目 录__eol____eol__第1篇　绪　　论__eol____eol__第1章　大数据分析与挖掘的概念与理论__eol__　　　　1.1　概述__eol__　　　　1.2　机器学习__eol__　　　　　 　1.2.1　机器学习的定义__eol__　　　　　 　1.2.2　机器学习类型__eol__　　　　　 　1.2.3　机器学习的应用与工具__eol__　　　　1.3　数据挖掘与知识发现过程__eol__　　　　　 　1.3.1　CRISP-DM__eol__　　　　　 　1.3.2　知识发现__eol__　　　　1.4　大数据分析与挖掘中的研究热点与前沿__eol__　　　　　 　1.4.1　商务智能研究热点与前沿__eol__　　　　　 　1.4.2　大数据分析热点与前沿__eol__　　　　　 　1.4.3　机器学习热点与前沿__eol__　　　　　 　1.4.4　数据挖掘热点与前沿__eol__　　　　　 　1.4.5　本章小结__eol__　　　　本章参考文献__eol__　　　　本书涉及的环境、语言、框架和库__eol____eol__第2篇　基础实践篇__eol____eol__第2章　爬虫与数据处理——“茶颜悦色”话题情感趋向的影响因素__eol__　　　　2.1　相关理论__eol__　　　　　 　2.1.1　Python爬虫__eol__　　　　　 　2.1.2　其他相关理论__eol__　　　　2.2　背景与分析目标__eol__　　　　2.3　数据采集与处理__eol__　　　　　 　2.3.1　茶颜悦色品牌的选择__eol__　　　　　 　2.3.2　数据的选择__eol__　　　　　 　2.3.3　数据的采集__eol__　　　　　 　2.3.4　数据的处理__eol__　　　　2.4　数据的分析与挖掘__eol__　　　　　 　2.4.1　情绪分析__eol__　　　　　 　2.4.2　词云分析__eol__　　　　2.5　拓展思考__eol__　　　　2.6　本章小结__eol__　　　　本章参考文献__eol__第3章　Echarts可视化——B站视频分区热度及其影响因素分析__eol__　　　　3.1　Echarts介绍及使用__eol__　　　　　 　3.1.1　Echarts实例__eol__　　　　　 　3.1.2　系列__eol__　　　　　 　3.1.3　组件__eol__　　　　　 　3.1.4　用option描述图表__eol__　　　　　 　3.1.5　组件的定位__eol__　　　　　 　3.1.6　坐标系__eol__　　　　　 　3.1.7　小例子：实现日历图__eol__　　　　　 　3.1.8　自定义配置参数__eol__　　　　3.2　其他相关理论__eol__　　　　　 　3.2.1　主题模型__eol__　　　　　 　3.2.2　数据预处理__eol__　　　　3.3　背景与分析目标__eol__　　　　3.4　数据采集与处理__eol__　　　　　 　3.4.1　数据采集__eol__　　　　　 　3.4.2　数据处理__eol__　　　　3.5　数据分析与挖掘__eol__　　　　　 　3.5.1　分区热度__eol__　　　　　 　3.5.2　影响因素之视频标题分析__eol__　　　　　 　3.5.3　影响因素之视频时长和视频发布时间分析__eol__　　　　3.6　拓展思考__eol__　　　　3.7　本章小结__eol__　　　　本章参考文献__eol__第4章　Python可视化——社科基金项目选题分析__eol__　　　　4.1　Python可视化__eol__　　　　4.2　背景与分析目标__eol__　　　　4.3　数据采集与处理__eol__　　　　4.4　数据分析与挖掘__eol__　　　　　 　4.4.1　Matplotlib可视化分析__eol__　　　　　 　4.4.2　词云图__eol__　　　　　 　4.4.3　知识图谱__eol__　　　　4.5　拓展思考__eol__　　　　4.6　本章小结__eol__　　　　本章参考文献__eol__第5章　描述性分析——热映电影背后的成因分析__eol__　　　　5.1　描述性分析__eol__　　　　　 　5.1.1　描述性分析的含义__eol__　　　　　 　5.1.2　基于Python的描述性统计分析__eol__　　　　5.2　背景与分析目标__eol__　　　　　 　5.2.1　背景__eol__　　　　　 　5.2.2　分析目标__eol__　　　　5.3　数据采集与处理__eol__　　　　　 　5.3.1　数据采集__eol__　　　　　 　5.3.2　