New Internet 大数据挖掘2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

New Internet 大数据挖掘PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论——从淘金客到矿山主1

1.1 大数据时代的“四V”2

1.2 什么是大数据挖掘5

1.2.1 从数据分析到数据挖掘6

1.2.2 Web挖掘9

1.2.3 大数据挖掘之“大”10

1.3 大数据挖掘的国内外发展12

1.3.1 数据挖掘的应用发展12

1.3.2 数据挖掘研究发展17

1.4 本书内容19

第2章 一小时了解数据挖掘23

2.1 数据挖掘是如何解决问题的23

2.1.1 尿不湿和啤酒23

2.1.2 Target和怀孕预测指数24

2.1.3 电子商务网站流量分析25

2.2 分类：从人脸识别系统说起27

2.2.1 分类算法的应用29

2.2.2 数据挖掘分类技术33

2.2.3 分类算法的评估37

2.3 一切为了商业40

2.3.1 什么是商业智能（Business Intelligence）40

2.3.2 数据挖掘的九大定律43

2.4 数据挖掘很纠结44

2.5 数据挖掘的基本流程45

2.5.1 数据挖掘的一般步骤45

2.5.2 几个数据挖掘中常用的概念47

2.5.3 CRISP-DM51

2.5.4 数据挖掘的评估53

2.5.5 数据挖掘结果的知识表示55

2.6 本章相关资源59

第3章 数据仓库——数据挖掘的基石60

3.1 存放数据的仓库60

3.1.1 数据仓库的定义61

3.1.2 数据仓库和数据库63

3.2 传统的数据仓库介绍64

3.3 数据仓库基本结构67

3.4 OLAP联机分析处理69

3.5 云存储上的数据仓库71

3.5.1 Google公司的云架构71

3.5.2 开源的分布式系统Hadoop77

3.5.3 Facebook的数据仓库85

3.5.4 NoSQL86

3.6 本章相关资源89

第4章 数据挖掘算法及原理91

4.1 数据挖掘中的算法91

4.2 数据挖掘十大经典算法92

4.3 分类算法（Classification）96

4.4 聚类算法（Clustering）99

4.5 关联算法102

4.5.1 关联算法中的概念103

4.5.2 关联规则数据挖掘过程105

4.5.3 关联规则的分类106

4.5.4 Apriori算法的执行实例107

4.5.5 关联规则挖掘算法的研究与优化108

4.6 序列挖掘（Sequence Mining）113

4.7 数据挖掘建模语言PMML115

4.8 本章相关资源117

第5章 在进行数据挖掘之前120

5.1 数据集成121

5.2 为何要做数据预处理122

5.3 数据预处理124

5.3.1 数据清理124

5.3.2 数据转换129

5.3.3 数据规约132

5.4 本章相关资源134

第6章 R语言和其他数据挖掘工具136

6.1 R语言的历史136

6.1.1 R语言的特点142

6.1.2 R语言和数据挖掘149

6.2 其他数据挖掘工具152

6.2.1 MATLAB153

6.2.2 其他商用数据挖掘工具155

6.2.3 开源数据挖掘工具Weka159

6.3 数据挖掘和云160

6.4 本章相关资源162

第7章 互联网上的日志分析164

7.1 网站日志简介165

7.2 网站日志处理175

7.2.1 Web日志预处理175

7.2.2 Web日志分析和数据挖掘181

7.3 邮件日志183

7.4 本章相关资源184

第8章 数据挖掘和电子邮件186

8.1 邮件营销与垃圾邮件过滤186

8.2 数据挖掘和邮件营销189

8.2.1 如何有效地进行邮件营销189

8.2.2 邮件营销案例分享之一195

8.2.3 邮件营销案例分享之二200

8.2.4 运用数据挖掘RFM模型提高邮件营销效果203

8.3 数据挖掘和垃圾邮件过滤208

8.3.1 垃圾邮件209

8.3.2 垃圾邮件过滤技术209

8.3.3 垃圾邮件过滤案例215

8.4 本章相关资源218

第9章 数据挖掘和互联网广告219

9.1 互联网广告219

9.2 广告作弊行为223

9.3 网站联盟广告225

9.4 网站联盟广告上的数据挖掘226

9.4.1 数据助力网盟广告227

9.4.2 如何应对网盟广告作弊236

9.5 本章相关资源241

第10章 数据挖掘和电子商务242

10.1 中国电子商务现状242

10.2 在互联网上卖米248

10.3 用数据来掌握客户250

10.3.1 客户何时来，从哪来253

10.3.2 客户最喜欢哪种商品257

10.3.3 竞争与反竞争分析260

10.3.4 客户还会买什么261

10.3.5 哪些客户是我们需要的264

10.4 电子商务案例265

10.4.1 电子商务企业案例一266

10.4.2 电子商务企业案例二279

10.5 本章相关资源286

第11章 数据挖掘和Web挖掘288

11.1 互联网上的个性化-Like289

11.1.1 Like＝像289

11.1.2 Like＝喜欢290

11.2 Web挖掘和SNS295

11.2.1 SNS上的数据价值295

11.2.2 SNS上的数据关联关系297

11.2.3 SNS上的用户关系299

11.3 数据挖掘和隐私302

11.4 本章相关资源307

第12章 数据挖掘和移动互联网308

12.1 移动互联网的特殊性308

12.1.1 锁定用户的数据价值309

12.1.2 移动互联网上数据的形式310

12.1.3 移动互联网地理位置信息的价值312

12.2 数据挖掘和LBS314

12.2.1 用PU学习算法做文本挖掘315

12.2.2 用相似匹配算法做地点挖掘318

12.3 移动互联网数据面临的问题320

12.4 本章相关资源322

附录A 技术词汇表323

附录B 英语参考文献表335

附录C 中文参考文献表347

附录D 微博350

附录E 博客和其他网址351