14382_物联网大数据处理技术_教材书籍

章 互联网大数据概述 1

1.1 认识大数据 1

1.1.1 大数据的定义 1

1.1.2 大数据的特征 2

1.1.3 未来十年大数据分析的

发展趋势 3

1.2 常用大数据处理、分析工具介绍 4

1.2.1 大数据的存储工具 4

1.2.2 大数据的软件开发工具 6

1.2.3 大数据的挖掘工具 7

1.2.4 大数据的可视化工具 9

小结 11

第2章 互联网大数据采集与

获取实战要领 12

2.1 互联网大数据采集与处理技术

概述 12

2.1.1 数据采集的基本流程与

关键技术 12

2.1.2 数据处理的基本流程与

关键技术 14

2.2 Web页面数据获取实战方法 15

2.2.1 Jsoup技术与页面数据

获取 15

2.2.2 应对特定领域的

Deep Web数据获取技术 20

2.3 利用爬虫抓取互联网大数据

实战技巧 22

2.3.1 Python爬虫工作原理 22

2.3.2 利用HtmlParser实现

网页链接的提取实战 25

小结 31

第3章 做好数据预处理的实战

方法 33

3.1 数据预处理概述 33

3.1.1 数据预处理的目的 33

3.1.2 数据预处理的方法 33

3.2 从问题分析到数据清洗实战

策略 35

3.2.1 数据清洗的步骤 36

3.2.2 缺失值的识别与处理

技巧 38

3.2.3 异常值的判断、检验与

处理 40

3.3 数据集成与数据转换实战方法 44

3.3.1 数据集成常见方法 44

3.3.2 数据转换过程中的

离散化 47

3.4 数据的特征选择 49

3.4.1 常用数据特征选择方法 49

3.4.2 Relief算法与费希尔

判别法的应用 57

3.5 数据预处理实战案例分析 60

小结 69

第4章 数据相关性分析与回归

分析的黄金法则 70

4.1 什么是数据集 70

4.1.1 数据集的概念与常见

类型 70

4.1.2 高效进行数据度量的

实战技巧 72

4.2 做好数据相关性分析 75

4.2.1 进行数据相关性分析的

作用 75

4.2.2 常用的数据相关分析

方法 75

4.3 做好数据回归分析实战要领 82

4.3.1 数据回归分析方法概述 83

4.3.2 数据回归分析所能

解决的实际问题 85

小结 90

第5章 如何利用关联规则进行

大数据挖掘 91

5.1 关联规则 91

5.1.1 什么是关联规则 91

5.1.2 关联规则挖掘的应用

场景 91

5.2 关联规则挖掘实战流程分析 94

5.2.1 关联规则常见分类与

四个基本属性 94

5.2.2 找出高频

项目组的实战技巧 95

5.3 关联规则发掘中重要的Apriori

算法 97

5.3.1 Apriori算法的基本原理 97

5.3.2 Apriori算法运行的

基本流程 99

5.4 针对Apriori算法缺点的

其他关联规则挖掘算法 101

5.4.1 Apriori算法的两大缺点 101

5.4.2 基于划分规则的算法 101

5.4.3 FP-Growth算法 102

小结 118

第6章 大数据分析中的四种常见

分类算法 119

6.1 分类算法概述 119

6.1.1 有关分类算法的

基本概念 119

6.1.2 分类算法的常见

应用场景 120

6.2 KNN算法 124

6.2.1 KNN算法的工作原理与

特点 124

6.2.2 找到k值的

实用策略 125

6.3 决策树与森林算法 127

6.3.1 决策树算法 127

6.3.2 Bagging与Boosting的

区别 134

6.3.3 森林分类算法的

优势与应用场景 135

6.4 朴素贝叶斯分类算法 141

6.4.1 朴素贝叶斯分类算法

运行原理分析 141

6.4.2 贝叶斯网络 144

6.4.3 贝叶斯决策理论 148

6.5 支持向量机 153

6.5.1 支持向量机的基本思想