数据处理__eol__　　　　5.4　数据分析与挖掘__eol__　　　　　 　5.4.1　电影行业的整体发展情况__eol__　　　　　 　5.4.2　电影类型随时间的变化趋势__eol__　　　　5.5　拓展思考__eol__　　　　　 　5.5.1　数据分析的意义__eol__　　　　　 　5.5.2　数据分析的分类__eol__　　　　5.6　本章小结__eol__　　　　本章参考文献__eol__第6章　关联分析——提高相亲旅游成功率的分析__eol__　　　　6.1　相关理论__eol__　　　　　 　6.1.1　关联分析概念__eol__　　　　　 　6.1.2　频繁项集挖掘方法__eol__　　　　6.2　背景与分析目标__eol__　　　　6.3　数据采集与处理__eol__　　　　　 　6.3.1　数据采集__eol__　　　　　 　6.3.2　数据预处理__eol__　　　　6.4　数据分析与挖掘__eol__　　　　　 　6.4.1　用户属性定位__eol__　　　　　 　6.4.2　旅游路线及内容规划__eol__　　　　　 　6.4.3　总结__eol__　　　　6.5　拓展思考__eol__　　　　　 　6.5.1　理论意义__eol__　　　　　 　6.5.2　实践意义__eol__　　　　　 　6.5.3　优点__eol__　　　　　 　6.5.4　不足之处__eol__　　　　6.6　本章小结__eol__　　　　本章参考文献__eol__第7章　回归与分类——二手房房价影响因素及预测分析__eol__　　　　7.1　回归与分类__eol__　　　　　 　7.1.1　回归分析__eol__　　　　　 　7.1.2　分类与预测__eol__　　　　7.2　背景与分析目标__eol__　　　　7.3　数据采集与处理__eol__　　　　7.4　数据分析与挖掘__eol__　　　　　 　7.4.1　数据分析__eol__　　　　　 　7.4.2　机器学习与预测房价__eol__　　　　7.5　拓展思考__eol__　　　　7.6　本章小结__eol__　　　　本章参考文献__eol__第8章　分类——民宿价格和评分影响因素分析__eol__　　　　8.1　相关理论__eol__　　　　　 　8.1.1　分类__eol__　　　　　 　8.1.2　线性回归__eol__　　　　8.2　背景与分析目标__eol__　　　　8.3　数据采集与处理__eol__　　　　　 　8.3.1　数据采集__eol__　　　　　 　8.3.2　数据预处理__eol__　　　　8.4　数据分析与挖掘__eol__　　　　　 　8.4.1　民宿价格影响因素分析__eol__　　　　　 　8.4.2　民宿评分影响因素分析__eol__　　　　　 　8.4.3　结论与对策建议__eol__　　　　8.5　拓展思考__eol__　　　　　 　8.5.1　理论意义__eol__　　　　　 　8.5.2　实践意义__eol__　　　　　 　8.5.3　不足之处__eol__　　　　8.6　本章小结__eol__　　　　本章参考文献__eol__第9章　聚类——新冠肺炎疫情分析及微博评论的数据挖掘__eol__　　　　9.1　聚类__eol__　　　　　 　9.1.1　聚类方法__eol__　　　　　 　9.1.2　K-means__eol__　　　　　 　9.1.3　DBSCAN__eol__　　　　9.2　背景与分析目标__eol__　　　　9.3　数据采集与处理__eol__　　　　　 　9.3.1　数据选择__eol__　　　　　 　9.3.2　数据采集__eol__　　　　　 　9.3.3　数据预处理__eol__　　　　9.4　数据分析与挖掘__eol__　　　　　 　9.4.1　疫情数据拟合分析__eol__　　　　　 　9.4.2　评论数据信息挖掘__eol__　　　　9.5　拓展思考__eol__　　　　　 　9.5.1　理论意义__eol__　　　　　 　9.5.2　实践意义__eol__　　　　9.6　本章小结__eol__　　　　本章参考文献__eol__第10章　序列挖掘——景区日客流量影响因素分析与预测__eol__　　　　10.1　相关理论__eol__　　　　　 　10.1.1　序列挖掘__eol__　　　　　 　10.1.2　其他相关理论__eol__　　　　10.2　背景与分析目标__eol__　　　　10.3　数据采集与处理__eol__　　　　　 　10.3.1　数据采集__eol__　　　　　 　10.3.2　影响因素分析__eol__　　　　　 　10.3.3　数据处理__eol