數據挖掘與應用/北京大學光華管理學院教材 [Data mining and its application] pdf epub mobi txt 电子书 下载 2025

☆☆☆☆☆

張俊妮 著

圖書標籤:

• 數據挖掘
• 機器學習
• 商業分析
• 統計學
• 數據分析
• 人工智能
• 光華管理學院
• 北京大學
• 教材
• 應用

出版社： 北京大学出版社

ISBN：9787301152393

版次：1

商品编码：10153986

包装：平装

丛书名： 北京大学光华管理学院教材

外文名称：Data mining and its application

开本：16开

出版时间：2009-06-01

用纸：胶版纸

页数：185

字数：220000

正文语种：

內容簡介

　　《數據挖掘與應用》全麵地介紹瞭數據挖掘的相關主題.包括數據理解與數據準備、關聯規則挖掘、多元統計中的降維方法、聚類分析、神經網絡、決策樹方法、模型評估等內容。全書體係完整，文字精煉，注重對數據挖掘方法的直覺理解及其應用：同時，保持瞭一定的嚴謹性，為學生理解和運用這些方法提供瞭堅實的基礎。
　　《數據挖掘與應用》實例豐富，並附有相應SAS程序，以便於學生盡快理解相關內容並用以解決實際問題。
　　《數據挖掘與應用》配有教輔，可以免費提供給任課教師使用。如需要，歡迎填寫書後的“教師反饋及課件申請錶’索取。

作者簡介

　　張俊妮，美國哈佛大學統計學博士，現為北京大學光華管理學院商務統計及經濟計量係副教授。研究領域包括因果推斷、貝葉斯分析、濛特卡洛方法、數據挖掘。在Journal of American Statistical Association、Statistica Sinica、Journal ofEducational and BehavioralStatistics、 《經濟學（季刊）》、 《數理統計與管理》、 《管理世界》等期刊上發錶論文十餘篇。

內頁插圖

目錄

第一章 數據挖掘概述
1.1 什麼是數據挖掘
1.2 數據挖掘的應用
1.3 數據挖掘方法論
第二章 數據理解和數據準備
2.1 數據理解
2.2 數據準備
2.3 使用SAS進行數據理解和數據準備：FNBA信用卡數據
第三章 關聯規則挖掘
3.1 關聯規則的實際意義
3.2 關聯規則的基本概念及Apriori算法
3.3 負關聯規則
3.4 序列關聯規則
3.5 使用SAS進行關聯規則挖掘
第四章 多元統計中的降維方法
4.1 主成分分析
4.2 探索性因子分析
4.3 多維標度分析
第五章 聚類分析
5.1 距離與相似度的度量
5.2 k均值聚類法
5.3 層次聚類法
第六章 預測性建模的一些基本方法
6.1 判彆分析
6.2 樸素貝葉斯分類算法
6.3 k近鄰法
6.4 綫性模型與廣義綫性模型
第七章 神經網絡
7.1 神經網絡架構及基本組成
7.2 誤差函數
7.3 神經網絡訓練算法
7.4 提高神經網絡模型的可推廣性
7.5 數據預處理
7.6 使用SAS建立神經網絡模型
7.7 自組織圖
第八章 決策樹
8.1 決策樹簡介
8.2 決策樹的生長與修剪
8.3 對缺失數據的處理
8.4 變量選擇
8.5 決策樹的優缺點
第九章 模型評估
9.1 因變量為二分變量的情形
9.2 因變量為多分變量的情形
9.3 因變量為連續變量的情形
9.4 使用SAS評估模型
第十章 模型組閤與兩階段模型
10.1 模型組閤
10.2 隨機森林
10.3 兩階段模型
參考文獻

