Python與數據挖掘 Python与数据挖掘

<內容簡介>

本書主要分為兩大部分，基礎篇和建模應用篇。基礎篇介紹了有關Python開發環境的搭建、Python基礎入門、函數、面向對象編程、實用模塊和圖表繪製等基礎知識。建模應用篇主要介紹了目前在數據挖掘中的常用的建模方法在Python中的實現函數，並對輸出結果進行瞭解釋，有助於讀者快速掌握應用Python進行分析挖掘建模的方法。本書配套提供了書中使用的示例代碼及所用的數據，讀者可通過上機實驗，快速掌握書中所介紹的Python的使用方法。

<章節目錄>

前言
第一部分基礎篇
第1章數據挖掘概述2
1.1數據挖掘簡介2
1.2工具簡介3
1.2.1 WEKA 3
1.2.2 RapidMiner 4
1.2.3 Python 5
1.2.4 R 5
1.3 Python開發環境的搭建6
1.3.1 Python安裝6
1.3.2 Python初識11
1.3.3與讀者的約定14
1.4小結15
第2章Python基礎入門16
2.1常用操作符16
2.1.1算術操作符17
2.1.2賦值操作符17
2.1.3比較操作符18
2.1.4邏輯操作符18
2.1.5操作符優先級18
2.2數字數據19
2.2.1變量與賦值19
2.2.2數字數據類型20
2.3流程控制20
2.3.1 if語句21
2.3.2 while循環23
2.3.3 for循環25
2.4數據結構27
2.4.1列表28
2.4.2字符串31
2.4.3元組35
2.4.4字典36
2.4.5集合39
2.5文件的讀寫40
2.5.1改變工作目錄40
2.5.2 txt文件讀取41
2.5.3 csv文件讀取42
2.5.4文件輸出43
2.5.5使用JSON處理數據43
2.6上機實驗44
第3章函數47
3.1創建函數48
3.2函數參數50
3.3可變對象與不可變對象52
3.4作用域53
3.5上機實驗55
第4章面向對象編程56
4.1簡介56
4.2類與對象58
4.3 __init__方法59
4.4對象的方法61
4.5繼承65
4.6上機實驗68
第5章Python實用模塊69
5.1什麼是模塊69
5.2 NumPy 70
5.3 Pandas 75
5.4 SciPy 81
5.5 scikit-learn 84
5.6其他Python常用模塊87
5.7小結88
5.8上機實驗88
第6章圖表繪製入門89
6.1 Matplotlib 89
6.2 Bokeh 94
6.3其他優秀的繪圖模塊97
6.4小結97
6.5上機實驗97
第二部分建模應用篇
第7章分類與預測100
7.1回歸分析100
7.1.1線性回歸101
7.1. 2邏輯回歸104
7.2決策樹107
7.2.1 ID3算法107
7.2.2其他樹模型111
7.3人工神經網絡113
7.4 kNN算法122
7.5樸素貝葉斯分類算法124
7.6小結127
7.7上機實驗127
第8章聚類分析建模129
8.1 K-Means聚類分析函數129
8.2系統聚類算法133
8.3 DBSCAN聚類算法138
8.4上機實驗142
第9章關聯規則分析144
9.1 Apriori關聯規則算法145
9.2 Apriori在Python中的實現146
9.3小結149
9.4上機實驗149
第10章智能推薦151
10.1基於用戶的協同過濾算法152
10.2基於用戶的協同過濾算法在Python中的實現154
10.3小結157
10.4上機實驗157
第11章時間序列分析159
11.1 ARIMA模型159
11.2小結171
11.3上機實驗172
參考文獻174