第1篇基础篇

第1章大数据时代下的数据挖掘

1.1大数据的基础

1.2大数据的特点

1.3大数据的作用

1.4大数据与数据挖掘

1.5令人期待的大数据时

1.6本章小结

第2章 基于Hadoop的大数据处理架构

2.1 Google核心云计算技术

2.2 Hadoop云计算技术及发展

2.3 基于云计算的大数据处理架构

2.4 基于云计算的大数据处理技术的应用

2.5 Hadoop运行实践

第2篇理论篇

第3章数据挖掘的主要方法及工具27

3.1数据挖掘主要方法27

3.1.1决策树分类27

3.1.2神经网络33

3.1.3Logistic回归方法37

3.1.4聚类分析38

3.1.5数据挖掘方法比较39

3.1.6分类器的评估与选择40

3.2流行数据分析平台及数据挖掘工具介绍46

3.3本章小结52

第4章Logistic回归模型53

4.1多元线性回归模型53

4.2Logistic回归模型55

4.3Logistic回归模型的参数估计56

4.4Logistic回归模型中回归系数的意义58

4.5Logistic回归模型的拟合优度63

4.6Logistic回归系数的显著性检验72

4.7Logistic回归模型的预测准确性75

4.8回归变量的选择与逐步回归77

4.9本章小结83

第5章数据挖掘建模过程86

5.1 数据挖掘流程概述

5.1.1 问题识别

5.1.2 数据理解

5.1.3 数据准备

5.1.4 建立模型

5.1.5 模型评价

5.1.6 部署应用

5.2 离群点发现

5.2.1 基于统计的离群点检测

5.2.2 基于距离的离群点检测

5.2.3 局部离群点算法

5.3 不平衡数据级联算法

第3篇应用篇

第6章电信行业应用——客户流失预测

6.1背景介绍

6.2案例数据展示及分析

6.2.1商业理解

6.2.2数据理解

6.2.3数据准备

6.3建立打分模型

6.4分析建模结果

6.5数据挖掘结果的运用

6.6本章小结

第7章商品零售行业应用——购物篮分析

7.1某连锁零售公司的背景介绍

7.2购物篮分析的基本内容

7.2.1同次购买的基本概念

7.2.2同次购买的关联规则质量的衡量

7.2.3购买分析的实现

7.2.4下次购买的基本概念

7.2.5下次购买行为预测

7.3购物篮分析——MBA工具的使用

7.3.1MBA工具的用途

7.3.2MBA工具的使用

7.3.3MBA工具的输出

第8章实战项目——交叉销售

8.1背景介绍

8.2案例数据展示及分析

8.2.1数据展示

8.2.2业务目标及分析要求

8.3数据挖掘过程

8.3.1数据预处理

8.3.2划分数据集及生成目标变量

8.3.3生成衍生变量

8.3.4生成挖掘表

8.4建立打分模型

8.5结果分析

8.6本章小结