MATLAB數據分析與挖掘實戰(zhàn)(具有

Contents?目 錄
前 言
基礎篇
第1章 數據挖掘基礎 2
1.1 某知名連鎖餐飲企業(yè)的困惑 2
1.2 從餐飲服務到數據挖掘 3
1.3 數據挖掘的基本任務 4
1.4 數據挖掘的建模過程 4
1.4.1 定義挖掘目標 5
1.4.2 數據取樣 5
1.4.3 數據探索 7
1.4.4 數據預處理 7
1.4.5 挖掘建模 7
1.4.6 模型評價 7
1.5 常用的數據挖掘建模工具 8
1.6 小結 9
第2章 MATLAB數據分析工具箱簡介 10
2.1 MATLAB的安裝 10
2.2 MATLAB使用入門 11
2.2.1 MATLAB R2014a操作界面 11
2.2.2 MATLAB常用操作 13
2.3 MATLAB數據分析工具箱 17
2.4 配套附件使用設置 18
2.5 小結 19
第3章 數據探索 20
3.1 數據質量分析 20
3.1.1 缺失值分析 21
3.1.2 異常值分析 21
3.1.3 一致性分析 24
3.2 數據特征分析 24
3.2.1 分布分析 24
3.2.2 對比分析 27
3.2.3 統(tǒng)計量分析 29
3.2.4 周期性分析 31
3.2.5 貢獻度分析 31
3.2.6 相關性分析 34
3.3 MATLAB主要數據的探索函數 38
3.3.1 統(tǒng)計特征函數 38
3.3.2 統(tǒng)計作圖函數 40
3.4 小結 45
第4章 數據預處理 46
4.1 數據清洗 47
4.1.1 缺失值處理 47
4.1.2 異常值處理 50
4.2 數據集成 50
4.2.1 實體識別 51
4.2.2 冗余屬性識別 51
4.3 數據變換 51
4.3.1 簡單的函數變換 51
4.3.2 規(guī)范化 52
4.3.3 連續(xù)屬性離散化 54
4.3.4 屬性構造 57
4.3.5 小波變換 57
4.4 數據規(guī)約 60
4.4.1 屬性規(guī)約 60
4.4.2 數值規(guī)約 64
4.5 MATLAB主要的數據預處理函數 67
4.6 小結 71
第5章 挖掘建模 72
5.1 分類與預測 72
5.1.1 實現過程 72
5.1.2 常用的分類與預測算法 74
5.1.3 回歸分析 74
5.1.4 決策樹 80
5.1.5 人工神經網絡 85
5.1.6 分類與預測算法評價 90
5.1.7 MATLAB主要分類與預測算法函數 94
5.2 聚類分析 97
5.2.1 常用的聚類分析算法 97
5.2.2 KMeans聚類算法 98
5.2.3 聚類分析算法評價 103
5.2.4 MATLAB主要聚類分析算法函數 103
5.3 關聯(lián)規(guī)則 107
5.3.1 常用的關聯(lián)規(guī)則算法 107
5.3.2 Apriori算法 108
5.4 時序模式 113
5.4.1 時間序列算法 113
5.4.2 時間序列的預處理 114
5.4.3 平穩(wěn)時間序列分析 115
5.4.4 非平穩(wěn)時間序列分析 118
5.4.5 MATLAB主要時序模式算法函數 129
5.5 離群點檢測 131
5.5.1 離群點的檢測方法 132
5.5.2 基于統(tǒng)計模型的離群點的檢測方法 133
5.5.3 基于聚類的離群點的檢測方法 135
5.6 小結 138
實戰(zhàn)篇
第6章 電力企業(yè)的竊漏電用戶自動識別 140
6.1 背景與挖掘目標 140
6.2 分析方法與過程 143
6.2.1 數據抽取 144
6.2.2 數據探索分析 144
6.2.3 數據預處理 147
6.2.4 構建專家樣本 151
6.2.5 構建模型 152
6.3 上機實驗 158
6.4 拓展思考 159
6.5 小結 159
第7章 航空公司的客戶價值分析 160
7.1 背景與挖掘目標 160
7.2 分析方法與過程 161