精彩書摘

　　對於定序自變量，最常用的一種轉換是按各類彆的序號直接將該變量轉換為數值自變量。對於名義自變量，最常用的轉換是將該變量轉換為啞變量。例如，對於性彆而言，可以生成一個二元啞變量，取值1錶示“女”，0錶示“男”。對於有多個取值的名義自變量，可以生成一係列二元啞變量。例如，中國內地有31個省、自治區和直轄市，可以據此生成30個啞變量。但是，如果一個名義自變量取值過多，生成過多的啞變量容易造成過度擬閤。一個簡單而有效的方法是隻針對包含觀測比較多的類彆生成啞變量，而將剩餘的類彆都歸於“其他”這個大類彆。還有一種方法是利用領域知識，將各類彆歸為幾個大類之後再生成啞變量，例如，將中國內地31個省、自治區和直轄市歸為華北、華中、華東、華南、西北、東北、西南等地區，再生成地區的啞變量。五、處理時間變量時間變量無法直接進入建模數據集，因為時間是無限增長的，在曆史數據中齣現的時間肯定不同於將來模型所需應用的數據集中齣現的時間，所以直接使用曆史數據的時間建立的模型就無法應用於將來的數據集。如果要在建模過程中考慮時間變量，就必須對其進行轉換。常用的轉換有如下幾種：
　　1.轉換為距某一基準時間的時間長短，例如，“距離××年××月××日的天數”、“距離下一次春節的周數”等。
　　2.轉換為季節性信息，例如，一年中第幾季度或第幾個月，每個季度或月對應於一個二元啞變量。
　　很多情形下可以考慮對時間進行多種轉換，把所有可能影響因變量的時間信息都放人建模過程中。例如，對於某些食品的購買量而言，不僅存在節日效應，也存在季節性效應，這時就需要同時使用上述兩種轉換。
　　六、異常值
　　自變量的異常值對一些模型會産生很大影響。在圖2.2 的示例中，大部分數據點的，值都分布在-2.2 和2.4 之間，但有一個數據點的x值為8，它對擬閤的迴歸綫會有很大的影響；如果它落在點0或點6，擬閤齣的迴歸綫分彆為綫a和綫b，它們的差彆頗大。
　　因變量的異常值同樣可能對模型有很大影響，在這裏不贅述。
　　第五章將介紹的聚類算法可以用來發現異常值，如果少數幾個觀測自成一類，它們很有可能是異常值。發現異常值後需要查看它們為什麼異常。

前言/序言

　　教材建設是大學人纔培養和知識傳授的重要組成部分。對管理教育而言，教材建設尤為重要，一流的商學院不僅要有一流的師資力量、一流的生源、一流的教學管理水平，而且必須使用一流的教科書。一流的管理類教科書必須滿足以下標準：第一，能把所在領域的基礎知識以全麵、係統的方式和與讀者友好的語言呈獻給讀者；第二，必須有時代感，能把學科前沿的研究成果囊括進去；第三，必須做到理論和實務（包括案例分析）相結閤，有很強的實用性；第四，能夠啓發學生思考現實的管理問題，培養他們分析問題和解決問題的能力；第五，可以作為研究人員和管理人士的工具書。
　　中國的管理教育是伴隨改革開放而産生的。真正意義上的管理教育在中國不過十多年的曆史，但巨大的市場需求使得管理教育成為中國高等教育各學科中發展最快的領域，管理類教科書市場異常繁榮。但總體而言，目前國內市場上管理類教科書的水平仍不能令人滿意。國內教科書作者大多數在所涉及領域並沒有真正的原創性研究和學術貢獻，所撰寫的教科書普遍停留在對國外教科書的內容進行中國式排列組閤的水平上；國外引進的原版教科書雖然具有學術上的先進性，但由於其寫作背景是外國的管理實踐和製度安排，案例也都是取自於西方發達國傢，對中國讀者而言，總有一種隔靴搔癢的感覺。如何寫齣一流的中國版的管理類教材，是中國管理教育發展麵臨的重要任務。
　　北京大學光華管理學院一直重視教材建設工作。1999年夏，我們曾與經濟科學齣版社簽約，以每本20萬元的稿酬，嚮全國徵集MBA教科書作者。這個計劃公布之後，我們收到瞭十幾本教科書的寫作方案。

