330 __ |a 本书以大数据分析与挖掘的常用技术与真实案例相结合的方式，按照“概念和原理讲解、案例分析、能力拓展――Python软件应用”的层次进行阐述，深入浅出地介绍大数据分析与挖掘的重要内容。全书共11章，第1章作为全书的绪论，介绍了大数据分析与挖掘的基本概念、行业应用等；第2章介绍了Python的安装、编程基础以及常用的数据分析工具；第3章介绍了数据的类型、质量和相似度与相异度；第4章介绍了数据探索的常用方法，包括质量分析、描述性统计分析、可视化分析和多维数据分析；第5章介绍了数据预处理的常用方法，包括数据清洗、数据集成、数据归约和数据变换与离散化；第6章介绍了回归与分类的方法，包括多元线性回归、逻辑回归、决策树分类、朴素贝叶斯分类等；第7章介绍了聚类的方法，包括KMeans算法、DBSCAN算法等；第8章介绍了关联规则，包括Apriori算法和FPGrowth算法等；第9章介绍了时间序列，包括平稳时间序列分析和非平稳时间序列分析等；第10章介绍了离群点检测，包括基于统计学、邻近性、聚类、分类的离群点检测方法；第11章介绍了大数据分析与挖掘的前沿知识。本书大部分章节包含真实案例和课后习题，通过练习和操作实践，帮助读者巩固所学的内容。