数据挖掘
排序：
SQL机器学习库MADlib技术解析
清华大学出版社 · 2019
《SQL机器学习库MADlib技术解析》是王雪迎编著、清华大学出版社2019年2月出版的技术专著，全书11章、342页。MADlib是一套运行在SQL数据库内部的大数据机器学习库，可部署在PostgreSQL、Greenplum等数据库上，让分析人员不离开数据库就能完成数据预处理、建模、评估等工作，…
并行数据挖掘及性能优化：关联规则与数据相关性分析
电子工业出版社 · 2019
大数据让各行各业迅速积累起海量数据，但“信息丰富而知识贫乏”的局面依然存在，要跨越数据与知识之间的鸿沟，离不开强有力的分析工具与方法。关联规则挖掘是数据挖掘中的主要研究内容之一：当数据的关联函数或模型未知、也无法事先确定时，它仍能发现大量数据项集之间有趣的关联信息。然而传统关联规则挖掘算法时空复杂度…
从零开始学Python数据分析与挖掘
清华大学出版社 · 2018
本书是面向零基础读者的Python数据分析与挖掘实战教程，以Python 3为工具主线（第2版基于Python 3.7），从安装配置环境、Python基础语法讲起，逐步引入数据分析与挖掘的完整流程。全书围绕Numpy、Pandas、Matplotlib、Sklearn等成熟模块展开：先用Numpy完…
Python数据分析与数据化运营（第2版）
机械工业出版社 · 2019
本书是《Python数据分析与数据化运营》的第2版，由大数据技术专家宋天龙撰写，机械工业出版社2019年出版，属于“数据分析与决策技术丛书”。与只讲工具和算法的数据分析书不同，本书把Python技术与企业真实的数据使用场景结合起来，强调“分析要为运营决策服务”。全书共9章，逻辑上分为两大部分。第一部…
R语言与网站分析
机械工业出版社 · 2014
《R语言与网站分析》是李明撰写、机械工业出版社2014年出版的技术专著，属于“数据分析技术丛书”，英文并列题名为 Web analysis and mining with R，全书约446页。本书从互联网业务的应用角度出发，讨论如何用R语言完成网站指标分析与数据挖掘工作：先用细分、对比、趋势等统计思…
Python金融大数据挖掘与分析全流程详解
机械工业出版社 · 2019
金融从业者每天都要与海量的数据打交道，如何从这些数据中挖掘出需要的信息并进行相应分析，是很多金融从业者非常关心的问题。本书以功能强大且较易上手的 Python 语言为编程环境，系统讲解金融数据的获取、处理、分析与结果呈现，全书共 16 章，遵循从易到难、循序渐进的思路，并配有商业实战案例来加深理解。…
实战大数据：MATLAB数据挖掘详解与实践
清华大学出版社 · 2017
本书是面向实际应用场景的 MATLAB 数据挖掘实战教程。全书从大数据时代的数据筛选、清洗与挖掘需求出发，既讲清数据挖掘的基础理论，又把决策树、人工神经网络、进化算法等主流算法的原理与 MATLAB 实现过程对应起来，帮助读者知道「为什么这么算」以及「代码怎么写」。 全书由四篇组成：第 1 篇「关于…
Python数据科学：技术详解与商业实践
机械工业出版社 · 2018
本书是由三位具有多年金融、电信行业数据挖掘与建模经验的数据科学从业者撰写的一本实战导向型数据科学学习手册，全书共19章，围绕「技术、业务、商业实战」三个维度搭建数据科学家的能力模型。技术部分从数据科学的基本概念入手，简述数理统计、数据挖掘与机器学习体系，继而介绍Python与Anaconda环境搭建…
R语言数据分析与挖掘实战
机械工业出版社 · 2015
本书是机械工业出版社“大数据技术丛书”中的一本，由张良均、云伟标、王路、刘晓勇合著，2015年10月出版第1版。全书共16章，分为基础篇、实战篇、提高篇三部分。基础篇（第1—5章）从数据挖掘的基本任务与建模流程讲起，简要介绍R语言的安装、RStudio窗口与常用操作、数据分析包，再到数据探索中的质量…
Spark MLlib机器学习实践（第2版）
清华大学出版社 · 2017
本书是《Spark MLlib机器学习实践》的第2版，全书共13章，围绕 Apache Spark 的机器学习库 MLlib 展开，面向希望以较低门槛进入大数据机器学习的读者。开篇从 Spark 的来龙去脉与技术定位讲起，随后给出安装部署与开发环境配置的具体步骤，再逐层深入 RDD 的原理与操作、M…
