《数据挖掘与预测分析》是一本内容丰富，涵盖了数据分析、数据挖掘以及预测分析的全面指南。该书不仅详细介绍了从数据准备到探索新数据分析、数据建模及模型评估等整个数据分析过程的方法和技巧，还提供了丰富的实例和案例，帮助读者理解和应用这些方法。该书还以实际应用为导向，提供了利用现实世界数据集开展数据挖掘与预测分析的实用方法。无论是数据分析的初学者还是有经验的专业人士，都能从中受益良多。如果你对数据分析有兴趣，不妨下载这本书，它将帮助你更好地应用数据挖掘与预测分析的方法，并为你在这个领域的研究和工作提供有力的支持。
数据挖掘与预测分析电子书封面
读者评价
不过的技术工具书，对rapid miner的详细介绍很精彩。
大数据分析和建模的完美结合，可以了解大数据技术的最新发展。同理可推，如果一个人掌握了大数据分析和建模的能力，也能脱颖而出，找寻到走向成功的捷径。
大数据学习的进阶读物，相当于wrox认证的指定教材之一，值得学习。
大数据是当今科技行业中受欢迎的流行语之一。全世界的企业都已经意识到了可用的大量数据的价值，并努力管理和分析数据、发挥其作用，以建立战略和发展竞争优势。与此同时，这项技术的出现，导致了各种新的和增强的工作角色的演变。 《大数据分析师权v教程》系列的目标是培养新一代的国际化全能大数据分析师，使他们精通数据挖掘、数据操纵和数据分析方面的基本及高-级分析技术，熟悉大数据平台以及业务和行业需求，能够高效地参与大数据分析项目。 本系列旨在使参与者熟悉整个数据分析生命期，…
内容介绍
通过做数据分析学习数据分析。《数据挖掘与预测分析(第2版)》提供了从数据准备到探索性数据分析、数据建模及模型评估等整个数据分析过程的内容。《数据挖掘与预测分析(第2版)》不仅提供了理解软件底层算法的“白盒”方法，而且提供了能够使读者利用现实世界数据集开展数据挖掘与预测分析的应用方法。
第2版的新内容：
● 添加了500多页的新内容，包括20个新章节，例如，数据建模准备、成本-效益分析、缺失数据填充、聚类优劣度量以及细分模型等。
● 针对前沿主题的新章节，例如，多元分类模型、BIRCH聚类、集成学习(bagging及boosting)、模型投票与趋向平均等。
● 每章节后均附有R语言开发园地，读者可以获得完成书中分析所需的R语言源代码，以及通过R代码生成的图、表和结果。
● 书中的附录为那些对统计基础生疏的读者提供了了解基本概念的材料。
● 超过750个章节练习，使读者能够自己测试对所学知识的掌握程度，并着手开展数据挖掘与预测分析工作。
《数据挖掘与预测分析(第2版)》将对数据分析人员、数据库分析人员以及CIO具有极大的吸引力，通过学习将使他们知道何种类型的分析将会增加其投资回报。
目录
- 第Ⅰ部分 数据准备
- 第1章 数据挖掘与预测分析概述 3
- 第2章 数据预处理 17
- 第3章 探索性数据分析 49
- 第4章 降维方法 83
- 第Ⅱ部分 统计分析
- 第5章 单变量统计分析 117
- 第6章 多元统计 133
- 第7章 数据建模准备 145
- 第8章 简单线性回归 155
- 第9章 多元回归与模型构建 213
- 第Ⅲ部分 分类
- 第10章 K-最近邻算法 273第11章 决策树 289
- 第12章 神经元网络 311
- 第13章 logistic回归 331
- 第14章 朴素贝叶斯与贝叶斯网络 385
- 第15章 模型评估技术 421
- 第16章 基于数据驱动成本的
- 第17章 三元和k元分类模型的成本-
- 第18章 分类模型的图形化评估 477
- 第Ⅳ部分 聚类
- 第19章 层次聚类和k-均值聚类 489
- 第20章 Kohonen网络 505
- ......
