菜单
首页
文章
资源
资源分享
UI 界面
杂谈
PDF 电子书
HTML 模板
话题
手册
知识库
更多
所有标签
所有用户
微信小程序专属定制开发
捐赠本站
客户端下载
Web 网站建设网页前端开发
银行卡发卡银行查询
Language codes / 语言代码表
国家代号 CountryCode 与区号
代码广场
在线工具
超级导航
{{ userInfo.display_name }}
写文章
发话题
草稿
我的主页
我的文章
我的评论
我的话题
我的回复
我的收藏集
用户中心
资料设置
退出
登录
返回介绍
前言
基础篇
第1章 数据挖掘基础
1.1 某知名连锁餐饮企业的困惑
1.2 从餐饮服务到数据挖掘
1.3 数据挖掘的基本任务
1.4 数据挖掘建模过程
1.5 常用的数据挖掘建模工具
1.6 小结
第2章 Python 数据分析简介
2.1 搭建 Python 开发平台
2.2 Python 使用入门
2.3 Python 数据分析工具
2.4 配套资源使用设置
2.5 小结
第3章 数据探索
3.1 数据质量分析
3.2 数据特征分析
1.定量数据的分布分析
2.定性数据的分布分析
1.集中趋势度量
2.离中趋势度量
1.直接绘制散点图
2.绘制散点图矩阵
3.计算相关系数
3.3 Python 主要数据探索函数
3.4 小结
第4章 数据预处理
4.1 数据清洗
4.2 数据集成
4.3 数据变换
1.离散化的过程
2.常用的离散化方法
4.4 数据规约
4.5 Python主要数据预处理函数
4.6 小结
第5章 挖掘建模
5.1 分类与预测
1.Logistic回归分析介绍
2.Logistic回归建模步骤
1.ID3算法简介及基本原理
2.ID3算法具体流程
5.2 聚类分析
1.算法过程
2.数据类型与相似性的度量
3.目标函数
5.3 关联规则
1.关联规则和频繁项集
2.Ariori算法:使用候选产生频繁项集
5.4 时序模式
1.平稳性检验
2.纯随机性检验
1.AR模型
2.MA模型
3.ARMA模型
4.平稳时间序列建模
1.差分运算
2.ARIMA模型
5.5 离群点检测
5.6 小结
实战篇
第6章 电力窃漏电用户自动识别
6.1 背景与挖掘目标
6.2 分析方法与过程
1.分布分析
2.周期性分析
1.数据清洗
2.缺失值处理
3.数据变换
1.构建窃漏电用户识别模型
2.模型评价
3.进行窃漏电诊断
1.实验目的
2.实验内容
3.实验方法与步骤
4.思考与实验总结
6.4 拓展思考
6.5 小结
第7章 航空公司客户价值分析
7.1 背景与挖掘目标
7.2 分析方法与过程
1.数据清洗
2.属性规约
3.数据变换
1.客户聚类
2.客户价值分析
3.模型应用
1.实验目的
2.实验内容
3.实验方法与步骤
4.思考与实验总结
7.4 拓展思考
7.5 小结
第8章 中医证型关联规则挖掘
8.1 背景与挖掘目标
8.2 分析方法与过程
1.数据清洗
2.属性规约
3.数据变换
1.中医证型关联规则模型
2.模型分析
3.模型应用
1.实验目的
2.实验内容
3.实验方法与步骤
4.思考与实验总结
8.4 拓展思考
8.5 小结
第9章 基于水色图像的水质评价
9.1 背景与挖掘目标
9.2 分析方法与过程
1.图像切割
2.特征提取
1.模型输入
2.结果及分析
1.实验目的
2.实验内容
3.实验方法与步骤
4.思考与实验总结
9.4 拓展思考
9.5 小结
第10章 家用电器用户行为分析与事件识别
10.1 背景与挖掘目标
10.2 分析方法与过程
1.数据规约
2.数据变换
3.数据清洗
1.实验目的
2.实验内容
3.实验方法与步骤
4.思考与实验总结
10.4 拓展思考
10.5 小结
第11章 应用系统负载分析与磁盘容量预测
11.1 背景与挖掘目标
11.2 分析方法与过程
1.数据清洗
2.属性构造
1.容量预测模型
2.模型评价
3.模型应用
1.实验目的
2.实验内容
3.实验方法与步骤
4.思考与实验总结
11.4 拓展思考
11.5 小结
第12章 电子商务网站用户行为分析及服务推荐
12.1 背景与挖掘目标
12.2 分析方法与过程
1.网页类型分析
2.点击次数分析
3.网页排名
1.数据清洗
2.数据变换
3.属性规约
1.基于物品的协同过滤
2.模型评价
3.结果分析
1.实验目的
2.实验内容
3.实验方法与步骤
4.思考与实验总结
12.4 拓展思考
12.5 小结
第13章 财政收入影响因素分析及预测模型
13.1 背景与挖掘目标
13.2 分析方法与过程
1.Adaptive-Lasso 变量选择模型
2.财政收入及各类别收入预测模型
1.实验目的
2.实验内容
3.实验方法与步骤
4.思考与实验总结
13.4 拓展思考
13.5 小结
第14章 基于基站定位数据的商圈分析
14.1 背景与挖掘目标
14.2 分析方法与过程
1.数据规约
2.数据变换
1.构建商圈聚类模型
2.模型分析
1.实验目的
2.实验内容
3.实验方法与步骤
4.思考与实验总结
14.4 拓展思考
14.5 小结
第15章 电商产品评论数据情感分析
15.1 背景与挖掘目标
15.2 分析方法与过程
1.文本去重
2.机械压缩去词
3.短句删除
1.情感倾向性模型
2.基于语义网络的评论分析
3.基于LDA模型的主题分析
1.实验目的
2.实验内容
3.实验方法与步骤
4.思考与实验总结
15.4 拓展思考
15.5 小结
参考文献
文江博客
开发文档
Python 数据分析与挖掘实战
文章详情
文章来源于网络收集而来,版权归原创者所有,如有侵权请及时联系!
4.思考与实验总结
发布于
2024-01-28 21:41:24
字数 39
浏览 0
评论 0
收藏 0
如何在Python中实现情感分析,将评论内容分为正面和负面评价?
收藏 0
分享到微信
分享到QQ
分享到微博
如果你对这篇内容有疑问,欢迎到本站
社区
发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
发布评论
需要
登录
才能够评论, 你可以免费
注册
一个本站的账号。
发布评论
列表为空,暂无数据
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
确认绑定
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的
隐私政策
了解更多相关信息。 单击
接受
或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
取消
接受
原文
×
发布评论