增强型分析：AI驱动的数据分析、业务决策与案例实践
机械工业出版社 · 2019
《增强型分析：AI驱动的数据分析、业务决策与案例实践》由彭鸿涛、张宗耀、聂磊三位资深数据科学从业者合作撰写，2019年由机械工业出版社出版，隶属“数据分析与决策技术丛书”。三位作者分别有德勤、前华为与前IBM的从业背景，在大数据与人工智能领域有十年以上的实践经验，长期从事“构建数据挖掘模型、解决实际…
O'Reilly精品图书系列共21册
机械工业出版社
这是一套以机械工业出版社“O'Reilly精品图书系列”为底本汇编的电子书合集，共收入 21 种计算机技术读物，格式为 azw3，主要面向开发者与技术学习者。从常见流传的套装书目看，收录范围横跨多个技术方向：数据与分析类如《利用Python进行数据分析》《社交网站的数据挖掘与分析（原书第2版）》《社…
复杂数据分析方法及其应用研究
北京理工大学出版社 · 2013
本书从数据挖掘与商务智能的视角出发，系统讨论面对类不均衡、类重叠、集成学习等“复杂数据”情形时，如何借助相应的理论与算法提升复杂事件的识别与预测效果，并配有网络入侵检测、C2C电子商务共谋欺诈识别等实际应用案例。全书共六章：第一章绪论交代类不均衡、类重叠与集成学习三类问题的背景，说明研究意义、方法与…
推荐系统实践
人民邮电出版社 · 2012
在信息过载的时代，用户面对海量内容难以找到自己真正感兴趣的东西，而内容生产者又难以让自己的信息触达需要它的人。推荐系统正是连接用户与信息、化解这一矛盾的核心工具。本书是中文推荐系统领域早期且影响深远的原创技术专著，作者项亮结合自己参与 Netflix Prize 竞赛的实践经验，把推荐系统从原理到落…
大数据挖掘与统计机器学习
中国人民大学出版社 · 2016
本书是面向应用统计专业硕士与数据分析从业者的教材，系统梳理数据挖掘与统计机器学习中最常用的模型与算法。全书从最基础的线性回归、线性分类讲起，先建立建模的基本框架，再讨论模型评价与选择中的基本概念、理论方法和数据重利用方法，随后进入非线性方法，包括决策树与Bagging、Boosting、随机森林等组…
轻松学大数据挖掘：算法、场景与数据产品
电子工业出版社 · 2018
本书是面向大数据挖掘初学者的一本入门读物，作者汪榕结合自身在互联网金融行业做数据挖掘与数据产品的实践经历，以讲故事、谈体会的方式，把“数据挖掘该怎么学、怎么落地”这条路径讲给读者听。全书共9章，大致可分三个部分：第1~2章为“数据情怀与数据入门”，从从业心态和职业方向谈起，随后带读者上手 SQL 基…
ECharts数据可视化：入门、实战与进阶
机械工业出版社 · 2020
《ECharts数据可视化：入门、实战与进阶》是王大伟编著的一本 ECharts 实战手册，基于作者在数据挖掘与数据可视化领域的实践经验，并结合其在企业培训和公开课中的教学成果写成，由 Apache ECharts 项目官方核心 Committer & PPMC 成员羡辙作序推荐。 全书共12章，按…
机器学习技术与实战：医学大数据深度应用
机械工业出版社 · 2018
本书由加拿大籍数据挖掘与机器学习专家洪松林（Hong Song Lin）编著，属于机械工业出版社“智能系统与技术丛书”。作者拥有二十余年数据仓库、数据挖掘、机器学习与人工智能方向的研发和应用经验，曾在北美多家智能科技公司担任高级架构师。全书以“算法原理＋工程实践＋医学场景”为主线，介绍机器学习应用系…
机器学习系统设计
人民邮电出版社 · 2014
《机器学习系统设计》（原书名 Building Machine Learning Systems with Python）由 Willi Richert 与 Luis Pedro Coelho 合著，刘峰翻译，人民邮电出版社“图灵程序设计丛书”于2014年出版。全书并不从算法数学推导入手，而是以一个…
集体智慧编程
电子工业出版社 · 2015
本书原名为 Programming Collective Intelligence，是较早以 Python 代码实践性地讲解机器学习与数据挖掘的经典入门读物。作者 Toby Segaran 以 Web 2.0 时代大量产生的用户行为数据为素材，不去纠缠复杂的数学推导，而是围绕一个又一个具体问题，用可…