基础篇

第1章 数据挖掘基础

1.1 某知名连锁餐饮企业的困惑

1.2 从餐饮服务到数据挖掘

1.3 数据挖掘的基本任务

1.4 数据挖掘建模过程

1.4.1 定义挖掘目标

1.4.2 数据取样

1.4.3 数据探索

1.4.4 数据预处理

1.4.5 挖掘建模

1.4.6 模型评价

1.5 常用数据挖掘建模工具

1.6 小结

第2章 R语言简介

2.1 R安装

2.2 R使用入门

2.2.1 R操作界面

2.2.2 RStudio窗口介绍

2.2.3 R常用操作

2.3 R数据分析包

2.4 配套附件使用设置

2.5 小结

第3章 数据探索

3.1 数据质量分析

3.1.1 缺失值分析

3.1.2 异常值分析

3.1.3 一致性分析

3.2 数据特征分析

3.2.1 分布分析

3.2.2 对比分析

3.2.3 统计量分析

3.2.4 周期性分析

3.2.5 贡献度分析

3.2.6 相关性分析

3.3 R语言主要数据探索函数

3.3.1 统计特征函数

3.3.2 统计作图函数

3.4 小结

第4章 数据预处理

4.1 数据清洗

4.1.1 缺失值处理

4.1.2 异常值处理

4.2 数据集成

4.2.1 实体识别

4.2.2 冗余属性识别

4.3 数据变换

4.3.1 简单函数变换

4.3.2 规范化

4.3.3 连续属性离散化

4.3.4 属性构造

4.3.5 小波变换

4.4 数据规约

4.4.1 属性规约

4.4.2 数值规约

4.5 R语言主要数据预处理函数

4.6 小结

第5章 挖掘建模

5.1 分类与预测

5.1.1 实现过程

5.1.2 常用的分类与预测算法

5.1.3 回归分析

5.1.4 决策树

5.1.5 人工神经网络

5.1.6 分类与预测算法评价

5.1.7 R语言主要分类与预测算法函数

5.2 聚类分析

5.2.1 常用聚类分析算法

5.2.2 K-Means聚类算法

5.2.3 聚类分析算法评价

5.2.4 R语言主要聚类分析算法函数

5.3 关联规则

5.3.1 常用关联规则算法

5.3.2 Apriori算法

5.4 时序模式

5.4.1 时间序列算法

5.4.2 时间序列的预处理

5.4.3 平稳时间序列分析

5.4.4 非平稳时间序列分析

5.4.5 R语言主要时序模式算法函数

5.5 离群点检测

5.5.1 离群点检测方法

5.5.2 基于模型的离群点检测方法

5.5.3 基于聚类的离群点检测方法

5.6 小结

实战篇

第6章 电力窃漏电用户自动识别

6.1 背景与挖掘目标

6.2 分析方法与过程

6.2.1 数据抽取

6.2.2 数据探索分析

6.2.3 数据预处理

6.2.4 构建专家样本

6.2.5 模型构建

6.3 上机实验

6.4 拓展思考

6.5 小结

第7章 航空公司客户价值分析

7.1 背景与挖掘目标

7.2 分析方法与过程

7.2.1 数据抽取

7.2.2 数据探索分析

7.2.3 数据预处理

7.2.4 模型构建

7.3 上机实验

7.4 拓展思考

7.5 小结

第8章 中医证型关联规则挖掘

8.1 背景与挖掘目标

8.2 分析方法与过程

8.2.1 数据获取

8.2.2 数据预处理

8.2.3 模型构建

8.3 上机实验

8.4 拓展思考

8.5 小结

第9章 基于水色图像的水质评价

9.1 背景与挖掘目标

9.2 分析方法与过程

9.2.1 数据预处理

9.2.2 模型构建

9.2.3 水质评价

9.3 上机实验

9.4 拓展思考

9.5 小结

第10章 家用电器用户行为分析与事件识别

10.1 背景与挖掘目标

10.2 分析方法与过程

10.2.1 数据抽取

10.2.2 数据探索分析

10.2.3 数据预处理

10.2.4 模型构建

10.2.5 模型检验

10.3 上机实验

10.4 拓展思考

10.5 小结

第11章 应用系统负载分析与磁盘容量预测

11.1 背景与挖掘目标

11.2 分析方法与过程

11.2.1 数据抽取

11.2.2 数据探索分析

11.2.3 数据预处理

11.2.4 模型构建

11.3 上机实验

11.4 拓展思考

11.5 小结

第12章 电子商务智能推荐服务

12.1 背景与挖掘目标

12.2 分析方法与过程

12.2.1 数据抽取

12.2.2 数据探索分析

12.2.3 数据预处理

12.2.4 模型构建

12.3 上机实验

12.4 拓展思考

12.5 小结

第13章 基于数据挖掘技术的市财政收入分析预测模型

13.1 背景与挖掘目标

13.2 分析方法与过程

13.2.1 灰色预测与神经网络的组合模型

13.2.2 数据探索分析

13.2.3 模型构建

13.3 上机实验

13.4 拓展思考

13.5 小结

第14章 基于基站定位数据的商圈分析

14.1 背景与挖掘目标

14.2 分析方法与过程

14.2.1 数据抽取

14.2.2 数据探索分析

14.2.3 数据预处理

14.2.4 模型构建

14.3 上机实验

14.4 拓展思考

14.5 小结

第15章 电商产品评论数据情感分析

15.1 背景与挖掘目标

15.2 分析方法与过程

15.2.1 评论数据采集

15.2.2 评论预处理

15.2.3 文本评论分词

15.2.4 模型构建

15.3 上机实验

15.4 拓展思考

15.5 小结

提高篇

第16章 基于R语言的数据挖掘二次开发

16.1 混合编程应用体验——TipDM数据挖掘平台

16.2 二次开发过程环境配置

16.3 R语言数据挖掘二次开发实例

16.4 小结

参考资料