數(shù)據(jù)分析與挖掘算法：Python實(shí)戰(zhàn)

第1章 數(shù)據(jù)分析概述 1
1．1 什么是數(shù)據(jù)挖掘 2
1．2 數(shù)據(jù)挖掘與數(shù)據(jù)分析的關(guān)系 6
1．3 數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的關(guān)系 8
1．4 機(jī)器學(xué)習(xí)算法簡介 13

第2章 數(shù)據(jù)思維 19
2．1 數(shù)據(jù)思維認(rèn)知 21
2．2 數(shù)據(jù)思維認(rèn)知的主觀性與客觀性 26
2．3 數(shù)據(jù)挖掘“定律” 29

第3章 邏輯回歸 37
3．1 邏輯回歸基礎(chǔ)：從線性回歸到邏輯回歸 38
3．2 邏輯回歸函數(shù)構(gòu)建 41
3．3 邏輯回歸問題求解 46
3．4 邏輯回歸模型評估 49
3．5 Python代碼實(shí)現(xiàn) 55

第4章 決策樹 65
4．1 決策樹基礎(chǔ) 66
4．2 決策樹算法 70
4．3 Python代碼實(shí)現(xiàn) 86

第5章 樸素貝葉斯 95
5．1 概率論基礎(chǔ) 96
5．2 從貝葉斯公式到樸素貝葉斯分類 100
5．3 Python代碼實(shí)現(xiàn) 106

第6章 聚類分析 113
6．1 聚類分析基礎(chǔ) 115
6．2 聚類算法 121
6．3 Python代碼實(shí)現(xiàn) 128

第7章 關(guān)聯(lián)規(guī)則 137
7．1 關(guān)聯(lián)規(guī)則基礎(chǔ) 140
7．2 關(guān)聯(lián)規(guī)則算法 143
7．3 Python代碼實(shí)現(xiàn) 147

第8章 人工神經(jīng)網(wǎng)絡(luò) 151
8．1 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 153
8．2 BP（誤差逆?zhèn)鞑デ梆仯┥窠?jīng)網(wǎng)絡(luò) 158
8．3 Python代碼實(shí)現(xiàn) 164

第9章 集成學(xué)習(xí) 169
9．1 集成學(xué)習(xí)基礎(chǔ) 170
9．2 集成學(xué)習(xí)算法 174
參考資料 181