本书介绍数据挖掘、统计学习和模式识别中与大数据分析相关的理论、方法及工具。理论学习的目标是使学生掌握复杂数据的分析与建模;方法学习的目标是使学生能够按照实证研究的规范和数据挖掘的步骤进行大数据研发,工具学习的目标是使学生熟练掌握一种数据分析的语言。本书内容由10章构成:大数据分析概述,数据挖掘流程,有指导的学习,无指导的学习,贝叶斯分类和因果学习,高维回归及变量选择,图模型,客户关系管理、社会网络分析、自然语言模型和文本挖掘。 本书可用做统计学、管理学、计算机科学等专业进行数据挖掘、机器学习、人工智能等相关课程的本科高年级、研究生教材或教学参考书。

第1章 大数据分析概述
1.1 大数据概述
1.1.1 什么是大数据
1.1.2 数据、信息与认知
1.1.3 数据管理与数据库
1.1.4 数据仓库
1.1.5 数据挖掘的内涵和基本特征
1.2 数据挖掘的产生与功能
1.2.1 数据挖掘的历史
1.2.2 数据挖掘的功能
1.3 数据挖掘与相关领域之间的关系
1.3.1 数据挖掘与机器学习
1.3.2 数据挖掘与数据仓库
1.3.3 数据挖掘与统计学
1.3.4 数据挖掘与智能决策 第1章 大数据分析概述 1.1 大数据概述 1.1.1 什么是大数据 1.1.2 数据、信息与认知 1.1.3 数据管理与数据库 1.1.4 数据仓库 1.1.5 数据挖掘的内涵和基本特征 1.2 数据挖掘的产生与功能 1.2.1 数据挖掘的历史 1.2.2 数据挖掘的功能 1.3 数据挖掘与相关领域之间的关系 1.3.1 数据挖掘与机器学习 1.3.2 数据挖掘与数据仓库 1.3.3 数据挖掘与统计学 1.3.4 数据挖掘与智能决策 1.3.5 数据挖掘与云计算 1.4 大数据研究方法 1.5 讨论题目 1.6 **阅读 第2章 数据挖掘流程 2.1 数据挖掘流程概述 2.1.1 问题识别 2.1.2 数据理解 2.1.3 数据准备 2.1.4 建立模型 2.1.5 模型评价 2.1.6 部署应用 2.2 离群点发现 2.2.1 基于统计的离群点检测 2.2.2 基于距离的离群点检测 2.2.3 局部离群点算法 2.3 不平衡数据级联算法 2.4 讨论题目 2.5 **阅读 第3章 有指导的学习 3.1 有指导的学习概述 3.2 k-近邻 …… 第4章 无指导的学习 第5章 贝叶斯分类和因果学习 第6章 高维回归及变量选择 第7章 图模型 第8章 客户关系管理 第9章 社会网络分析 第10章 自然语言模型和文本挖掘

王星编著的《大数据分析--方法与应用》不仅全面介绍了各种数据(噪声数据、不平衡数据、高维数据、文本数据、网络数据等)的建模方法、数据分析过程和评价方法,并将这些技术结合市场研究、知识发现、疾病诊断和舆情分析等应用领域进行了案例讨论。本书的独特之处在于以大数据分析为主线将统计学、计算机、机器学习、社会网络分析、市场营销等多学科的专业知识汇于一册,揭示了大数据研究所蕴含的跨界合作、协同创新的特质。本书为方兴未艾的大数据研究提供了及时的理论和方法支持,是一本适应科技创新发展形势,满足高层次、应用型、复合型人才培养需求的创新型教材。

王星编著的《大数据分析--方法与应用》不仅全面介绍了各种数据(噪声数据、不平衡数据、高维数据、文本数据、网络数据等)的建模方法、数据分析过程和评价方法,并将这些技术结合市场研究、知识发现、疾病诊断和舆情分析等应用领域进行了案例讨论。本书的独特之处在于以大数据分析为主线将统计学、计算机、机器学习、社会网络分析、市场营销等多学科的专业知识汇于一册,揭示了大数据研究所蕴含的跨界合作、协同创新的特质。本书为方兴未艾的大数据研究提供了及时的理论和方法支持,是一本适应科技创新发展形势,满足高层次、应用型、复合型人才培养需求的创新型教材。