人工智能数据挖掘流程指引.docVIP

人工智能数据挖掘流程指引

TOC\o1-2\h\u6447第一章数据挖掘概述 3

116801.1数据挖掘的定义与意义 3

3851.2数据挖掘的主要任务与目标 4

24818第二章数据准备 4

177452.1数据来源与收集 4

51962.1.1内部数据来源 4

262492.1.2外部数据来源 5

225202.1.3数据收集方法 5

66952.2数据预处理 5

254312.2.1数据清洗 5

79322.2.2数据转换 5

48992.2.3特征工程 5

151972.3数据清洗与整合 5

17462.3.1数据整合 5

85672.3.2数据清洗 6

159122.3.3数据质量评估 6

14117第三章数据摸索与分析 6

246263.1数据可视化 6

259663.1.1数据清洗 6

243863.1.2数据转换 6

299853.1.3可视化方法选择 6

24683.1.4可视化结果分析 6

269203.2统计分析 6

217963.2.1描述性统计 7

32033.2.2频率分析 7

255043.2.3假设检验 7

227953.2.4相关性分析 7

289793.3数据质量评估 7

177793.3.1数据完整性评估 7

83853.3.2数据准确性评估 7

153863.3.3数据一致性评估 7

4983.3.4数据时效性评估 7

18865第四章数据挖掘方法 8

173644.1传统数据挖掘方法 8

188764.1.1决策树 8

250214.1.2支持向量机 8

185554.1.3朴素贝叶斯 8

174554.1.4K最近邻 8

196474.2深度学习方法 8

239954.2.1卷积神经网络 8

45294.2.2循环神经网络 9

195244.2.3长短时记忆网络 9

142364.2.4自编码器 9

23184.3集成学习方法 9

277034.3.1Bagging 9

180374.3.2Boosting 9

199654.3.3Stacking 9

20556第五章特征工程 9

111635.1特征选择 9

113065.2特征提取 10

19165.3特征转换 10

24883第六章模型构建与评估 10

186796.1模型选择与构建 11

192336.1.1模型选择 11

40146.1.2模型构建 11

150006.2模型评估与优化 11

7936.2.1模型评估 11

299586.2.2模型优化 11

18886.3模型泛化能力分析 12

30881第七章数据挖掘应用 12

189147.1金融行业应用 12

197807.2零售行业应用 12

274247.3医疗行业应用 13

12596第八章数据挖掘软件与工具 13

309568.1数据挖掘软件介绍 13

105228.1.1Weka 13

171528.1.2R 13

298718.1.3RapidMiner 13

95838.2数据挖掘工具应用 14

138098.2.1客户关系管理 14

326628.2.2信用评分 14

181388.2.3股票市场预测 14

8708.3数据挖掘平台搭建 14

230218.3.1数据采集 14

103118.3.2数据预处理 14

92428.3.3算法选择与实现 14

97098.3.4结果评估与优化 14

7068.3.5可视化展示 15

16070第九章数据挖掘项目管理 15

263439.1项目规划与组织 15

79189.1.1项目启动 15

222179.1.2项目规划 15

317039.1.3项目组织 15

85759.2风险管理 15

168929.2.1风险识别 16

318279.2.2风险评估 16

187779.2.3风险应对 16

163489.3项目评估与总结 16

37119.3.1项目评估 16

274539.3.2项