第1章概述
1.1引言
1.1.1数据剧增
1.1.2生产要素
1.1.3数据战略
1.2研究历程
1.2.1数据管理分析的历程
1.2.2数据挖掘的历程
1.2.3大数据的历程
1.3数据挖掘的流程
1.3.1业务理解
1.3.2数据理解
1.3.3数据准备
1.3.4建立模型
1.3.5模型评估
1.3.6结果部署
1.4数据驱动的应用
1.4.1能源环保
1.4.2医疗卫生
1.4.3社会治安
1.4.4城市发展
1.4.5影视娱乐
1.4.6推荐系统
1.5关键挑战
1.5.1数据庞大价值疏
1.5.2多源异构变化快
1.5.3解释困难隐私多
本章习题

第2章数据
2.1数据的基本内容
2.1.1蕴含内容
2.1.2基本类型
2.1.3数据形态
2.1.4数据属性
2.2数据的统计特征
2.2.1集中趋势
2.2.2离散程度
2.2.3分布形状
2.3数据的相似相异
2.3.1集合距离
2.3.2几何距离
2.3.3语义距离
本章习题

第3章数据预处理
3.1数据清洗
3.1.1被污染的数据
3.1.2数据清洗的过程
3.1.3数据清洗的方法
3.2数据变换
3.2.1数据平滑
3.2.2数据锐化
3.2.3数据规范化
3.2.4数据离散化
3.3数据集成
3.3.1基于数据仓库的方案
3.3.2基于虚拟集成系统的方案
3.4数据融合
3.4.1基于知识图谱的数据融合
3.4.2基于知识图谱的融合数据应用
3.5数据归约
3.5.1属性归约
3.5.2数值归约
本章习题

第4章数据仓库和数据湖
4.1数据仓库的概念
4.1.1从数据库到数据仓库
4.1.2数据仓库的特点
4.1.3传统数据仓库的Inmon模式、Kimball模式
4.1.4动态数据仓库
4.1.5海量数据仓库
4.2数据仓库模型
4.2.1星型模型
4.2.2雪花型模型
4.2.3星-雪花型模型
4.2.4数据立方体
4.3数据ETL
4.3.1数据抽取
4.3.2数据转换
4.3.3数据加载
4.4OLAP
4.4.1从OLTP到OLAP
4.4.2OLAP系统分类
4.4.3OLAP基本操作
4.4.4基于OLAP的数据挖掘
4.5数据湖
4.5.1数据湖的架构
4.5.2数据湖的组成部分及其关系
4.5.3存储系统
4.5.4数据探索
4.6湖仓一体
4.6.1湖仓一体的架构
4.6.2湖仓一体的优劣
本章习题

第5章关联规则
5.1关联规则的基本思想
5.2关联规则的主要算法
5.2.1Apriori算法
5.2.2FP-Growth算法——Apriori算法的优化
5.3关联规则的研发历程
本章习题

第6章聚类
6.1聚类的基本思想
6.1.1簇
6.1.2聚类分析
6.1.3聚类评价指标
6.2聚类的主要算法
6.2.1k-means算法
6.2.2高斯混合模型
6.2.3层次聚类算法
6.2.4DBSCAN聚类算法
6.2.5网格聚类
6.2.6拓扑图聚类
6.2.7引力聚类
6.2.8深度聚类
6.3聚类的研发历程
本章习题

第7章分类
7.1分类的基本思想
7.1.1相关概念
7.1.2算法评价指标
7.2分类的主要算法
7.2.1决策树算法及其优化
7.2.2CART算法
7.2.3SVM算法
7.2.4KNN算法
7.2.5朴素贝叶斯算法
7.3分类的研发历程
本章习题

第8章回归分析
8.1回归分析的基本思想
8.2回归分析的主要模型
8.2.1线性回归模型
8.2.2非线性回归模型
8.2.3逐步回归分析
8.2.4逻辑回归分析
8.3回归分析的研发历程
本章习题

第9章异常检测
9.1异常检测的基本思想
9.1.1异常种类
9.1.2异常检测方法
9.2异常检测的主要算法
9.2.1基于统计的异常检测
9.2.2基于距离的异常检测
9.2.3基于密度的异常检测
9.2.4基于聚类的异常检测
9.2.5时间序列异常检测
9.3异常检测的研发历程
本章习题

第10章高级数据分析方法
10.1集成学习
10.1.1装袋算法
10.1.2提升
10.2深度学习
10.2.1多层感知机
10.2.2卷积神经网络
10.2.3递归神经网络
10.2.4Transformer
10.3强化学习
10.3.1马尔可夫决策过程
10.3.2基于值的强化学习
10.3.3基于策略的强化学习
10.4大模型预训练
10.4.1BERT
10.4.2GPT
10.4.3BERT与GPT对比分析
本章习题

第11章数据可视化
11.1可视化基本思想
11.1.1可视化人机交互
11.1.2可视化分析
11.2可视化主要方法
11.2.1统计数据可视化方法
11.2.2高维数据可视化方法
11.2.3图数据可视化方法
11.2.4文本数据可视化方法
11.2.5时空数据可视化方法
11.2.6交互可视化方法
11.3基于可视化的交互式数据挖掘方法
11.3.1基于可视化的交互式数据挖掘方法分类
11.3.2可视化增强的通用数据挖掘方法
11.3.3面向应用场景的方法
11.4可视化数据分析挖掘的研发历程
本章习题

第12章典型应用
12.1客户流失预测
12.1.1业务理解
12.1.2数据理解
12.1.3数据准备
12.1.4构建模型
12.1.5评估模型
12.1.6结果部署
12.2客户稳定度评估
12.2.1业务理解
12.2.2数据理解
12.2.3数据准备
12.2.4构建模型
12.2.5评估模型
12.2.6结果部署
12.3基于梧桐·鸿鹄大数据实训平台的案例实践
12.3.1客户流失预测
12.3.2客户稳定度评估
本章习题

参考文献