Python数据分析与挖掘实战

图书介绍

1、本书内容契合“1+X”证书制度试点工作中的大数据应用开发（Python）职业技能高级证书考核标准，全书将理论与实战结合，注重案例的学习。2、本书以知识点为导向，以Python数据分析与挖掘常用技术和基于项目的真实案例相结合的方式，介绍使用Python进行数据分析与挖掘的主要方法。3、本书设计思路以应用为导向，从知识点的介绍到算法运作过程的讲解，再到具体的项目案例，让读者明确如何利用所学知识来解决问题，通过实训和课后习题巩固所学知识，真正理解并能够应用所学知识。4、全书大部分章节紧扣数据挖掘的流程展开，不堆积知识点，着重于思路的启发与解决方案的实施。通过从任务需求到实现这一完整工作流程的体验，读者将对Python数据分析与挖掘技术真正理解与掌握。

图书目录

第1章    数据挖掘基础

1.1    数据挖掘发展史
1.2    数据挖掘的基本任务
1.3    数据挖掘的通用流程
1.4    常用数据挖掘工具
1.5    Python数据挖掘环境配置
小结
课后习题

第2章    Python数据挖掘编程基础

2.1    Python使用入门
2.2    Python数据分析预处理常用库
2.3    Python数据挖掘建模常用库和框架
小结
实训 判断与循环、函数、类型转换的使用
课后习题

第3章    数据探索

3.1    数据校验
3.2    数据特征分析
小结
实训
课后习题

第4章    数据预处理

4.1    数据清洗
4.2    数据变换
4.3    数据合并
小结
实训
课后习题

第5章    数据挖掘算法基础

5.1    分类与回归
5.2    聚类
5.3    关联规则
5.4    智能推荐
5.5    时序模式
实训
课后习题

第6章    信用卡高风险客户识别

6.1    背景与目标
6.2    数据探索
6.3    数据预处理
6.4    分析与建模
6.5    模型评价
小结
实训 使用K-Means算法实现运营商客户价值分析
课后习题

第7章    餐饮企业菜品关联分析

7.1    背景与目标
7.2    数据探索
7.3    数据预处理
7.4    分析与建模
7.5    模型评价
小结
实训 西饼屋订单关联分析
课后习题

第8章    金融服务机构资金流量预测

8.1    背景与目标
8.2    数据预处理
8.3    分析与建模
8.4    模型评价
小结
实训 构建ARIMA模型预测资金赎回数据
课后习题

第9章    O2O优惠券使用预测

9.1    背景与目标
9.2    数据探索
9.3    数据预处理
9.4    分析与建模
9.5    模型评价
小结
实训 运营商客户流失预测
课后习题

第10章    电视产品个性化推荐

10.1    背景与目标
10.2    数据预处理
10.3    分析与建模
10.4    模型评价
小结
实训
课后习题

第11章    基于TipDM数据挖掘平台实现金融服务机构资金流量预测

11.1    平台简介
11.2    快速构建金融服务机构资金流量预测工程
小结
实训 构建ARIMA模型预测航空公司乘客量数据
课后习题