标签
内容简介
本书是一本介绍数据分析相关算法的学习指南，主要包括数据分析及数据挖掘相关概念介绍、数据思维及各种数据分析算法的原理及实现方法。本书的每个数据分析算法都介绍了数学原理、Python代码实现以及实战案例，内容丰富、容易理解。 本书共9章，第1章介绍了数据挖掘与数据分析、机器学习之间的关系；第2 章介绍了数据分析人员应该具备的数据思维，包括数据思维认知、数据挖掘“定律”；第3~9章介绍了各种数据分析算法的原理、实现方法及实战案例，其中包括逻辑回归、决策树、朴素贝叶斯、聚类分析、关联规划、人工神经网络、集成学习。 本书适合从事数据分析工作的读者自学，也可作为产品经理、运营人员、市场人员和对数据分析感兴趣的读者的参考用书。
编辑推荐
很多数据分析书要么只讲工具操作，要么只堆数学公式，这本书试图在两者之间搭桥。它对每个算法都先交代数学原理，再给出Python实现，最后落到实战案例，形成“懂原理—会实现—能应用”的闭环。第2章专门谈数据思维，提醒读者算法只是手段，先想清楚业务问题才是关键，这一点在同类书中不多见。逻辑回归、决策树、朴素贝叶斯、聚类、关联规则、神经网络、集成学习覆盖了入门到进阶的主干算法，结构清晰，适合按章推进。需要说明的是，本书定位是学习指南而非工具手册，代码示例服务于理解算法，不追求工程化与调优细节。适合作为课程配套或自学主线，边读边敲代码效果最好。
适合谁读
适合
- 想系统入门数据分析算法、具备基础Python语法的高校学生
- 需要理解算法原理以便与数据团队协作的产品经理
- 希望从Excel或SQL转向Python建模的运营与业务分析人员
- 准备面试、需要梳理常见算法原理与实现思路的求职者
不适合
- 完全没有编程基础、尚不清楚变量与循环概念的零基础读者
- 寻求大数据平台架构、分布式计算与工程部署方案的技术人员
- 只想快速套用现成模型、不愿理解数学原理的读者
阅读建议
- 先读第1、2章建立数据挖掘与数据思维的整体框架，再进入算法章节
- 每章按“原理—代码—案例”顺序推进，亲手运行并修改示例代码
- 准备一份自己的小数据集，学完一个算法就动手复现一遍完整流程
- 读完后用一张表对比各算法的假设、适用场景与优缺点，便于复习
出版社简介
电子工业出版社
中国 · 成立于 1982 年
电子工业出版社是一家以电子信息及相关领域为出版特色的综合性出版社。从库内三千余种图书来看，其出版方向覆盖编程设计、人工智能、计算机综合、财经、摄影与社科等门类，既关注技术前沿，也兼顾大众阅读。代表图书包括《因子投资：方法与实践》《x86汇编语言：从实模式到保护模式》《RISC-V开放架构设计之道》《人工智能：语音识别理解与实践》《相控阵雷达技术》《雷达目标特性》及《100个Go语言典型错误》等，多围绕技术方法与工程实践展开。作者资源方面，有石川、李忠、王晓波、大卫·帕特森、安德鲁·沃特曼、余子濠等中外作者。受公开资料所限，暂不展开更多出版特色。
目录
- 版权信息
- 内容简介
- 前言
- 第1章 数据分析概述
- 1.1 什么是数据挖掘
- 1.2 数据挖掘与数据分析的关系
- 1.3 数据挖掘与机器学习的关系
- 1.4 机器学习算法简介
- 第2章 数据思维
- 2.1 数据思维认知
- 2.2 数据思维认知的主观性与客观性
- 2.3 数据挖掘“定律”
- 第3章 逻辑回归
- 3.1 逻辑回归基础：从线性回归到逻辑回归
- 3.2 逻辑回归函数构建
- 3.3 逻辑回归问题求解
- 3.4 逻辑回归模型评估
- 3.5 Python代码实现
- 第4章 决策树
- 4.1 决策树基础
- 4.2 决策树算法
- 4.3 Python代码实现
- 第5章 朴素贝叶斯
- 5.1 概率论基础
- 5.2 从贝叶斯公式到朴素贝叶斯分类
- 5.3 Python代码实现
- 第6章 聚类分析
- 6.1 聚类分析基础
- 6.2 聚类算法
- 6.3 Python代码实现
- 第7章 关联规则
- 7.1 关联规则基础
- 7.2 关联规则算法
- 7.3 Python代码实现
- 第8章 人工神经网络
- 8.1 人工神经网络基础
- 8.2 BP（误差逆传播前馈）神经网络
- 8.3 Python代码实现
- 第9章 集成学习
- 9.1 集成学习基础
- 9.2 集成学习算法
- 参考资料
常见问题
没有机器学习基础，能直接读这本书吗？
可以，但需要具备Python基础语法。本书从数据挖掘、数据分析与机器学习的关系讲起，再进入具体算法，入门门槛设置得比较平缓。建议先读第1、2章，遇到数学推导不必一次吃透，先理解算法在解决什么问题，再回头补公式。
书中的案例需要什么样的运行环境？
书中算法用Python实现，读者需要安装Python及常用的数据分析库，如NumPy、pandas、scikit-learn等。建议边读边在本地或 notebook 环境中运行代码，并尝试改动参数观察结果变化，这比只读代码更能理解算法行为。
这本书更偏理论还是偏实战？
两者兼顾，但重心在帮助读者理解算法。每个算法都包含数学原理、Python代码实现和实战案例三部分。它适合作为学习主线建立算法认知，若要做工程化落地、性能调优和部署，还需补充专门的工程类资料。
产品经理读这本书能获得什么？
能建立起对常见算法的基本判断力：什么问题适合分类、什么问题适合聚类、模型结果大概如何解读。第2章的数据思维内容尤其适合非技术岗位，有助于更准确地提出需求、评估方案，减少与数据团队沟通时的理解偏差。
读者评论
查询本书
本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。
作者简介
张晓东
作者
张晓东，公开资料有限，其身份与履历尚未见明确记载，但从库内九种作品可以大致勾勒出他跨领域写作的面貌。他的兴趣横跨传统与现代：一方面考察中国古代琵琶、阮咸的文献，梳理乐器史料；另一方面编写电子元器件入门与创客小制作读物，把节能环保、趣味创意转化为可上手的实践项目。此外，他还涉足专利检索与信息分析、Python数据分析与挖掘算法，以及手工艺术教程与中药零起点读物。这种从古典考据到工业技术、计算机与科普的跨度，显示出面向初学者、注重实用与可操作性的写作取向，作品多服务于教学与自学场景。
