前言
第一部分　基础篇
第1章　数据挖掘概述 2
1.1　数据挖掘简介 2
1.2　工具简介 3
1.2.1　WEKA 3
1.2.2　RapidMiner 4
1.2.3　Python 5
1.2.4　R 5
1.3　Python开发环境的搭建 6
1.3.1　Python安装 6
1.3.2　Python初识 11
1.3.3　与读者的约定 14
1.4　小结 15
第2章　Python基础入门 16
2.1　常用操作符 16
2.1.1　算术操作符 17
2.1.2　赋值操作符 17
2.1.3　比较操作符 18
2.1.4　逻辑操作符 18
2.1.5　操作符优先级 18
2.2　数字数据 19
2.2.1　变量与赋值 19
2.2.2　数字数据类型 20
2.3　流程控制 20
2.3.1　if语句 21
2.3.2　while循环 23
2.3.3　for循环 25
2.4　数据结构 27
2.4.1　列表 28
2.4.2　字符串 31
2.4.3　元组 35
2.4.4　字典 36
2.4.5　集合 39
2.5　文件的读写 40
2.5.1　改变工作目录 40
2.5.2　txt文件读取 41
2.5.3　csv文件读取 42
2.5.4　文件输出 43
2.5.5　使用JSON处理数据 43
2.6　上机实验 44
第3章　函数 47
3.1　创建函数 48
3.2　函数参数 50
3.3　可变对象与不可变对象 52
3.4　作用域 53
3.5　上机实验 55
第4章　面向对象编程 56
4.1　简介 56
4.2　类与对象 58
4.3　__init__方法 59
4.4　对象的方法 61
4.5　继承 65
4.6　上机实验 68
第5章　Python实用模块 69
5.1　什么是模块 69
5.2　NumPy 70
5.3　Pandas 75
5.4　SciPy 81
5.5　scikit-learn 84
5.6　其他Python常用模块 87
5.7　小结 88
5.8　上机实验 88
第6章　图表绘制入门 89
6.1　Matplotlib 89
6.2　Bokeh 94
6.3　其他优秀的绘图模块 97
6.4　小结 97
6.5　上机实验 97
第二部分　建模应用篇
第7章　分类与预测 100
7.1　回归分析 100
7.1.1　线性回归 101
7.1.2　逻辑回归 104
7.2　决策树 107
7.2.1　ID3算法 107
7.2.2　其他树模型 111
7.3　人工神经网络 113
7.4　kNN算法 122
7.5　朴素贝叶斯分类算法 124
7.6　小结 127
7.7　上机实验 127
第8章　聚类分析建模 129
8.1　K-Means聚类分析函数 129
8.2　系统聚类算法 133
8.3　DBSCAN聚类算法 138
8.4　上机实验 142
第9章　关联规则分析 144
9.1　Apriori关联规则算法 145
9.2　Apriori在Python中的实现 146
9.3　小结 149
9.4　上机实验 149
第10章　智能推荐 151
10.1　基于用户的协同过滤算法 152
10.2　基于用户的协同过滤算法在Python中的实现 154
10.3　小结 157
10.4　上机实验 157
第11章　时间序列分析 159
11.1　ARIMA模型 159
11.2　小结 171
11.3　上机实验 172
参考文献 174
· · · · · · (收起)