探索數據洪流的價值：一本關於數據挖掘與應用的書籍簡介 在當今信息爆炸的時代，數據以前所未有的速度和規模産生、積纍，並滲透到我們生活的方方麵麵。從商業決策到科學研究，從社會治理到個人生活，數據的洞察力正日益成為驅動進步和創新的核心力量。然而，海量的數據本身並不能直接轉化為有用的信息。如何在浩瀚的數據海洋中提取齣有價值的模式、趨勢和知識，從而指導我們做齣更明智的決策，這是數據挖掘所要解決的關鍵問題。 這本書籍，旨在為讀者揭示數據挖掘的奧秘，並展示其在各個領域的廣泛應用。它將引導讀者穿越數據的迷霧，學習如何有效地發現隱藏在數據背後的規律，從而創造齣實實在在的價值。 本書將深入探討以下幾個核心領域： 一、數據挖掘的基礎理論與方法 數據預處理： 在進行任何有意義的分析之前，原始數據往往需要經過一係列的清洗、轉換和整閤。本書將詳細介紹數據清洗技術，包括處理缺失值、噪聲數據、異常值等，以及數據集成、數據變換（如規範化、離散化）等關鍵步驟。理解和掌握數據預處理對於後續分析的質量至關重要。 經典的數據挖掘算法： 本書將係統地介紹各種核心的數據挖掘算法，並詳細闡述其工作原理、適用場景和優缺點。這包括： 分類（Classification）： 學習如何構建模型來預測離散的目標變量，例如，預測客戶是否會流失、郵件是否為垃圾郵件等。我們將深入講解決策樹、支持嚮量機（SVM）、樸素貝葉斯、K近鄰（KNN）等經典分類算法。 迴歸（Regression）： 探索如何預測連續的目標變量，例如，預測房屋價格、股票走勢等。本書將涵蓋綫性迴歸、多項式迴歸、嶺迴歸等常用迴歸模型。 聚類（Clustering）： 學習如何將相似的數據點分組，發現數據中的自然結構，例如，對客戶進行細分、對文檔進行主題分類等。K-means、層次聚類、DBSCAN等聚類算法將是重點講解的內容。 關聯規則挖掘（Association Rule Mining）： 掌握如何發現數據項之間的有趣關係，例如，在超市購物籃分析中發現“購買啤酒的人也經常購買尿布”這樣的規則。Apriori算法和FP-growth算法是該領域的經典代錶。 異常檢測（Anomaly Detection）： 學習如何識彆數據中不尋常或異常的觀測值，這對於欺詐檢測、網絡安全監控、故障診斷等至關重要。 模型評估與選擇： 掌握如何科學地評估和比較不同模型的性能，選擇最適閤特定任務的模型。本書將介紹混淆矩陣、準確率、精確率、召迴率、F1分數、ROC麯綫、AUC值等評估指標，以及交叉驗證等模型選擇技術。 二、數據挖掘的實際應用場景 本書不僅會深入理論，更強調將數據挖掘技術應用於解決實際問題。我們將通過大量的案例研究，生動展示數據挖掘在以下領域的強大威力： 商業智能與市場營銷： 客戶細分： 利用聚類分析將客戶劃分為不同的群體，以便進行有針對性的營銷活動。 精準營銷： 通過分析客戶的行為和偏好，預測客戶對特定産品的興趣，實現個性化推薦。 流失預測： 識彆有流失傾嚮的客戶，並采取措施進行挽留。 市場籃分析： 發現商品之間的關聯性，優化商品陳列和促銷策略。 金融服務： 信用評分： 構建模型評估個人或企業的信用風險，支持信貸審批決策。 欺詐檢測： 識彆信用卡交易、保險索賠等中的欺詐行為。 股票市場分析： 探索影響股票價格的因素，輔助投資決策。 電子商務： 推薦係統： 基於用戶曆史行為和偏好，為用戶推薦他們可能感興趣的商品或內容。 用戶行為分析： 理解用戶在網站上的瀏覽、點擊、購買路徑，優化用戶體驗。 醫療健康： 疾病診斷輔助： 利用醫學影像和病人數據，輔助醫生進行疾病診斷。 藥物研發： 分析基因數據和臨床試驗數據，加速新藥的發現和開發。 健康風險預測： 識彆可能患有某種疾病的高風險人群。 其他領域： 此外，本書還將觸及數據挖掘在社交網絡分析、文本挖掘、圖像識彆、製造業優化等領域的應用，展現其跨學科的廣泛影響。 三、數據挖掘的實踐工具與技術 為瞭幫助讀者將理論付諸實踐，本書還將介紹一些常用且高效的數據挖掘工具和編程語言，如Python（及其相關的庫，如Scikit-learn, Pandas, NumPy）和R語言。通過代碼示例和實踐指導，讀者將能夠親手實現數據挖掘的整個流程，從數據導入、預處理到模型構建和評估。 本書的目標讀者 本書適閤所有對數據充滿好奇，希望從數據中提取洞察的專業人士、學生以及研究人員。無論您是計算機科學、統計學、經濟學、管理學、市場營銷、金融等領域的從業者，還是希望提升數據分析能力的學習者，本書都將為您提供堅實的基礎和實用的方法。 閱讀本書，您將能夠： 理解數據挖掘的核心概念和基本原理。 掌握多種經典的數據挖掘算法，並瞭解其適用範圍。 學會如何對數據進行有效的預處理，為分析打下基礎。 能夠選擇閤適的評估指標來衡量模型的性能。 通過豐富的案例研究，瞭解數據挖掘在不同領域的實際應用。 獲得使用常用工具進行數據挖掘實踐的指導。 讓我們一起踏上這段激動人心的探索之旅，解鎖數據的無限潛能，將數據轉化為驅動決策和創新的強大力量。

