前言
1 概论
1.1 什么是数据科学
1.2 数据科学的 “前世今生”
1.3 数据科学和它的 “亲戚们”
1.4 数据科学家的常用工具
1.5 数据科学的职业路线
本章小结
2 数据科学与商业分析
2.1 商业分析
2.2 商业数据分析的基本步骤
2.3 运营分析
2.4 营销分析
2.5 财务分析
2.6 Web分析
本章小结
3 数据科学中的数据
3.1 数据的分类
3.2 数据的来源
3.3 谁来处理数据
3.4 大数据的概念
本章小结
4 基础数据处理
4.1 数据处理的重要性
4.2 数据预处理
4.3 数据透视表和数据切片：洞察数据的强大工具
4.4 数据降维
本章小结
5 探索性数据分析
5.1 探索性数据分析概述
5.2 探索性数据分析的步骤
5.3 探索性数据分析案例：加拿大在线商店销售数据
5.4 启示与展望
本章小结
6 回归分析
6.1 为什么要学习回归分析
6.2 回归分析的基本概念和原理
6.3 案例：玩具销售量的分析与预测
6.4 求解线性回归问题的方法
6.5 案例：波士顿（Boston）房价回归分析
6.6 拓展：回归分析的高级应用与技术
本章小结
7 逻辑回归
7.1 逻辑回归的引入
7.2 逻辑回归的原理
7.3 逻辑回归的拟合求解
7.4 案例分析
7.5 多类型分类讨论
本章小结
8 分类模型
8.1 分类模型概述
8.2 K最近邻算法
8.3 决策树
8.4 朴素贝叶斯
本章小结
9 模型评价
9.1 模型评价概述
9.2 决策树的过拟合与剪枝
9.3 验证集的详细介绍与使用
9.4 应用案例：割草机销售分析
本章小结
10 聚类分析
10.1 学习算法简介
10.2 聚类分析概述
10.3 聚类分析的特点与应用
10.4 K均值聚类算法
10.5 聚类分析实战：鸢尾花数据聚类
本章小结
11 关联分析
11.1 关联分析概述
11.2 规则生成和修剪
11.3 关联分析算法
11.4 关联分析步骤总结
11.5 关联分析的发展趋势
本章小结
12 文本分析
12.1 文本数据概述
12.2 文本数据分析的应用场景
12.3 文本数据分析的路径
12.4 文本分析的主要模型和技术
12.5 文本分析的案例研究
本章小结
参考文献
展开