与特点 153

6.5.2 分类面和广义

分类面 154

6.5.3 非线性支持向量机与

核函数 157

小结 159

第7章 大数据分析中的四种常见

聚类算法 160

7.1 大数据分析聚类算法概述 160

7.1.1 聚类分析的相关概念及

应用场景 160

7.1.2 聚类算法运行基础：簇与

距离度量 162

7.2 K均值聚类算法 167

7.2.1 基于划分的K均值聚类

算法 167

7.2.2 二分K均值聚类算

法运行原理 168

7.3 基于密度的DBSCAN聚类

方法 170

7.3.1 DBSCAN算法原理

解析 170

7.3.2 DBSCAN算法的基本

运行流程 171

7.4 高斯混合模型聚类算法 173

7.4.1 GMM算法原理分析 174

7.4.2 GMM的期望算法 176

7.5 层次聚类算法 179

7.5.1 层次聚类算法的算法

思想 179

7.5.2 层次聚类算法的运行

原理 179

小结 182

第8章 自组织神经网络算法与

人工神经网络算法 183

8.1 自组织神经网络算法 183

8.1.1 什么是自组织神经网络 183

8.1.2 自组织映射算法运行

原理 183

8.1.3 进行SOM网络拓扑的

实战方法 184

8.2 人工神经网络算法 187

8.2.1 神经元与人工神经网络 187

8.2.2 BP算法的网络结构与

反向传播 189

小结 192

第9章 互联网大数据分析应用——

产品个性化推荐系93

9.1 推荐算法基本逻辑与常用

推荐算法类型 193

9.1.1 推荐算法的基本运行

逻辑 193

9.1.2 五种常用的推荐算法 196

9.2 打造互联网产品个性化推荐

引擎实战攻略 198

9.2.1 基于内容关联的个性化

推荐系统打造方法 198

9.2.2 基于用户行为的协同

过滤算法实战流程 200

9.2.3 协同过滤推荐算法在电商

个性化推荐系统中的应用

法则 205

9.3 经典互联网产品个性化推荐

系统案例分析 208

9.3.1 音乐推荐算法

机制分析 208

9.3.2 今日头条推荐算法原理

深度解析 212

小结 218

0章 大数据分析在具体

行业中的应用 219

10.1 大数据分析在商业银行领域的

应用 219

10.1.1 利用大数据分析显著

提升银行精准营销效率

实战方法 219

10.1.2 如何利用大数据分析

提升金融风控安全性 222

10.1.3 利用大数据分析降低

信用卡套现概率实战

技巧 225

10.2 大数据分析在交通领域的

应用 230

10.2.1 公共交通利用出行数据

分析合理分配运力

实战策略 230

10.2.2 大数据分析实现城市的

智能交通 233

10.3 大数据分析在安防领域的

应用 234

10.3.1 大数据分析对实现

安检过闸的提升作用 234

10.3.2 家庭安防系统中的

大数据挖掘应用 235

小结 236

参考文献 237

1、 电子资料：购买后1分钟左右系统自动发送到邮箱内；如长时间未收邮件，请查看是否被拦截在垃圾箱中；如遇发货失败，登录后购买的用户可于会员中心”已购资料“处下载；如购物邮箱填写错误，请联系客服进行修改或资料索取；电子资料购买后，一年内可以免费下载！

2、 在线题库，考前押题和精讲网课购买后，请分别于会员中心"已购题库"，"已购押题"和"已购视频"中进行查看。

3、 书籍教材：购买后如本地仓库有现货，客服会在2个工作日内发货，发货完会发送短信提醒，告知快递信息，用户可以自行查询物流信息。登录后购买的订单，可以进入会员中心，发货订单查看订单发货状态及实时的物流；如需要调货处理的，则需要耐心等待仓库发货，一般发货不会超7个工作日，如有疑问请咨询在线客服！

4、 收货说明：非书籍的电子资料/视频课具有可复制性，购买后不支持退款操作，如您需要的课程资料本网暂时没有，请直接联系客服补充！书籍收货后如因自身原因需要退换货，需要您承担退换货所产生的物流费用。