Python廣告數據挖掘與分析實戰(2021年3月機械工業出版社出版的圖書)

《Python廣告數據挖掘與分析實戰》是由2021年3月機械工業出版社出版的圖書。

基本介紹

• 書名：Python廣告數據挖掘與分析實戰
• 作者：楊游雲周健
• 出版社：機械工業出版社
• 出版時間：2021年3月
• ISBN：9787111677628 

作品簡介

本書共十二章，第1-4章重在介紹移動廣告行銷數據分析理論與案例分析，包括廣告數據分析的基本概念、內容和意義，廣告數據分析相關理論知識及常用分析方法，移動廣告行銷常見的數據分析案例剖析以及如何做一份讓領導滿意的數據分析報告；本書第5-6章主要介紹Python軟體安裝及常用包的主要用法。本書第7-10章主要介紹利用Python實現移動廣告行銷中常見的機器學習算法，重點掌握常用的模型評價方法，模型原理、實現方法和技巧，其中包括混淆矩陣、AUC、ROC等常用模型評價方法以及線性回歸、邏輯回歸、決策樹、KNN、SVM、神經網路、隨機森林、GBDT、XGBoost、Stacking等常用監督學習算法。第11章主要介紹k-means聚類、Lookalike相似用戶挖掘等常用無監督學習算法及實現方法。第12章主要介紹移動廣告行銷常用的特徵選擇及特徵工程方法。讀者如果只想了解數據分析相關概念和方法，可以選擇性閱讀本書前四章內容，後八章偏向數據挖掘算法和編程實踐等內容，有興趣可以深入閱讀全書。

作品目錄

前言

第1章　Python安裝方法

1.1　Python介紹

1.2　Anaconda安裝

1.3　PyCharm安裝及環境配置

1.4　為什麼建議使用Python

1.5　本章小結

第2章　認識廣告數據分析

2.1　廣告數據概述

2.2　廣告數據分布

2.3　異常值診斷

2.4　數據相關性

2.5　顯著性檢驗

2.6　本章小結

第3章　Python廣告數據分析常用工具包

3.1　數據基礎運算工具：NumPy

3.2　數據預處理工具：Pandas

3.3　數據可視化分析工具：Matplotlib

3.4　本章小結

第4章　模型常用評價指標

4.1　回歸模型常用評價指標

4.2　分類模型常用評價指標

4.3　本章小結

第5章　利用Python建立廣告分類模型

5.1　邏輯回歸

5.2　決策樹

5.3　KNN

5.4　SVM

5.5　神經網路

5.6　本章小結

第6章　利用Python建立廣告集成模型

6.1　隨機森林

6.2　GBDT

6.3　XGBoost

6.4　Stacking

6.5　LR+GBDT

6.6　FM

6.7　本章小結

第7章　移動廣告常用數據分析方法

7.1　App下載數據分析

7.2　遊戲行業用戶分析

7.3　電商類App用戶轉化分析

7.4　工具類App用戶分析

7.5　本地O2O婚紗攝影行業分析

7.6　品牌廣告與效果廣告

7.7　本章小結

第8章　廣告數據分析報告

8.1　分析觀點明確，邏輯清晰

8.2　匯報結果，用數據說話

8.3　分析過程有理有據

8.4　圖表說明

8.5　數據驗證

8.6　分析建議

8.7　本章小結

第9章　廣告用戶數據挖掘與分析

9.1　廣告用戶曝光與回響率分析

9.2　廣告用戶曝光與點擊率分析

9.3　廣告訂單消耗與延時性分析

9.4　Lookalike聚類分析

9.5　Lookalike技術在廣告中的套用

9.6　本章小結

第10章　廣告數據預處理與特徵選擇

10.1　廣告數據預處理

10.2　常用特徵選擇方法

10.3　PCA

10.4　本章小結