前言
第一部分　基礎篇
第1章　數據挖掘概述 2
1.1　數據挖掘簡介 2
1.2　工具簡介 3
1.2.1　WEKA 3
1.2.2　RapidMiner 4
1.2.3　Python 5
1.2.4　R 5
1.3　Python開發環境的搭建 6
1.3.1　Python安裝 6
1.3.2　Python初識 11
1.3.3　與讀者的約定 14
1.4　小結 15
第2章　Python基礎入門 16
2.1　常用操作符 16
2.1.1　算術操作符 17
2.1.2　賦值操作符 17
2.1.3　比較操作符 18
2.1.4　邏輯操作符 18
2.1.5　操作符優先級 18
2.2　數字數據 19
2.2.1　變量與賦值 19
2.2.2　數字數據類型 20
2.3　流程控製 20
2.3.1　if語句 21
2.3.2　while循環 23
2.3.3　for循環 25
2.4　數據結構 27
2.4.1　列錶 28
2.4.2　字符串 31
2.4.3　元組 35
2.4.4　字典 36
2.4.5　集閤 39
2.5　文件的讀寫 40
2.5.1　改變工作目錄 40
2.5.2　txt文件讀取 41
2.5.3　csv文件讀取 42
2.5.4　文件輸齣 43
2.5.5　使用JSON處理數據 43
2.6　上機實驗 44
第3章　函數 47
3.1　創建函數 48
3.2　函數參數 50
3.3　可變對象與不可變對象 52
3.4　作用域 53
3.5　上機實驗 55
第4章　麵嚮對象編程 56
4.1　簡介 56
4.2　類與對象 58
4.3　__init__方法 59
4.4　對象的方法 61
4.5　繼承 65
4.6　上機實驗 68
第5章　Python實用模塊 69
5.1　什麼是模塊 69
5.2　NumPy 70
5.3　Pandas 75
5.4　SciPy 81
5.5　scikit-learn 84
5.6　其他Python常用模塊 87
5.7　小結 88
5.8　上機實驗 88
第6章　圖錶繪製入門 89
6.1　Matplotlib 89
6.2　Bokeh 94
6.3　其他優秀的繪圖模塊 97
6.4　小結 97
6.5　上機實驗 97
第二部分　建模應用篇
第7章　分類與預測 100
7.1　迴歸分析 100
7.1.1　綫性迴歸 101
7.1.2　邏輯迴歸 104
7.2　決策樹 107
7.2.1　ID3算法 107
7.2.2　其他樹模型 111
7.3　人工神經網絡 113
7.4　kNN算法 122
7.5　樸素貝葉斯分類算法 124
7.6　小結 127
7.7　上機實驗 127
第8章　聚類分析建模 129
8.1　K-Means聚類分析函數 129
8.2　係統聚類算法 133
8.3　DBSCAN聚類算法 138
8.4　上機實驗 142
第9章　關聯規則分析 144
9.1　Apriori關聯規則算法 145
9.2　Apriori在Python中的實現 146
9.3　小結 149
9.4　上機實驗 149
第10章　智能推薦 151
10.1　基於用戶的協同過濾算法 152
10.2　基於用戶的協同過濾算法在Python中的實現 154
10.3　小結 157
10.4　上機實驗 157
第11章　時間序列分析 159
11.1　ARIMA模型 159
11.2　小結 171
11.3　上機實驗 172
參考文獻 174
· · · · · · (收起)