大數據分析數據科學套用場景與實踐精髓

內容簡介

《大數據分析數據科學套用場景與實踐精髓》是一本討論大數據理論及套用實踐的專著，從討論理論界的前沿觀點開始，之後轉向討論這些理論在日常商業活動中的實踐套用。

《大數據分析數據科學套用場景與實踐精髓》首先介紹了大數據分析的業務套用場景、分析建模過程和主要任務，以及模型商用的關鍵點；接著講述了數據收集、抽樣和預處理的實施要點；之後系統性地討論了各種模型技術及其套用，包括預測分析、描述分析、生存分析、社交網路分析等。在完成了這些理論知識和模型技術方法鋪墊之後，就進入到實踐套用部分，包括把分析活動轉化為生產力的關鍵事項，以及各種套用實例。《大數據分析數據科學套用場景與實踐精髓》幫助讀者系統地梳理了各類模型方法的技術要點和套用要點，包括線性回歸、Logistic回歸、決策樹、聚類、關聯規則、序列規則、神經網路、支持向量機、套袋算法、Boosting算法、隨機森林算法、生存分析等；本書還介紹了大量的套用實例，如信用風險建模、欺詐檢測、行銷回響提升模型、客戶流失預測、自動推薦、網頁分析、社交媒體分析，以及業務流程分析等。因此，對於從事大數據分析相關工作的人士來說，本書是一本難得的實務指南；對於高等院校相關專業的師生來說，本書是一本非常好的課外閱讀材料，特別是書中關於如何把分析變成生產力的章節部分，相信一定能給他們很多的啟發和思考。

圖書目錄

1 第1章大數據及其分析

1.1 大數據的業務套用場景

1.2 基本的專業術語

1.3 分析過程模型

1.4 分析建模活動中的任務及角色

1.5 分析技術

1.6 分析模型的要求

1.7 本章參考文獻

13 第2章數據採集、抽樣和預處理

2.1 數據源的類型

2.2 數據抽樣

2.3 數據類型

2.4 數據可視化及探索性統計分析

2.5 缺失值的處理

2.6 異常值檢測及處理

2.7 數據標準化

2.8 粗分類（Categorization）處理

2.9 WOE值的計算

2.10 變數的選擇

2.11 細分

2.12 本章參考文獻

35 第3章預測分析

3.1 定義目標變數

3.2 線性回歸

3.3 Logistic回歸

3.4 決策樹

3.5 神經網路

3.6 支持向量機

3.7 集成算法

3.7.1 套袋算法（Bagging）

3.7.2 Boosting方法

3.7.3 隨機森林

3.8 多類分類技術

3.8.1 多類Logistic回歸

3.8.2 多類決策樹

3.8.3 多類神經網路

3.8.4 多類支持向量機

3.9 預測模型的評估

大數據分析數據科學套用場景與實踐精髓

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條