大數據分析與挖掘實用案例教程（簡體書）

大數據分析與挖掘已經廣泛應用於各行各業。本書以項目實踐為基礎，對大數據分析與挖掘的基礎知識進行了介紹，總結了機器學習、大數據分析與挖掘過程、數據分析挖掘框架和庫，分析了當前的研究熱點與前沿技術。為了增強本書的實用性、提高讀者的動手能力，本書結合案例討論了爬蟲與數據處理、Echarts和Python可視化、描述性分析、並聯分析、回歸與分類、聚類、序列挖掘等基本方法的實現與實踐。本書結合實際案例，探討了文本分析、主題模型、推薦系統、知識圖譜、情感分析等高級實現與實踐。此外，本書還介紹了大數據分析與挖掘在管理領域的應用案例。本書配有電子課件等教學資源，讀者可登錄華信教育資源網（www.hxedu.com.cn）下載使用。
本書適合作為高等學校數據挖掘、商務智能、數據分析等課程的教材，也可供數據分析與數據挖掘從業人員閱讀，還可供從事數據挖掘、機器學習應用研究的科研人員參考。

第1篇 緒論
第1章 大數據分析與挖掘的概念與理論
1.1 概述
1.2 機器學習
1.2.1 機器學習的定義
1.2.2 機器學習類型
1.2.3 機器學習的應用與工具
1.3 數據挖掘與知識發現過程
1.3.1 CRISP-DM
1.3.2 知識發現
1.4 大數據分析與挖掘中的研究熱點與前沿
1.4.1 商務智能研究熱點與前沿
1.4.2 大數據分析熱點與前沿
1.4.3 機器學習熱點與前沿
1.4.4 數據挖掘熱點與前沿
1.4.5 本章小結
本章參考文獻
本書涉及的環境、語言、框架和庫
第2篇 基礎實踐篇
第2章 爬蟲與數據處理——「茶顏悅色」話題情感趨向的影響因素
2.1 相關理論
2.1.1 Python爬蟲
2.1.2 其他相關理論
2.2 背景與分析目標
2.3 數據採集與處理
2.3.1 茶顏悅色品牌的選擇
2.3.2 數據的選擇
2.3.3 數據的採集
2.3.4 數據的處理
2.4 數據的分析與挖掘
2.4.1 情緒分析
2.4.2 詞雲分析
2.5 拓展思考
2.6 本章小結
本章參考文獻
第3章 Echarts可視化——B站視頻分區熱度及其影響因素分析
3.1 Echarts介紹及使用
3.1.1 Echarts實例
3.1.2 系列
3.1.3 組件
3.1.4 用option描述圖表
3.1.5 組件的定位
3.1.6 坐標系
3.1.7 小例子：實現日曆圖
3.1.8 自定義配置參數
3.2 其他相關理論
3.2.1 主題模型
3.2.2 數據預處理
3.3 背景與分析目標
3.4 數據採集與處理
3.4.1 數據採集
3.4.2 數據處理
3.5 數據分析與挖掘
3.5.1 分區熱度
3.5.2 影響因素之視頻標題分析
3.5.3 影響因素之視頻時長和視頻發布時間分析
3.6 拓展思考
3.7 本章小結
本章參考文獻

第4章 Python可視化——社科基金項目選題分析

4.1 Python可視化

4.2 背景與分析目標

4.3 數據採集與處理

4.4 數據分析與挖掘

4.4.1 Matplotlib可視化分析

4.4.2 詞雲圖

4.4.3 知識圖譜

4.5 拓展思考

4.6 本章小結

本章參考文獻

第5章 描述性分析——熱映電影背後的成因分析

5.1 描述性分析

5.1.1 描述性分析的含義

5.1.2 基於Python的描述性統計分析

5.2 背景與分析目標

5.2.1 背景

5.2.2 分析目標

5.3 數據採集與處理

5.3.1 數據採集

5.3.2 數據處理

5.4 數據分析與挖掘

5.4.1 電影行業的整體發展情況

5.4.2 電影類型隨時間的變化趨勢

5.5 拓展思考

5.5.1 數據分析的意義

5.5.2 數據分析的分類

5.6 本章小結

本章參考文獻

第6章 關聯分析——提高相親旅遊成功率的分析

6.1 相關理論

6.1.1 關聯分析概念

6.1.2 頻繁項集挖掘方法

6.2 背景與分析目標

6.3 數據採集與處理

6.3.1 數據採集

6.3.2 數據預處理

6.4 數據分析與挖掘

6.4.1 用戶屬性定位

6.4.2 旅遊路線及內容規劃

6.4.3 總結

6.5 拓展思考

6.5.1 理論意義

6.5.2 實踐意義

6.5.3 優點

6.5.4 不足之處

6.6 本章小結

本章參考文獻

第7章 回歸與分類——二手房房價影響因素及預測分析

7.1 回歸與分類

7.1.1 回歸分析

7.1.2 分類與預測

7.2 背景與分析目標

7.3 數據採集與處理

7.4 數據分析與挖掘

7.4.1 數據分析

7.4.2 機器學習與預測房價

7.5 拓展思考

7.6 本章小結

本章參考文獻



第3篇 提高實踐篇

第4篇 管理應用篇