大数据掘金 挖掘商业世界中的数据价值PDF电子书下载

第1章 分析学入门 1

分析学与分析有区别吗 3

数据挖掘该归何处 3

分析学何以突然受到追捧 4

分析学的应用领域 6

分析学面临的主要挑战 6

分析学的发展历史 8

分析学的简单分类 12

分析学的前沿技术——以IBM Watson为例 17

第2章 数据挖掘入门 25

数据挖掘是什么 28

哪些不属于数据挖掘 30

数据挖掘最常见的应用 32

数据挖掘能够发现怎样的规律 36

常用的数据挖掘工具 41

数据挖掘的负面影响：隐私问题 46

第3章 数据挖掘过程 54

数据库知识获取过程 54

跨行业标准化数据挖掘流程 56

SEMMA 62

数据挖掘六西格玛方法 66

哪种方法最好 69

第4章 数据与数据挖掘的方法 74

数据挖掘中的数据属性 74

数据挖掘中的数据预处理 77

数据挖掘方法 82

预测法 83

分类法 83

决策树 91

数据挖掘中的聚类分析 93

K均值聚类算法 97

关联法 98

Apriori算法 102

对数据挖掘的误解与事实 103

第5章 数据挖掘算法 112

近邻算法 113

评估相似性：距离度量 114

人工神经网络 117

支持向量机 128

线性回归 133

逻辑回归 138

时间序列预测 140

第6章 文本分析和情感分析 145

自然语言处理 150

文本挖掘应用 154

文本挖掘的流程 159

文本挖掘工具 171

情感分析 172

第7章 大数据分析学 183

大数据从何而来 184

定义“大数据”的V们 186

大数据的关键概念 190

大数据分析处理的商业问题 195

大数据科技 196

数据科学家 205

大数据和流分析法 208

数据流挖掘 210

译者后记 213