數(shù)據(jù)挖掘：方法與應(yīng)用（應(yīng)用案例）

第1章 緒論
1．1 本書背景
1．2 數(shù)據(jù)挖掘應(yīng)用概述
1．3 本書的主要內(nèi)容安排
1．4 小結(jié)

第2章 基于GPS信息的出租車行車軌跡數(shù)據(jù)挖掘
2．1 概述
2．2 出租車GPS數(shù)據(jù)挖掘問題描述
2．3 基于GPS數(shù)據(jù)的出租車軌跡挖掘與分析
2．4 挖掘任務(wù)點(diǎn)評(píng)
2．5 小結(jié)

第3章 NBA比賽結(jié)果預(yù)測
3．1 問題背景
3．2 數(shù)據(jù)采集
3．2．1 數(shù)據(jù)來源
3．2．2 數(shù)據(jù)采集方法
3．2．3 原始數(shù)據(jù)
3．3 挖掘方法
3．3．1 挖掘的目標(biāo)與實(shí)現(xiàn)思路
3．3．2 預(yù)測特征選取
3．4 分類和預(yù)測方法
3．5 預(yù)測結(jié)果的分析和對(duì)比
3．5．1 使用球隊(duì)平均數(shù)據(jù)預(yù)測比賽結(jié)果
3．5．2 使用球隊(duì)近期數(shù)據(jù)預(yù)測比賽結(jié)果
3．6 挖掘任務(wù)點(diǎn)評(píng)
3．7 小結(jié)
參考文獻(xiàn)

第4章 大型商業(yè)銀行后臺(tái)運(yùn)維數(shù)據(jù)故障分析
4．1 概述
4．1．1 應(yīng)用背景
4．1．2 主要研發(fā)內(nèi)容
4．2 相關(guān)方法回顧
4．2．1 主成分分析法
4．2．2 前向特征選擇法
4．2．3 隨機(jī)森林方法
4．3 交易超時(shí)故障預(yù)測方法設(shè)計(jì)與實(shí)現(xiàn)
4．3．1 問題定義
4．3．2 工作流程
4．3．3 數(shù)據(jù)預(yù)處理
4．3．4 降維處理
4．3．5 預(yù)測模型
4．3．6 防范模型
4．3．7 評(píng)價(jià)方法
4．4 綜合系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
4．4．1 系統(tǒng)框架
4．4．2 數(shù)據(jù)預(yù)處理模塊
4．4．3 隨機(jī)森林模塊
4．4．4 展示模塊
4．4．5 最終效果模塊
4．5 結(jié)果分析與評(píng)價(jià)
4．5．1 實(shí)驗(yàn)數(shù)據(jù)
4．5．2 交易故障預(yù)測相關(guān)實(shí)驗(yàn)
4．6 挖掘任務(wù)點(diǎn)評(píng)
4．7 小結(jié)
4．7．1 總結(jié)
4．7．2 展望
參考文獻(xiàn)

第5章 RNA排序預(yù)測
5．1 概述
5．2 研發(fā)現(xiàn)狀
5．2．1 內(nèi)部核糖體進(jìn)入位點(diǎn)的數(shù)據(jù)挖掘研發(fā)現(xiàn)狀
5．2．2 冷凍電鏡圖像蛋白質(zhì)顆粒挑選研究現(xiàn)狀
5．3 工作設(shè)計(jì)與實(shí)現(xiàn)
5．3．1 基本的設(shè)計(jì)框架與實(shí)現(xiàn)思路
5．3．2 核心挖掘模型設(shè)計(jì)與實(shí)現(xiàn)
5．4 應(yīng)用實(shí)現(xiàn)
5．4．1 實(shí)現(xiàn)程序與功能
5．4．2 數(shù)據(jù)挖掘分析結(jié)果展示
5．5 操作說明
5．6 挖掘任務(wù)點(diǎn)評(píng)
5．7 小結(jié)
參考文獻(xiàn)

第6章 “樂學(xué)”微信公眾號(hào)關(guān)注趨勢分析
6．1 前言
6．1．1 研究背景
6．1．2 數(shù)據(jù)來源
6．1．3 數(shù)據(jù)預(yù)處理
6．1．4 研究思路
6．2 平臺(tái)發(fā)展現(xiàn)狀
6．2．1 平臺(tái)用戶特性
6．2．2 平臺(tái)傳播狀態(tài)
6．2．3 便捷操作發(fā)展?fàn)顩r
6．3 推送發(fā)展模式探究
6．3．1 成功推送案例分析
6．3．2 理想發(fā)展模式探究
6．3．3 不同模式下的平臺(tái)關(guān)注量預(yù)測
6．3．4 推送發(fā)展的改進(jìn)思路
6．4 便捷操作功能探究
6．4．1 用戶使用習(xí)慣分析
6．4．2 便捷操作功能的改進(jìn)思路
6．5 挖掘任務(wù)點(diǎn)評(píng)
6．6 小結(jié)
參考文獻(xiàn)

第7章 保險(xiǎn)行業(yè)客戶特征識(shí)別
7．1 概述
7．2 數(shù)據(jù)挖掘問題描述
7．2．1 問題背景
7．2．2 關(guān)于數(shù)據(jù)集
7．3 保險(xiǎn)客戶特征識(shí)別與分析
7．3．1 數(shù)據(jù)預(yù)處理
7．3．2 挖掘與分析結(jié)果
7．4 挖掘任務(wù)點(diǎn)評(píng)
7．5 小結(jié)
參考文獻(xiàn)

第8章 電力系統(tǒng)不良數(shù)據(jù)辨識(shí)案例分析
8．1 概述
8．1．1 電力系統(tǒng)不良數(shù)據(jù)辨識(shí)
8．1．2 數(shù)據(jù)介紹
8．2 研究內(nèi)容
8．2．1 基于GSA的k-means聚類
8．2．2 基于有效指數(shù)的k-means聚類
8．2．3 模糊C-means聚類
8．3 總結(jié)分析
8．3．1 不良數(shù)據(jù)辨識(shí)結(jié)果對(duì)比
8．3．2 不良數(shù)據(jù)分析
8．4 挖掘任務(wù)點(diǎn)評(píng)
8．5 小結(jié)

第9章 總結(jié)