大数据掘金：挖掘商业世界中的数据价值
￥49.00定价
作者： [美]杜尔森·德伦[Dursun Delen]
出版时间：2015年11月
出版社：中国人民大学出版社
- 中国人民大学出版社
- 9787300220314
- 273076
- 2015年11月
内容简介
利用最新的数据挖掘技术，可以提供及时可行的循证决策。本书阐明了目前最佳的实践经验，表明如何利用数据挖掘技术揭示背后隐藏的模式和相关性，以此来全方位提升商业表现，作为一位研究员、实践者和指导者，戴伦博士实现了概念、技巧和应用的最佳平衡与融合。
目录
第1章分析学入门
分析学与分析有区别吗
数据挖掘该归何处
分析学何以突然受到追捧
分析学的应用领域
分析学面临的主要挑战
分析学的发展历史
分析学的简单分类
分析学的前沿技术--以IBMWatson为例
第2章数据挖掘入门
数据挖掘是什么
哪些不属于数据挖掘
数据挖掘最常见的应用
数据挖掘能够发现怎样的规律
常用的数据挖掘工具
数据挖掘的负面影响：隐私问题
第3章数据挖掘过程
数据库知识获取过程
跨行业标准化数据挖掘流程
SEMMA
数据挖掘六西格玛方法
哪种方法最好
第4章数据与数据挖掘的方法
数据挖掘中的数据属性
数据挖掘中的数据预处理
数据挖掘方法
预测法
分类法
决策树
数据挖掘中的聚类分析
K均值聚类算法
关联法
Apriori算法
对数据挖掘的误解与事实
第5章数据挖掘算法
近邻算法
评估相似性：距离度量
人工神经网络
支持向量机
线性回归
逻辑回归
时间序列预测
第6章文本分析和情感分析
自然语言处理
文本挖掘应用
文本挖掘的流程
文本挖掘工具
情感分析
第7章大数据分析学
大数据从何而来
定义"大数据"的V们
大数据的关键概念
大数据分析处理的商业问题
大数据科技
数据科学家
大数据和流分析法
数据流挖掘
译者后记
分析学与分析有区别吗
数据挖掘该归何处
分析学何以突然受到追捧
分析学的应用领域
分析学面临的主要挑战
分析学的发展历史
分析学的简单分类
分析学的前沿技术--以IBMWatson为例
第2章数据挖掘入门
数据挖掘是什么
哪些不属于数据挖掘
数据挖掘最常见的应用
数据挖掘能够发现怎样的规律
常用的数据挖掘工具
数据挖掘的负面影响：隐私问题
第3章数据挖掘过程
数据库知识获取过程
跨行业标准化数据挖掘流程
SEMMA
数据挖掘六西格玛方法
哪种方法最好
第4章数据与数据挖掘的方法
数据挖掘中的数据属性
数据挖掘中的数据预处理
数据挖掘方法
预测法
分类法
决策树
数据挖掘中的聚类分析
K均值聚类算法
关联法
Apriori算法
对数据挖掘的误解与事实
第5章数据挖掘算法
近邻算法
评估相似性：距离度量
人工神经网络
支持向量机
线性回归
逻辑回归
时间序列预测
第6章文本分析和情感分析
自然语言处理
文本挖掘应用
文本挖掘的流程
文本挖掘工具
情感分析
第7章大数据分析学
大数据从何而来
定义"大数据"的V们
大数据的关键概念
大数据分析处理的商业问题
大数据科技
数据科学家
大数据和流分析法
数据流挖掘
译者后记