评分☆☆☆☆☆

作為一名深度學習愛好者，我一直對數據能夠蘊含的巨大價值感到著迷，而《數據挖掘與應用》這本書，即使我還沒有翻開它，單憑書名就足以勾起我極大的好奇心。我設想，這本書應該會像一位經驗豐富的嚮導，帶領我深入探索數據的幽深之處，揭示那些隱藏在海量信息背後的規律與洞見。我期待它能夠以一種引人入勝的方式，將枯燥的數據處理過程變得生動有趣，讓我理解從原始數據到有價值知識的轉化是如何發生的。我想象中的作者，必定是一位在數據挖掘領域有著深厚造詣的專傢，他們能夠將復雜的理論概念，用清晰易懂的語言進行闡釋，並且通過大量的實際案例，展示這些理論如何在現實世界中發揮作用，解決實際問題。我尤其希望這本書能夠涵蓋當前數據挖掘領域最前沿的技術和方法，比如深度學習在圖像識彆、自然語言處理中的應用，以及如何在海量用戶行為數據中發現有價值的模式，從而指導企業做齣更明智的決策。當然，除瞭技術層麵的介紹，我也期待書中能夠探討數據挖掘所涉及的倫理問題和隱私保護，因為在信息爆炸的時代，如何負責任地使用數據，是每一位從業者都必須認真思考的問題。

评分☆☆☆☆☆

我是一名剛入職不久的數據分析師，在工作中常常感到知識體係不夠紮實，尤其是在麵對復雜的數據問題時，會感到力不從心。《數據挖掘與應用》這本書，雖然我還沒來得及深入閱讀，但它所代錶的權威性和實用性，已經引起瞭我極大的關注。我設想，這本書能夠為我構建一個完整的數據挖掘知識框架，涵蓋從數據預處理、特徵工程到模型選擇、評估與部署的整個流程。我期待書中能夠詳細介紹各種主流的數據挖掘技術，並重點闡述它們在不同應用場景下的優劣勢。此外，我也希望書中能夠提供一些關於如何選擇閤適工具和平颱，以及如何應對實際工作中遇到的各種挑戰的建議。對我而言，一本能夠提升我工作效率，讓我能夠更自信地解決問題的書籍，就是最有價值的書籍。我想象中的這本書，會像一位經驗豐富的導師，在我職業發展的道路上，提供寶貴的指導和啓發。

评分☆☆☆☆☆

我是一位對商業分析充滿熱情的研究生，一直希望能夠找到一本能夠係統梳理數據挖掘在商業領域應用的教材。《數據挖掘與應用》這本書，我還沒來得及細讀，但它所傳達的“光華管理學院教材”的背景，已經讓我對其內容充滿期待。我設想，這本書的側重點可能會更加偏嚮於管理學視角，不僅僅是技術層麵的講解，更重要的是如何將數據挖掘的成果轉化為可行的商業策略。我希望能從書中瞭解到，企業如何利用數據分析來優化營銷活動，預測客戶流失，提升運營效率，甚至發現新的商業機會。我想象中的案例分析，會更加貼近真實的商業場景，例如零售業如何通過分析銷售數據來優化庫存管理，金融業如何利用數據模型來評估信貸風險，或者互聯網公司如何通過用戶行為分析來改進産品設計。此外，我也期待這本書能夠探討數據驅動決策的文化建設，以及如何建立一個高效的數據分析團隊。對我而言，一本真正優秀的教材，不僅要教授知識，更要激發思考，培養解決實際問題的能力。

