关键词： 数据采集  

ISBN: (纸本)9787111641278

摘要： 本书以SAS 9.4版本为开发平台，通过与实际开发应用实例相结合的方式，讲解SAS编程和数据挖掘的实践案例。

关键词： 机器学习   数据处理  

ISBN: (纸本)9787121375866

摘要： 本书第1-4章主要讲解量化投资的入门知识, 包括量化投资的发展现状、量化投资的开发工具、策略回测、择时与选股策略等内容 ; 第5-7章主要讲解量化对冲策略与数据挖掘, 包括数据加载与收益分析、量化投资中数据挖据的使用等内容 ; 第8-9章主要讲解量化投资中的配置方法, 包括资产配置和风险控制, 以及量化投资中的仓位决策方法与技巧等内容 ; 第10-11章主要讲解人工智能技术在量化投资中的运用, 包括机器学习与遗传算法、人工智能选股模型的使用等内容。全书内容专业, 案例丰富翔实, 是作者近10年不断在量化投资与人工智能技术领域探索的最佳结晶。

关键词： 电影事业  

ISBN: (纸本)9787302548010

摘要： 本书共分8章。第1、2章着重梳理电影产业构成、现存问题、大数据对电影产业的作用；第3章梳理电影产业相关数据，在此基础上对电影产业数据的基础性进行分析挖掘；第4章主要针对电影宣发环节，从映前、映中和映后环节进行电影营销数据挖掘研究；第5章从电影放映角度，利用机器学习理论和计量模型进行电影票房影响因素分析；第6章从电影受众角度进行用户行为分析和满意度评价研究；第7章主要基于VOD点播频道数据，进行电影个性节目推荐研究；第8章从电影产业宏观层面，对中国电影产业对外输出能力进行定量化评价研究。

关键词： 数据处理   数据挖掘   糖尿病视网膜   辅助诊断   系统实现  

摘要： 随着互联网技术的大力发展,人们的生活水平得到显著提升,而医疗问题始终是与民生息息相关的大问题。在医疗信息化发展的过程中,医疗信息管理平台已经在医疗领域得到广泛的应用,各类医疗信息管理系统积攒了大量医疗数据。医疗数据挖掘发现数据中隐藏的信息,将其转换成医疗健康管理的智能辅助诊疗工具,为医护人员提供辅助诊断决策支持。利用现有技术对医疗信息平台存储的海量医疗数据进行信息挖掘成为医疗信息化建设未来智能化诊疗的大势所趋。糖尿病是以高血糖为特点的代谢性慢性病,由遗传、环境、自身免疫等因素相互作用导致。目前糖尿病患者主要靠药物控制糖尿病的进一步恶化,没有办法完全治愈。但是糖尿病患者的致命危害不是糖尿病本身,而是糖尿病患者后期的并发症。例如糖尿病肾病、糖尿病视网膜等不但严重影响糖尿病患者的日常生活,而且会导致失明等一系列致命风险。由于糖尿病视网膜早期不易发现、后期一旦发生病变药物难以逆转甚至导致失明是糖尿病性视网膜的两大显著特点,所以早发现、早治疗是控制糖尿病视网膜的有效手段。基于糖尿病视网膜的特点与需求,本课题抽取北京市平谷区医院糖尿病并发视网膜相关数据进行研究。本文对糖尿病视网膜辅助诊断模型的研究与实现主要包括三部分:(1)数据预处理。由于医疗数据形式多样保存在不同的医疗系统中,且在存储时格式不一,原始数据含有缺失值等质量问题。本研究在进行医疗信息提取与数据挖掘时,对原始数据进行了一系列预处理操作。(2)糖尿病视网膜辅助诊断模型的构建。对糖尿病视网膜患者数据统计分析,筛选出具有统计意义的属性。利用基于随机森林的递归特征消除法对具有统计意义的属性进行特征选择。针对原始数据集不平衡特点采用基于拔靴法(bootstrap)的上采样方法优化糖尿病视网膜模型。由于随机森林算法的重要参数随机,本研究利用网格搜索法改进随机森林,并结合K近邻算法(K-Nearest Neighbor,KNN)、决策树算法(Decision Tree,DT)等四种医疗领域常见方法进行对比发现,本研究经过优化后的模型分类效果均高于另外四种模型,研究成果具有推广价值。(3)医疗辅助诊断系统的构建与实现。本文经过对系统的需求调研,根据用户需求设计系统框架及主要功能模块,并对系统进行搭建以及可视化展示。并详细介绍了系统的主要功能和各个子模块的功能,并对系统主要功能的页面进行了展示。糖尿病视网膜辅助诊断系统依托于“数字医疗联合实验室”,对糖尿病数据进行整合分析,能够在未来辅助医护人员对糖尿病视网膜这一并发症进行决策支持。为医院节省资源,为患者节省开销,具有实际意义。

