Python與數據挖掘

前言

第一部分 基礎篇
第1章 數據挖掘概述
1.1 數據挖掘簡介
1.2 工具簡介
1.2.1 WEKA
1.2.2 RapidMiner
1.2.3 Python
1.2.4 R
1.3 Python開發環境的搭建
1.3.1 Python安裝
1.3.2 Python初識
1.3.3 與讀者的約定
1.4 小結
第2章 Python基礎入門
2.1 常用操作符
2.1.1 算術操作符
2.1.2 賦值操作符
2.1.3 比較操作符
2.1.4 邏輯操作符
2.1.5 操作符優先級
2.2 數字數據
2.2.1 變量與賦值
2.2.2 數字數據類型
2.3 流程控制
2.3.1 if語句
2.3.2 while循環
2.3.3 for循環
2.4 數據結構
2.4.1 列表
2.4.2 字符串
2.4.3 元組
2.4.4 字典
2.4.5 集合
2.5 文件的讀寫
2.5.1 改變工作目錄
2.5.2 txt文件讀取
2.5.3 csv文件讀取
2.5.4 文件輸出
2.5.5 使用JSON處理數據
2.6 上機實驗
第3章 函數
3.1 創建函數
3.2 函數參數
3.3 可變對象與不可變對象
3.4 作用域
3.5 上機實驗
第4章 面向對象編程
4.1 簡介
4.2 類與對象
4.3 __init__方法
4.4 對象的方法
4.5 繼承
4.6 上機實驗
第5章 Python實用模塊
5.1 什麼是模塊
5.2 Numpy
5.3 Pandas
5.4 SciPy
5.5 scikit-learn
5.6 其他Python常用模塊
5.7 小結
5.8 上機實驗
第6章 圖表繪制入門
6.1 Matplotlib
6.2 Bokeh
6.3 其他優秀的繪圖模塊
6.4 小結
6.5 上機實驗

第二部分 建模應用篇
第7章 分類與預測
7.1 回歸分析
7.1.1 線性回歸
7.1.2 邏輯回歸
7.2 決策樹
7.2.1 ID3算法
7.2.2 其他樹模型
7.3 人工神經網絡
7.4 kNN算法
7.5 朴素貝葉斯分類算法
7.6 小結
7.7 上機實驗
第8章 聚類分析建模
8.1 K-Means聚類分析函數
8.2 系統聚類算法
8.3 DBSCAN聚類算法
8.4 上機實驗
第9章 關聯規則分析
9.1 Apriori關聯規則算法
9.2 Apriori在Python中的實現
9.3 小結
9.4 上機實驗
第10章 智能推薦
10.1 基於用戶的協同過濾算法
10.2 基於用戶的協同過濾算法在Python中的實現
10.3 小結
10.4 上機實驗
第11章 時間序列分析
11.1 ARIMA模型
11.2 小結
11.3 上機實驗

參考文獻