用于支持决策，改善公司跟顾客的互动或提高互动的价值。针对有关顾客的知识，和如何与顾客有效接触的知识，进行收集、分析、应用。 大数据既是一个被滥用的流行语，也是一个当今社会的真实趋势。此术语指代总量与日俱增的数据，这些数据每天都在被捕获、处理、汇集、储存、分析。维基百科是这样描述“大数据”的：“数据集的总和如此庞大复杂，以至于现有的数据库管理工具难以处理（…）”。 分析数据、展示信息以帮助企业的执行者、管理层、其他人员进行更有根据的商业决策的应用、设施、工具、过程。 描述哪些顾客可能停止使用公司的产品/业务，以及识别哪些顾客的流失会带来最大损失。流失分析的结果用于为可能要流失的顾客准备新的优惠。 在消费者实际使用的基础上，比较同一产品/服务的几个不同变种。它能预测产品/服务上市后的接受度，用于产品线管理、定价等活动。 评估一个实体（公司或个人）的信用值。银行（借款人）以此判断借款者是否会还款。 一个营销概念。根据特定消费者的特征和过往行为，向其销售补充商品（配套销售）或附加商品（增值销售）。 根据现有的顾客数据，将特征、行为相似的顾客归类分组。描述和比较各组。 特定机构所储存的，关于一个特定主题或部门的数据，如销售、财务、营销数据。 数据的中央存储库，采集、储存来自一个企业多个商业系统的数据。 有关确保数据可靠性和实用价值的过程和技术。高质量的数据应该忠实体现其背后的事务进程，并能满足在运营、决策、规划中的预期用途。 数据仓储中的一个过程。从一个来源获取数据，根据需求转换数据以便接下来使用，之后把数据放置在正确的目标数据库。 识别针对特定组织或公司的疑似欺诈式转账、订购、以及其他非法活动。在IT系统预先设计触发式警报，尝试或进行此类活动会出现警告。 另一个当今大数据领域的热门。Apache Hadoop是一个在已有商业硬件组成的计算机集群上，分布式存储、处理庞大数据集的开源软件架构。它使得大规模数据储存和更快速数据处理成为可能。 广泛分布的网络，由诸多种类（个人、家庭、工业）诸多用途（医疗、休闲、媒体、购物、制造、环境调节）的电子设备组成。这些设备通过互联网交换数据，彼此协调活动。 顾客在他/她的一生中为一个公司产生的预期折算利润。 一个学科，研究从数据中自动学习，以便计算机能根据它们收到的反馈调整自身运行。与人工智能、数据挖掘、统计方法关系密切。 识别在交易中经常同时出现的商品组合或服务组合，例如经常被一起购买的产品。此类分析的结果被用于推荐附加商品，为陈列商品的决策提供依据等。 能让用户轻松制作、浏览报告的工具，这些报告总结相关数据，并从多角度分析。 从现存的数据集中提取信息以便识别模式、预测未来收益和趋势。在商业领域，预测模型及分析被用于分析当前数据和历史事实，以更好了解消费者、产品、合作伙伴，并为公司识别机遇和风险。 帮助企业做出实时（近乎无延迟）的最优销售/营销决策。比如，实时决策系统（打分系统）可以通过多种商业规则或模型，在顾客与公司互动的瞬间，对顾客进行评分和排名。 指建立后能够长期维持的客户关系的百分比。 描绘并测量人与人、组与组、机构与机构、电脑与电脑、URL与URL、以及其他种类相连的信息/知识实体之间的关系与流动。这些人或组是网络中的节点，而它们之间的连线表示关系或流动。SNA为分析人际关系提供了一种方法，既是数学的又是视觉的。 估测一名顾客继续使用某业务的时间，或在后续时段流失的可能性。此类信息能让企业判断所要预测时段的顾客留存，并引入合适的忠诚度政策。 对包含自然语言的数据的分析。对源数据中词语和短语进行统计计算，以便用数学术语表达文本结构，之后用传统数据挖掘技术分析文本结构。 数据要么缺乏事先定义的数据模型，要么没按事先定义的规范进行组织。这个术语通常指那些不能放在传统的列式数据库中的信息，比如电子邮件信息、评论。