此书全新未拆封，无任何笔记，新书定价：118元

内容简介：
本书前5版好评如潮，作为第6版，本书首次使用了Python语言。本书除了介绍用于统计和机器学习等领域的预测、分类、可视化、降维、推荐系统、聚类、文本挖掘、网络分析等方法之外，内容还包括：
● 新加入的合著者Peter Gedeck拥有使用Python讲解商业分析课程的丰富经验以及将机器学习应用于新药发现过程的专业技能。
● 讨论数据挖掘中的伦理问题。
● 通过多个案例展示数据挖掘技术的实际应用。
● 每章后面的习题有助于读者评估和加深对该章内容的理解。

目录
第I 部分 预备知识
第1 章 引 言…3
1.1 商业分析介…3
1.2 什么是数据挖掘…4
1.3 数据挖掘及相关术语…4
1.4 大数据…5
1.5 数据科学…6
1.6 为什么有这么多不同的方法…6
1.7 术语与符号…7
1.8 本书的线路图…8
第2 章 数据挖掘过程概述…11
2.1 引言…11
2.2 数据挖掘的核心思想…11
2.2.1 分类…11
2.2.2 预测…12
2.2.3 关联规则与推荐系统…12
2.2.4 预测分析…12
2.2.5 数据规约与降维技术…12
2.2.6 数据探索和可视化…12
2.2.7 监督学习与无监督学习…13
2.3 数据挖掘步骤…13
2.4 前期步骤…15
2.4.1 数据集的组织…15
2.4.2 预测West Roxbury 小区的房价…15
2.4.3 在Python 程序中载入并浏览数据…16
2.4.4 Python 包的导入…18
2.4.5 从数据库获得采样数据…18
2.4.6 在分类任务中对小概率事件的
过采样…19
2.4.7 数据预处理和数据清理…19
2.5 预测力和过拟合… 24
2.5.1 过拟合… 24
2.5.2 数据分区的创建和使用… 26
2.6 建立预测模型… 28
2.7 在本地计算机上用Python 实现
数据挖掘… 32
2.8 自动化数据挖掘解决方案… 33
2.9 数据挖掘中的伦理规范… 33
2.10 习题… 37
第Ⅱ部分 数据探索与降维技术
第3 章 数据可视化…43
3.1 引言… 43
3.2 数据实例… 45
3.3 基本图形：条形图、折线图和
散点图… 46
3.3.1 分布图：箱线图和直方图… 48
3.3.2 热图：可视化相关性和缺失值… 51
3.4 多维数据的可视化… 53
3.4.1 添加变量：颜色、大小、形状、
多面板和动画… 53
3.4.2 数据操作：重定标、聚合与层次
结构、缩放与过滤… 56
3.4.3 趋势线和标签… 59
3.4.4 扩展到大型数据集… 60
3.4.5 多变量图：平行坐标图… 62
3.4.6 交互式可视化… 63
3.5 专用的可视化技术… 65
3.5.1 网络数据可视化… 65
3.5.2 层次数据可视化：树状结构图… 66
3.5.3 地理数据可视化：地图… 68
3.6 小结…71
3.7 习题…71
第4 章 降维…75
4.1 引言…75
4.2 维数的诅咒…75
4.3 实际考虑…76
4.4 数据摘要…77
4.5 相关性分析…80
4.6 减少分类变量的分类值个数…81
4.7 把分类变量转换为数值型变量…82
4.8 主成分分析…82
4.8.1 主成分…87
4.8.2 数据归一化…88
4.8.3 使用主成分进行分类和预测…91
4.9 利用回归模型实现降维…91
4.10 利用分类树与回归树实现降维…91
4.11 习题…

实拍图：