
-
8.8.1 传统室内定位方法
-
8.8.2 基于Wi-Fi信号的指纹定位算法
-
8.8.3 基于数据挖掘算法的改进定位方法
-
-
参考文献
-
-
第9章 面向未来大数据的数据挖掘与机器学习发展趋势
-
9.1 大数据时代数据挖掘与机器学习面临的新挑战
-
9.2 IEEE ICDM会议数据挖掘与机器学习的最新研究进展
-
9.3 “计算机奥运会”——Sort Benchmark
-
参考文献
-
- 出版地 ： 中國大陸
- 語言 ： 簡體中文
評分與評論
請登入後再留言與評分
EPUB
EPUB
EPUB
EPUB
EPUB