7.2.1 數據抽取 164
7.2.2 數據探索分析 164
7.2.3 數據預處理 166
7.2.4 模型構建 170
7.3 上機實驗 175
7.4 拓展思考 176
7.5 小結 176
第8章 中醫(yī)證型關聯(lián)規(guī)則挖掘 177
8.1 背景與挖掘目標 177
8.2 分析方法與過程 178
8.2.1 數據獲取 180
8.2.2 數據預處理 182
8.2.3 模型構建 186
8.3 上機實驗 189
8.4 拓展思考 190
8.5 小結 190
第9章 基于水色圖像的水質評價 191
9.1 背景與挖掘目標 191
9.2 分析方法與過程 192
9.2.1 數據預處理 193
9.2.2 構建模型 196
9.2.3 水質評價 199
9.3 上機實驗 200
9.4 拓展思考 202
9.5 小結 202
第10章 基于關聯(lián)規(guī)則的網站智能推薦服務 203
10.1 背景與挖掘目標 203
10.2 分析方法與過程 205
10.2.1 數據抽取 208
10.2.2 數據預處理 208
10.2.3 構建模型 214
10.3 上機實驗 220
10.4 拓展思考 221
10.5 小結 221
第11章 應用系統(tǒng)負載分析與磁盤容量預測 222
11.1 背景與挖掘目標 222
11.2 分析方法與過程 224
11.2.1 數據抽取 225
11.2.2 數據探索分析 225
11.2.3 數據預處理 225
11.2.4 構建模型 228
11.3 上機實驗 235
11.4 拓展思考 236
11.5 小結 237
第12章 面向網絡輿情的關聯(lián)度分析 238
12.1 背景與挖掘目標 238
12.2 分析方法與過程 240
12.2.1 數據抽取 240
12.2.2 數據預處理 241
12.2.3 構建模型 241
12.3 上機實驗 254
12.4 拓展思考 255
12.5 小結 256
第13章 家用電器用戶行為分析及事件識別 257
13.1 背景與挖掘目標 257
13.2 分析方法與過程 258
13.2.1 數據抽取 259
13.2.2 數據探索分析 260
13.2.3 數據預處理 260
13.2.4 模型構建 271
13.2.5 模型檢驗 273
13.3 上機實驗 275
13.4 拓展思考 276
13.5 小結 278
第14章 基于基站定位數據的商圈分析 279
14.1 背景與挖掘目標 279
14.2 分析方法與過程 281
14.2.1 數據抽取 282
14.2.2 數據探索分析 282
14.2.3 數據預處理 283
14.2.4 構建模型 287
14.3 上機實驗 290
14.4 拓展思考 291
14.5 小結 291
第15章 氣象與輸電線路的缺陷關聯(lián)分析 292
15.1 背景與挖掘目標 292
15.2 分析方法與過程 296
15.2.1 數據抽取 297
15.2.2 數據探索分析 297
15.2.3 數據預處理 304
15.2.4 模型構建 307
15.3 上機實驗 312
15.4 拓展思考 313
15.5 小結 315
提高篇
第16章 基于MATLAB的數據挖掘二次開發(fā) 318
16.1 混合編程應用體驗——TipDM數據挖掘平臺 318
16.1.1 建設目標 318
16.1.2 模型構建 319
16.1.3 模型發(fā)布 321
16.1.4 模型調用 323
16.1.5 模型更新 323
16.2 二次開發(fā)過程 323
16.2.1 接口算法編程 324
16.2.2 用Library Compiler創(chuàng)建Java組件 324
16.2.3 安裝MATLAB運行時環(huán)境 326
16.2.4 JDK環(huán)境及設置 327
16.2.5 接口函數的調用 327
16.3 小結 329
參考文獻 330