隨著大數(shù)據(jù)時(shí)代的到來(lái)，對(duì)挖掘到的數(shù)據(jù)要求變得越來(lái)越嚴(yán)格。數(shù)據(jù)挖掘(Data Mining, DM)是一門(mén)新興的、匯聚多個(gè)學(xué)科的交叉性學(xué)科，也是從海量的數(shù)據(jù)中將未知、隱含及具備潛在價(jià)值的信息進(jìn)行提取的過(guò)程。數(shù)據(jù)挖掘?qū)⒏咝阅苡?jì)算、機(jī)器學(xué)習(xí)、人工智能、模式識(shí)別、統(tǒng)計(jì)學(xué)、數(shù)據(jù)可視化、數(shù)據(jù)庫(kù)技術(shù)和專(zhuān)家系統(tǒng)等多個(gè)范疇的理論和技術(shù)融合在一起。各行各業(yè)通過(guò)對(duì)海量數(shù)據(jù)的分析與挖掘，建立適當(dāng)?shù)捏w系，不斷地優(yōu)化，提高了決策的準(zhǔn)確性，從而更利于掌握并順應(yīng)市場(chǎng)的變化。
本書(shū)系統(tǒng)地介紹了數(shù)據(jù)分析和數(shù)據(jù)挖掘的基礎(chǔ)知識(shí)、典型的機(jī)器學(xué)習(xí)模型及利用Python實(shí)現(xiàn)數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的過(guò)程。本書(shū)將基礎(chǔ)理論、模型應(yīng)用以及項(xiàng)目實(shí)踐充分結(jié)合，有利于讀者充分掌握與應(yīng)用所學(xué)內(nèi)容。
本書(shū)主要內(nèi)容
全書(shū)共分為兩大部分，共有19章。
第一部分?jǐn)?shù)據(jù)分析與挖掘，包括第1~15章。第1章數(shù)據(jù)分析與挖掘簡(jiǎn)介，包括Python數(shù)據(jù)分析和挖掘任務(wù)中重要的庫(kù)與工具、Anaconda安裝、Jupyter Notebook。第2章爬蟲(chóng)，包括爬蟲(chóng)的基本流程、HTTP、安裝PyCharm、應(yīng)用舉例。第3章Scrapy爬蟲(chóng)框架，包括基本原理、應(yīng)用舉例。第4章NumPy基本用法，包括NumPy創(chuàng)建數(shù)組、NumPy查看數(shù)組屬性、數(shù)組的基本操作、NumPy運(yùn)算、排序。第5章Pandas基本用法，包括Series、DataFrame、應(yīng)用舉例。第6章Matplotlib基本用法，包括線(xiàn)型圖、散點(diǎn)圖、直方圖、條形圖、餅圖、Seaborn、Pandas中的繪圖函數(shù)。第7章線(xiàn)性回歸、嶺回歸、Lasso回歸，包括原理、應(yīng)用舉例。第8章Logistic回歸分類(lèi)模型，包括原理、應(yīng)用舉例。第9章決策樹(shù)與隨機(jī)森林，包括原理、應(yīng)用舉例。第10章KNN模型，包括原理、應(yīng)用舉例。第11章樸素貝葉斯模型，包括原理、應(yīng)用舉例。第12章SVM模型，包括原理、應(yīng)用舉例。第13章K�瞞eans聚類(lèi)，包括原理、應(yīng)用舉例。第14章關(guān)聯(lián)規(guī)則Apriori算法，包括原理、應(yīng)用舉例。第15章數(shù)據(jù)分析與挖掘項(xiàng)目實(shí)戰(zhàn)，包括貸款預(yù)測(cè)問(wèn)題、客戶(hù)流失率問(wèn)題。
第二部分機(jī)器學(xué)習(xí)，包括第16~19章。第16章主成分分析法，包括原理、應(yīng)用舉例。第17章集成學(xué)習(xí)，包括原理、應(yīng)用舉例。第18章模型評(píng)估，包括分類(lèi)評(píng)估、回歸評(píng)估、聚類(lèi)評(píng)估、Scikit�瞝earn中的評(píng)估函數(shù)。第19章初識(shí)深度學(xué)習(xí)框架Keras，包括關(guān)于Keras、神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介、Keras神經(jīng)網(wǎng)絡(luò)模型、用Keras實(shí)現(xiàn)線(xiàn)性回歸模型、用Keras實(shí)現(xiàn)鳶尾花分類(lèi)、Keras目標(biāo)函數(shù)、性能評(píng)估函數(shù)、激活函數(shù)說(shuō)明。
本書(shū)特色
(1) 本書(shū)目標(biāo)明確，是為初學(xué)者量身定做的入門(mén)教程，內(nèi)容系統(tǒng)全面，各章節(jié)相互獨(dú)立，讀者可以根據(jù)自己的需求選擇使用。
(2) 本書(shū)面向應(yīng)用型人才培養(yǎng)編寫(xiě)，將原理的敘述進(jìn)行精簡(jiǎn)，易于理解，輔以Python代碼進(jìn)行實(shí)踐與應(yīng)用，使讀者通過(guò)實(shí)例更好地理解和掌握知識(shí)點(diǎn)。
配套資源
為便于教與學(xué)，本書(shū)配有150分鐘微課視頻、源代碼、數(shù)據(jù)集、教學(xué)課件、教學(xué)大綱、教學(xué)日歷。
(1) 獲取微課視頻方式： 讀者可以先掃描本書(shū)封底的文泉云盤(pán)防盜碼，再掃描書(shū)中相應(yīng)的視頻二維碼，觀看教學(xué)視頻。

(2) 獲取源代碼、數(shù)據(jù)集、全書(shū)網(wǎng)址和需要彩色展示的圖片
方式： 先掃描本書(shū)封底的文泉云盤(pán)防盜碼，再掃描下方二維碼，即可獲取。

源代碼、數(shù)據(jù)集

全書(shū)網(wǎng)址

彩色圖片

(3) 其他配套資源可以?huà)呙璞緯?shū)封底的書(shū)圈二維碼，關(guān)注后輸入書(shū)號(hào)，即可下載。
讀者對(duì)象
本書(shū)是一本針對(duì)愛(ài)好數(shù)據(jù)分析與挖掘、機(jī)器學(xué)習(xí)等相關(guān)知識(shí)的讀者而編寫(xiě)的基礎(chǔ)教程，尤其適用于全國(guó)高等學(xué)校的教師、在讀學(xué)生及相關(guān)領(lǐng)域的愛(ài)好者。
本書(shū)的編寫(xiě)參考了同類(lèi)書(shū)籍和相關(guān)資料，在此向有關(guān)作者表示衷心的感謝。
由于編者水平有限，書(shū)中難免存在疏漏之處，懇請(qǐng)廣大讀者予以批評(píng)指正。
編者
2022年2月