大數(shù)據(jù)工具應(yīng)用：微課視頻版

第1章大數(shù)據(jù)基本概念及其應(yīng)用00

1.1大數(shù)據(jù)應(yīng)用概況00

1.1.1大數(shù)據(jù)的定義00

1.1.2大數(shù)據(jù)的特點00

1.1.3大數(shù)據(jù)的結(jié)構(gòu)00

1.1.4相關(guān)技術(shù)00

1.1.5現(xiàn)狀與趨勢00

1.2大數(shù)據(jù)處理步驟00

1.2.1數(shù)據(jù)獲取00

1.2.2數(shù)據(jù)存儲00

1.2.3數(shù)據(jù)管理00

1.2.4數(shù)據(jù)分析0

1.3應(yīng)用案例0

1.3.1商品推薦服務(wù)0

1.3.2公共信息服務(wù)0

1.3.3數(shù)據(jù)呈現(xiàn)服務(wù)0


第2章數(shù)據(jù)獲取0

2.1格式轉(zhuǎn)換與數(shù)據(jù)清洗整理0

2.2網(wǎng)頁數(shù)據(jù)獲取0

2.2.1八爪魚采集原理與安裝0

2.2.2模板采集任務(wù)0

2.2.3自定義采集模式0


第3章數(shù)據(jù)分析入門0

3.1Weka簡介與數(shù)據(jù)預(yù)處理0

3.1.1軟件下載 0

3.1.2文件與數(shù)據(jù)格式0

3.1.3Weka程序界面0

3.1.4數(shù)據(jù)預(yù)處理0


3.2數(shù)據(jù)分類0

3.2.1J48決策樹分類器0

3.2.2LinearRegression分類器0

3.2.3M5P分類器0

3.3數(shù)據(jù)聚類0

3.3.1SimpleKMeans聚類器0

3.3.2EM聚類器0

3.3.3DBSCAN聚類器0

3.4數(shù)據(jù)關(guān)聯(lián)0

3.4.1關(guān)聯(lián)規(guī)則相關(guān)概念0

3.4.2Apriori算法介紹0

3.4.3Weka中Apriori關(guān)聯(lián)規(guī)則挖掘0

3.5選擇屬性0

3.5.1屬性選擇概述0

3.5.2Weka中Select attributes標簽頁0

3.5.3選擇屬性模式介紹0

3.5.4Weka中選擇屬性操作示例0

3.6數(shù)據(jù)可視化0

3.6.1Visualize標簽頁0

3.6.2數(shù)值型類別屬性可視化0






第4章數(shù)據(jù)分析進階0

4.1貝葉斯網(wǎng)絡(luò)0

4.1.1貝葉斯公式簡介0

4.1.2貝葉斯網(wǎng)絡(luò)簡介

4.1.3創(chuàng)建貝葉斯網(wǎng)絡(luò)

4.1.4使用貝葉斯網(wǎng)絡(luò)進行推理

4.2神經(jīng)網(wǎng)絡(luò)

4.2.1神經(jīng)網(wǎng)絡(luò)介紹

4.2.2Weka神經(jīng)網(wǎng)絡(luò)選項設(shè)置

4.2.3編輯神經(jīng)網(wǎng)絡(luò)

4.2.4神經(jīng)網(wǎng)絡(luò)參數(shù)調(diào)整

4.3時間序列分析及預(yù)測


第5章Tableau數(shù)據(jù)可視化

5.1Tableau概述與入門

5.1.1概述

5.1.2下載與安裝

5.1.3數(shù)據(jù)類型


5.1.4Tableau Desktop軟件界面

5.1.5文件類型

5.2初級可視化分析

5.2.1條形圖

5.2.2直方圖

5.2.3餅圖

5.2.4折線圖

5.2.5壓力圖

5.2.6樹地圖

5.2.7氣泡圖

5.3地圖分析

5.3.1認識地圖

5.3.2創(chuàng)建地圖

5.4高級數(shù)據(jù)操作

5.4.1分層結(jié)構(gòu)

5.4.2組

5.4.3集

5.4.4參數(shù)

5.4.5計算字段

5.5分析圖表整合

5.6案例一： 無錫市宜居時間分析

5.6.1創(chuàng)建計算字段

5.6.2空氣質(zhì)量

5.6.3氣溫

5.6.4宜居時間

5.6.5制作儀表板

5.7案例二： 佛山市納稅企業(yè)增長情況分析

5.7.1創(chuàng)建字段

5.7.2預(yù)測

5.7.3剖析行業(yè)

5.7.4剖析區(qū)域

5.7.5制作儀表板

5.7.6分析


第6章數(shù)據(jù)分析拓展

6.1數(shù)據(jù)分析拓展引言

6.1.1研究背景及實驗數(shù)據(jù)

6.1.2研究方法

6.2k最近鄰算法

6.2.1k最近鄰算法的基本原理

6.2.2Weka中k最近鄰算法(kNN)應(yīng)用實踐

6.3支持向量機

6.3.1支持向量機算法基本原理

6.3.2Weka中SVM算法應(yīng)用實踐

6.4邏輯回歸算法

6.4.1邏輯回歸算法基本原理

6.4.2Weka中的邏輯回歸算法應(yīng)用實踐

6.5隨機森林算法

6.5.1隨機森林算法基本原理

6.5.2Weka中的隨機森林算法應(yīng)用實踐

6.6模型性能評估(一)

6.7模型性能評估(二)


第7章數(shù)據(jù)思維

7.1數(shù)據(jù)分析基礎(chǔ)

7.1.1相關(guān)概念

7.1.2數(shù)據(jù)分析可以幫用戶做什么

7.1.3如何做有效的數(shù)據(jù)分析

7.2數(shù)據(jù)分析思維、過程和方法

7.2.1數(shù)據(jù)分析思維

7.2.2數(shù)據(jù)分析過程

7.2.3數(shù)據(jù)分析方法

7.2.4數(shù)據(jù)分析結(jié)果展示


參考文獻