会员
Python广告数据挖掘与分析实战
更新时间：2021-04-02 14:21:58 最新章节：10.4 本章小结
书籍简介
本书共十二章，第1-4章重在介绍移动广告营销数据分析理论与案例分析，包括广告数据分析的基本概念、内容和意义，广告数据分析相关理论知识及常用分析方法，移动广告营销常见的数据分析案例剖析以及如何做一份让领导满意的数据分析报告；本书第5-6章主要介绍Python软件安装及常用包的主要用法。本书第7-10章主要介绍利用Python实现移动广告营销中常见的机器学习算法，重点掌握常用的模型评价方法，模型原理、实现方法和技巧，其中包括混淆矩阵、AUC、ROC等常用模型评价方法以及线性回归、逻辑回归、决策树、KNN、SVM、神经网络、随机森林、GBDT、XGBoost、Stacking等常用监督学习算法。第11章主要介绍k-means聚类、Lookalike相似用户挖掘等常用无监督学习算法及实现方法。第12章主要介绍移动广告营销常用的特征选择及特征工程方法。读者如果只想了解数据分析相关概念和方法，可以选择性阅读本书前四章内容，后八章偏向数据挖掘算法和编程实践等内容，有兴趣可以深入阅读全书。
品牌：机械工业出版社
上架时间：2021-03-01 00:00:00
出版社：机械工业出版社
本书数字版权由机械工业出版社提供，并由其授权上海阅文信息技术有限公司制作发行
最新章节
同类热门书
最新上架
- 会员《网络科学与网络大数据结构挖掘》作为网络科学的工具性图书共分两大模块：第一模块是基础理论，包括网络基本概念、网络拓扑性质、复杂网络社团挖掘等内容，旨在让读者熟悉一些基本的建模方法和分析技巧。第二模块为应用模块，包括复杂网络在几个代表性领域中的应用研究分析及案例剖析等。全书没有过多地数学和物理推导，而是更为关注网络科学的思维习惯和研究方式，兼具理论性、资料性和实践性。可用于各学科领域的教学及研究人员计算机0字
- 会员本书瞄准当前高校MySQL数据库教学与实验的需求，在MySQL8.0的基础上编写而成。全书分为两篇。第一篇为MySQL数据库基础，内容包含：数据库基础、MySQL语言、数据定义、数据操纵、数据查询、视图和索引、MySQL编程技术、MySQL安全管理、备份和恢复、事务管理、PHP和MySQL教学管理系统开发。第二篇为MySQL实验，所编排的各个实验与第一篇中的各章（除第10、11章外）内容相对应，计算机12万字
- 会员本书是一本介绍分布式数据库基础内容与应用的大数据专业类图书，力求培养读者对分布式数据库的应用技能。本书共11章，采用原理＋代码实例+综合案例的编写形式，清晰明了地介绍分布式数据库的原理、基础应用、进阶应用及主流工具的使用方法、应用场景，以理实结合为编写要求，让读者能够轻松学习和掌握分布式数据库的内容。本书可以作为高等院校计算机、网络技术等相关专业的教材，也可以作为数据库相关工作的从业人员的参考用书计算机14万字
- 会员本书分为4篇，第1篇是基础入门篇，主要介绍数据分析与挖掘的基本概念及Python语言的数据分析基础；第2篇是数据分析篇，主要介绍常用的数据分析方法；第3篇是数据挖掘篇，主要介绍常用的数据挖掘方法；第4篇是实战应用篇，介绍两个完整的数据分析与挖掘案例。计算机10.9万字
- 会员本书从与数据要素关系最密切的信息、权属、价值、安全、交易等五个维度出发，汇聚不同学科背景的既有文献，整合现有观点，对数据要素的多维特性进行探讨，以丰富人们对数据要素的认知，凝聚共识，澄清数字时代的发展与治理迷思，为未来的相关创新提供起点。计算机14.5万字
- 会员本书共8章，第1章介绍新媒体数据分析的基础知识；第2章介绍各种新媒体数据分析指标；第3章介绍新媒体数据的采集；第4章介绍新媒体数据处理；第5章介绍新媒体数据分析的思维和方法；第6章介绍新媒体数据可视化；第7章介绍不同新媒体平台的数据分析方法和实战技能；第8章介绍新媒体数据分析报告的制作。计算机9.2万字
- 会员本书系统介绍了使用Python进行数据分析需要掌握的各项知识，涵盖了Python基础知识、网络爬虫技术、正则表达式、BeautifulSoup和JSON、词语切分、自然语言处理、使用NumPy与Pandas处理数据、数据可视化技术、MySQL、机器学习、朴素贝叶斯模型、支持向量机、随机森林、深度学习以及量化投资。本书通过结合数据分析技术的理论知识与Python的实战应用，帮助读者更好地运用Pyth计算机12.3万字
- 会员本书内容分3个部分共12章。第1-4章主要介绍什么是数据分析，以及Python的编程环境和基础语法知识。第5-9章主要介绍数据处理和分析的各种方法。第10-12章介绍了如何结合Python与Excel在实际工作中进行数据处理与分析操作。计算机8.5万字
同类书籍最近更新
- 会员从行为脉络来看，本书基本上是从数据统计、数据指标理解、数据模型、聚类/分类与机器学习、数据应用、大数据框架补充知识，以及扩展讨论这样的角度来层层深入完成的。这种方式会给读者比较好的带入感，让大家——尤其是不擅长数学的读者降低对大数据与机器学习算法的恐惧感。如果读者朋友对排列组合、统计分布这些基础知识比较了解，完全可以考虑跳过这些部分直接去读后面更感兴趣的内容。为了调节阅读气氛，我们还尝试加入了一些数据库20.4万字