评分☆☆☆☆☆

我是一名對社會科學和大數據研究充滿探索精神的學者，一直關注著大數據技術如何賦能社會科學研究。《數據挖掘與應用》這本書，盡管我還沒有開啓閱讀之旅，但它所傳遞的“數據挖掘”的強大能力，已經讓我對接下來的內容充滿瞭想象。我設想，這本書可以為我提供一套研究社會現象的全新視角和工具。我期待書中能夠介紹如何利用互聯網數據、社交媒體數據、公開的政府數據等，來分析社會熱點問題，探究社會行為模式，甚至預測社會發展趨勢。我希望能夠瞭解到如何運用數據挖掘技術，例如文本挖掘、網絡分析、時空數據分析等，來解決諸如貧睏問題、犯罪率變化、公共衛生事件傳播等復雜的社會議題。此外，我也非常關注數據挖掘在政策製定和評估方麵的應用，希望書中能夠提供一些指導，如何利用數據來支持更科學、更有效的政策製定。對我而言，一本能夠拓展我的研究視野，並為我的學術探索提供新思路的書籍，無疑是珍貴的。

评分☆☆☆☆☆

我是一名對用戶體驗和産品設計充滿執著的互聯網産品經理，始終在思考如何通過數據來更好地理解用戶，從而打造齣更優秀的産品。《數據挖掘與應用》這本書，我還沒有開始細讀，但它所蘊含的“數據挖掘”與“應用”的結閤，已經讓我對接下來的內容充滿瞭期待。我設想，這本書將成為我理解用戶行為、優化産品策略的得力助手。我期待書中能夠深入講解如何利用用戶行為數據，例如用戶在産品中的點擊、瀏覽、停留、轉化等行為，來分析用戶畫像，挖掘用戶需求，識彆用戶痛點。我希望能夠瞭解到如何運用A/B測試、用戶分群、漏鬥分析等數據挖掘技術，來評估産品功能的有效性，優化用戶路徑，提升用戶滿意度和留存率。此外，我也非常關注數據挖掘在個性化推薦、智能交互等方麵的應用，希望書中能夠提供一些實際的案例和方法，幫助我更好地實現這些目標。對我而言，一本能夠幫助我提升産品設計能力，並最終為用戶創造更好體驗的書籍，是極其寶貴的。

评分☆☆☆☆☆

我是一名對教育信息化和學習科學充滿熱情的教育工作者，一直思考如何利用數據來優化教學過程，提升學生的學習效果。《數據挖掘與應用》這本書，我還沒有開始閱讀，但它所代錶的“數據挖掘”與“應用”的結閤，讓我對接下來的內容充滿好奇。我設想，這本書可以為教育領域的數據應用提供新的思路和方法。我期待書中能夠介紹如何利用學生學習行為數據，例如在綫學習平颱的點擊流、答題記錄、討論區發言等，來分析學生的學習模式、識彆學習睏難點，並為學生提供個性化的學習建議。我希望能看到書中能夠探討如何構建預測模型，以識彆有潛在輟學風險的學生，並及時進行乾預。此外，我也非常關注如何利用數據分析來評估教學方法的有效性，以及如何為課程設計提供數據支持。對我而言，一本能夠幫助我更好地理解和利用數據，從而提升教育質量的書籍，是非常有價值的。

评分☆☆☆☆☆

我是一位對金融科技和風險管理充滿興趣的金融從業者，深知數據在現代金融體係中的核心作用。《數據挖掘與應用》這本書，尚未翻閱，但它所蘊含的“數據挖掘”與“應用”的力量，已經讓我對未來的閱讀充滿瞭期待。我設想，這本書將為我打開一扇新的大門，讓我更深入地理解如何利用先進的數據技術來應對金融領域的挑戰。我期待書中能夠詳細介紹在金融風控、反欺詐、信用評估、量化交易等方麵的具體應用案例。我希望能夠瞭解到如何利用機器學習模型來預測市場波動，如何通過分析海量交易數據來識彆異常行為，以及如何利用自然語言處理技術來分析新聞和報告，從而輔助投資決策。此外，我也非常關注數據挖掘在閤規性和監管方麵的應用，例如如何利用數據來滿足監管要求，以及如何確保數據的閤規性和安全性。對我而言，一本能夠幫助我提升專業技能，更好地服務於金融創新的書籍，是極具價值的。

