数据分析与挖掘算法：Python实战

参考资料

9.2 集成学习算法

9.1 集成学习基础

第9章 集成学习

8.3 Python代码实现

8.2 BP（误差逆传播前馈）神经网络

8.1 人工神经网络基础

第8章 人工神经网络

7.3 Python代码实现

7.2 关联规则算法

7.1 关联规则基础

第7章 关联规则

6.3 Python代码实现

6.2 聚类算法

6.1 聚类分析基础

第6章 聚类分析

5.3 Python代码实现

5.2 从贝叶斯公式到朴素贝叶斯分类

5.1 概率论基础

第5章 朴素贝叶斯

4.3 Python代码实现

4.2 决策树算法

4.1 决策树基础

第4章 决策树

3.5 Python代码实现

3.4 逻辑回归模型评估

3.3 逻辑回归问题求解

3.2 逻辑回归函数构建

3.1 逻辑回归基础：从线性回归到逻辑回归

第3章 逻辑回归

2.3 数据挖掘“定律”

2.2 数据思维认知的主观性与客观性

2.1 数据思维认知

第2章 数据思维

1.4 机器学习算法简介

1.3 数据挖掘与机器学习的关系

1.2 数据挖掘与数据分析的关系

1.1 什么是数据挖掘

第1章 数据分析概述

前言

内容简介

作者简介

版权信息

封面

封面

版权信息

作者简介

内容简介

前言

第1章 数据分析概述

1.1 什么是数据挖掘

1.2 数据挖掘与数据分析的关系

1.3 数据挖掘与机器学习的关系

1.4 机器学习算法简介

第2章 数据思维

2.1 数据思维认知

2.2 数据思维认知的主观性与客观性

2.3 数据挖掘“定律”

第3章 逻辑回归

3.1 逻辑回归基础：从线性回归到逻辑回归

3.2 逻辑回归函数构建

3.3 逻辑回归问题求解

3.4 逻辑回归模型评估

3.5 Python代码实现

第4章 决策树

4.1 决策树基础

4.2 决策树算法

4.3 Python代码实现

第5章 朴素贝叶斯

5.1 概率论基础

5.2 从贝叶斯公式到朴素贝叶斯分类

5.3 Python代码实现

第6章 聚类分析

6.1 聚类分析基础

6.2 聚类算法

6.3 Python代码实现

第7章 关联规则

7.1 关联规则基础

7.2 关联规则算法

7.3 Python代码实现

第8章 人工神经网络

8.1 人工神经网络基础

8.2 BP（误差逆传播前馈）神经网络

8.3 Python代码实现

第9章 集成学习

9.1 集成学习基础

9.2 集成学习算法

参考资料