python金融数据分析与挖掘实战_[套装书]Python数据分析与挖掘实战（第2版）+Python金融大数据挖掘与分析全流程详解+Python金融数据分析（3册）...

---------------------------Python数据分析与挖掘实战(第2版)---------------------------

前言

基础篇

第1章　数据挖掘基础 2

1.1　某知名连锁餐饮企业的困惑 2

1.2　从餐饮服务到数据挖掘 4

1.3　数据挖掘的基本任务 5

1.4　数据挖掘建模过程 5

1.4.1　定义挖掘目标 6

1.4.2　数据取样 6

1.4.3　数据探索 7

1.4.4　数据预处理 8

1.4.5　挖掘建模 8

1.4.6　模型评价 8

1.5　常用数据挖掘建模工具 9

1.6　小结 11

第2章　Python数据分析简介 12

2.1　搭建Python开发平台 14

2.1.1　所要考虑的问题 14

2.1.2　基础平台的搭建 14

2.2　Python使用入门 16

2.2.1　运行方式 16

2.2.2　基本命令 17

2.2.3　数据结构 19

2.2.4　库的导入与添加 24

2.3　Python数据分析工具 26

2.3.1　NumPy 27

2.3.2　SciPy 28

2.3.3　Matplotlib 29

2.3.4　pandas 31

2.3.5　StatsModels 33

2.3.6　scikit-learn 33

2.3.7　Keras 34

2.3.8　Gensim 36

2.4　配套附件使用设置 37

2.5　小结 38

第3章　数据探索 39

3.1　数据质量分析 39

3.1.1　缺失值分析 40

3.1.2　异常值分析 40

3.1.3　一致性分析 44

3.2　数据特征分析 44

3.2.1　分布分析 44

3.2.2　对比分析 48

3.2.3　统计量分析 51

3.2.4　周期性分析 54

3.2.5　贡献度分析 55

3.2.6　相关性分析 58

3.3　Python主要数据探索函数 62

3.3.1　基本统计特征函数 62

3.3.2　拓展统计特征函数 66

3.3.3　统计绘图函数 67

3.4　小结 74

第4章　数据预处理 75

4.1　数据清洗 75

4.1.1　缺失值处理 75

4.1.2　异常值处理 80

4.2　数据集成 80

4.2.1　实体识别 81

4.2.2　冗余属性识别 81

4.2.3　数据变换 81

4.2.4　简单函数变换 81

4.2.5　规范化 82

4.2.6　连续属性离散化 84

4.2.7　属性构造 87

4.2.8　小波变换 88

4.3　数据归约 91

4.3.1　属性归约 91

4.3.2　数值归约 95

4.4　Python主要数据预处理函数 98

4.5　小结 101

第5章　挖掘建模 102

5.1　分类与预测 102

5.1.1　实现过程 103

5.1.2　常用的分类与预测算法 103

5.1.3　回归分析 104

5.1.4　决策树 108

5.1.5　人工神经网络 115

5.1.6　分类与预测算法评价 120

5.1.7　Python分类预测模型特点 125

5.2　聚类分析 125

5.2.1　常用聚类分析算法 126

5.2.2　K-Means聚类算法 127

5.2.3　聚类分析算法评价 132

5.2.4　Python主要聚类分析算法 133

5.3　关联规则 135

5.3.1　常用关联规则算法 136

5.3.2　Apriori算法 136

5.4　时序模式 142

5.4.1　时间序列算法 142

5.4.2　时间序列的预处理 143

5.4.3　平稳时间序列分析 145

5.4.4　非平稳时间序列分析 148

5.4.5　Python主要时序模式算法 156

5.5　离群点检测 159

5.5.1　离群点的成因及类型 160

5.5.2　离群点检测方法 160

5.5.3　基于模型的离群点检测方法 161

5.5.4　基于聚类的离群点检测方法 164

5.6　小结 167

实战篇

第6章　财政收入影响因素分析及预测 170

6.1　背景与挖掘目标 170

6.2　分析方法与过程 171

6.2.1　分析步骤与流程 172

6.2.2　数据探索分析 172

6.2.3　数据预处理 176

6.2.4　模型构建 178

6.3　上机实验 184

6.4　拓展思考 185

6.5　小结 186

第7章　航空公司客户价值分析 187

7.1　背景与挖掘目标 187

7.2　分析方法与过程 188

7.2.1　分析步骤与流程 189

7.2.2　数据探索分析 189

7.2.3　数据预处理 200

7.2.4　模型构建 207

7.2.5　模型应用 212

7.3　上机实验 214

7.4　拓展思考 215

7.5　小结 216

第8章　商品零售购物篮分析 217

8.1　背景与挖掘目标 217

8.2　分析方法与过程 218

8.2.1　数据探索分析 219

8.2.2　数据预处理 224

8.2.3　模型构建 226

8.3　上机实验 232

8.4　拓展思考 233

8.5　小结 233

第9章　基于水色图像的水质评价 234

9.1　背景与挖掘目标 234</