评分☆☆☆☆☆

我是一名對人工智能和大數據應用充滿好奇的科技愛好者，一直關注著數據如何改變我們的生活和工作。《數據挖掘與應用》這本書，我還沒有打開，但它所承載的“數據挖掘”與“應用”這兩個關鍵詞，就已經讓我對接下來的閱讀充滿瞭期待。我設想，這本書會從宏觀的角度，嚮我展示數據挖掘的魅力，以及它如何滲透到我們生活的方方麵麵。我期待書中能夠有精彩的案例，講述如何利用數據分析來改善醫療服務，如何通過智能推薦來豐富我們的娛樂體驗，如何利用城市數據來提升交通效率，甚至如何通過分析社交媒體數據來預測社會趨勢。我希望這本書能夠用通俗易懂的語言，解釋那些看似高深的技術概念，讓我能夠明白“大數據”究竟意味著什麼，以及“數據挖掘”是如何實現這些神奇的應用的。對我來說，一本能夠激發我學習興趣，讓我看到科技帶來的無限可能性的書籍，是非常寶貴的。

评分☆☆☆☆☆

作為一名對統計學和機器學習有著濃厚興趣的在校學生，我一直渴望找到一本能夠將理論知識與實際應用緊密結閤的教材。《數據挖掘與應用》這本書，光聽名字就讓我覺得它很有分量，尤其是“北京大學光華管理學院教材”的印記，更是讓我對其內容的嚴謹性和前沿性充滿信心。我設想，這本書會從統計學的基本原理齣發，逐步深入到各種數據挖掘算法，比如分類、聚類、關聯規則挖掘等。我期待它能夠提供詳盡的算法原理講解，並配以清晰的數學公式推導，讓我能夠深入理解算法的內在邏輯。同時，我也非常看重書籍的實踐性，希望書中能夠通過大量的代碼示例，最好是基於Python等主流數據科學語言，來展示如何實現這些算法，並進行數據可視化和結果解讀。我尤其希望能看到書中能提供一些數據集，讓我可以親手去實踐，去驗證書中的理論和方法。一本好的教材，應該能夠幫助我從“知其然”走嚮“知其所以然”，並最終能夠獨立運用所學知識解決實際問題。

评分☆☆☆☆☆

我是一位對商業智能和決策支持係統有著深刻理解的IT從業者，一直緻力於探索如何將數據轉化為商業價值。《數據挖掘與應用》這本書，光看書名，就讓我感受到瞭其專業性和實踐性。我設想，這本書的作者一定對數據挖掘在企業中的實際應用有著深入的研究和獨到的見解。我期待書中能夠詳細介紹如何構建一個完整的數據挖掘項目，包括需求分析、數據收集、模型構建、結果驗證和成果轉化等各個環節。我希望書中能夠提供一些關於如何將數據挖掘模型嵌入到現有業務流程中的指導，以及如何衡量數據挖掘項目的ROI。此外，我也非常關注數據治理和數據質量在數據挖掘項目中的重要性，希望書中能夠對此有深入的探討。對我而言，一本能夠幫助我更好地理解和實踐數據驅動決策，並為企業創造實際價值的書籍，無疑是極具吸引力的。

评分☆☆☆☆☆

数据挖掘少有的好教材！！

评分☆☆☆☆☆

Aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa

评分☆☆☆☆☆

非常满意，五星

评分☆☆☆☆☆

教材很新，价格合适。

评分☆☆☆☆☆

买了很多数据挖掘的书

评分☆☆☆☆☆

如果多一些案例就更好了

评分☆☆☆☆☆

非常满意，五星

评分☆☆☆☆☆

这本书中的SAS程序给的特别详细

评分☆☆☆☆☆

这本书中的SAS程序给的特别详细