更新时间：2022-01-04 17:39:44
封面
版权页
作者介绍
推荐语
前言
第1章 Python工作环境准备
1.1 Anaconda环境安装
1.2 常用Python交互工具
1.3 Jupyter Notebook简介
1.4 习题
第2章 Python入门
2.1 Python基础知识
2.2 Python基础语法
2.3 Python变量类型
2.4 Python运算符
2.4.1 算术运算符
2.4.2 比较运算符
2.4.3 赋值运算符
2.4.4 按位运算符
2.4.5 逻辑运算符
2.4.6 成员运算符
2.4.7 身份运算符
2.4.8 运算符优先级
2.5 Python条件与循环语句
2.5.1 条件语句
2.5.2 循环语句
2.6 Python函数
2.7 Python模块
2.8 Python文件处理
2.9 Python异常
2.10 数据分析相关库
2.10.1 NumPy
2.10.2 Matplotlib
2.10.3 PySpark
2.10.4 其他常用库
2.11 习题
第3章 数据预处理
3.1 数据分析工作流程
3.2 数据预处理
3.2.1 数据集导入
3.2.2 数据概览
3.2.3 数据清洗
3.2.4 类别变量转换
3.2.5 数据分割
3.2.6 特征缩放
3.3 鸟瞰机器学习
3.4 习题
第4章 数据挖掘方法
4.1 分类分析
4.1.1 决策树
4.1.2 支持向量机
4.1.3 分类算法的选择
4.2 聚类分析
4.2.1 K均值算法
4.2.2 聚类算法和分类算法的区别
4.3 回归分析
4.3.1 变量间的关系
4.3.2 回归分析算法的分类和步骤
4.3.3 回归分析算法的选择
4.4 关联分析
4.4.1 关联规则
4.4.2 关联规则的序列模式
4.5 时间序列分析
4.5.1 时间序列分析方法和步骤
4.5.2 时间序列的三种预测模式
4.6 异常检测
4.7 推荐算法
4.8 习题
第5章 网络舆情采集与热点分析
5.1 网络舆情概述
5.1.1 大数据网络舆情背景
5.1.2 舆情处理过程
5.2 舆情数据采集
5.2.1 网络舆情采集工具
5.2.2 网络舆情数据爬取实例
5.3 实战：微博热点话题聚类
5.4 习题
第6章 舆情研判之情感分类
6.1 情感分析介绍
6.1.1 情感分析分类
6.1.2 情感分析文本预处理
6.1.3 实战：中文文本处理练习
6.2 情感分类方法
6.2.1 基于词典的情感分类
6.2.2 基于机器学习的情感分类
6.2.3 基于深度学习模型的情感分类
6.3 情感分类实战演练
6.3.1 淘宝家电商品评论情感分类预测
6.3.2 京东客户评论情感倾向预测
6.4 习题
第7章 用机器学习方法预测股价
7.1 股市数据分析价值
7.1.1 案例背景
7.1.2 案例价值
7.2 ARIMA模型
7.3 实战：基于SVM和ARIMA的股价预测
7.4 习题
第8章 用人工智能方法预测股价
8.1 神经网络预测方法
8.1.1 门控循环单元