关键词： 网购评论   数据处理   LDA模型   文本挖掘  

摘要： 2019年是网络用户爆发性增长的一年,第44次《中国互联网络发展状况统计报告》显示中国的网民数量已经达到了8.54亿,其中手机网民数量高达8.47亿。在这个互联网已经走入千家万户的时代,电商平台在人群中普及开来。互联网是一个信息共享平台,各大网购平台拥有着巨量的消费者购买评论数据。这些数据也逐渐成为了消费者制订购买决策的依据以及制造商升级产品的重要参考。但是,如何在浩瀚的文本评论数据中挖掘到有价值有参考的信息成为了新的挑战。本文旨在运用当前较为主流的数据挖掘技术对华为MATE30手机的评论数据进行考察,对目前消费者关注的手机特征属性进行分析,从而为手机制造商优化升级自身产品提升市场竞争力以及为消费者进行购买决策提供参考。本文首先采用基于Ubuntu系统的Python软件的爬虫技术,对“京东商城”以及“淘宝”平台上关于华为MATE30智能手机的用户评论进行数据的采集,接着利用Excel对获取的数据进行规范化整理,再利用当下较为流行的JIEBA软件对清洗后的数据进行文本分词及词性标注。然后采用Wordle软件可视化的词云技术来展示数据中的特征,最后根据分词的数据进行LDA建模并用K-means聚类进行情感性向分析获得消费者关注的情感特征属性。最终研究结果表明,运用开源系统工具Linux-Ubuntu以及R语言,基于包含京东及淘宝的消费者评论信息,采用当前流行的LDA模型并用K-means聚类法对用户的情感识别具有比单一分析评论法更精准的分析结果。数据分析发现,该方法不仅能够精准的分析出本研究对象的情感倾向,同时也能推断出消费者对商品最为需求的智能手机的特征属性。最终结果体现出,华为MATE30手机的运行速度、充电等各项性能于消费者较为满意的部分,而手机发热、售后服务以及赠品等方面并不符合消费者期待。单从京东商城的分析结果可以看出,该平台的消费者更加注重商品的性能以及配送服务;而基于淘宝的数据分析结果可以看出,该平台的消费者更加注重消费的全过程体验,如手机的售后以及赠品服务。据此,本文的研究结果可以为电商平台优化销售服务、消费者购买手机时的决策行为以及制造商及时改进和升级自身的产品形成参考。

关键词： 数据处理  

ISBN: (纸本)9787301318997

摘要： 本书是作者长期从事大数据、数据挖掘等科研工作的总结。其从大数据、数据挖掘、实际案例等三部分深入浅出地介绍了大数据领域的知识。 第一部分是大数据篇，其主要从数据起源、生态系统、生命周期以及行业应用来分析大数据的研究方向和趋势。并就数据预处理、可视化、安全等大数据技术进行了详细的阐述，让深奥的知识浅显易懂；第二部分是数据挖掘认知篇，其主要从线性回归、聚类、关联规则、分类与预测、时间序列等方面剖析数据挖掘技术；第三部分是实践篇，其主要从业务和技术角度阐述已有的科研成果，让读者从理论到实践过程中深刻理解大数据的用途及技术的本质。

关键词： 数据挖掘   不均衡样本   数据处理   Logistic回归  

摘要： 随着社会生活信息复杂度的增加,数据采集、存储、分析和运用的需求越来越大,数据冗余、类别分布不均衡的情况也越发常见,人们不断致力于优化各种模型,改善分析环境等,意图从复杂数据中提取出有实际价值信息。例如在银行对客户进行风险预测的案例中,违约和正常两种客户类别在总体中所占比例差距很大,此时,有效的数据处理才能使模型产生更好的训练结果。在这种数据维度高且样本类别不均衡的情况下,虽然违约客户人数较正常客户人数来说占总体比例很小,但若将违约样例错误判定为正常样例,那么带来的损失是不能预想的。同样,当正常样例被判定为违约样例,则会使银行损失信用良好的客户。基于此,文章通过研究样本的分布情况提出一种基于不均衡样本数据信息量的综合得分欠抽样方法。首先将原始数据中的大类样本分别进行主成分、核主成分和信息熵三种方法计算信息量,根据得出的信息量大小从大类样本中选取与小类样本数量相当的样本,再分别利用选取后的均衡样本建立逻辑回归分类器,根据分类结果找出能力最优的方法。文章利用Kaggle网上的26234个竞赛数据进行了实证分析,计算得出经主成分、核主成分和信息熵欠抽样使样本均衡后,分类器召回率由未处理数据的47.1%分别提高到93.3%、92.1%和94.7%,在文章选取的样例数据中,信息熵提取出的信息量最大的样本效果最好,同时也说明此类方法对不均衡数据的有效性。结果表明,基于样本信息量的欠抽样方法不仅能使分类算法的收敛速度得到一定程度提升,而且经过欠抽样处理后的数据模型拟合度及召回率比之未经处理的数据有较大提高。由于文章实证分析数据集有限,且核主成分的代码调用了工具包,导致默认的参数适用性和核函数的选择受到了局限,但研究结论对后续相关研究仍有一定的指导意义。图16幅;表16个;参49篇。

关键词： 软件工具  

ISBN: (纸本)9787040546101

摘要： 本教材针对金融行业数据量大、更新快的特点, 着重介绍了数据挖掘与分析技术在金融行业尤其是银行业中的应用。本书的主要内容包括: 数据挖掘概述、金融数据挖掘概述、基于大数据的金融数据挖掘概述、数据仓库技术、数据挖掘与分析技术、大数据挖掘与分析技术、数据挖掘技术在零售银行信用风险管理中的应用、数据挖掘技术在巴塞尔资本协议下的银行风险计量中的应用、数据挖掘技术在客户关系管理中的应用、数据挖掘技术在金融市场分析与预测中的应用、数据挖掘技术在互联网金融中的应用、基于大数据的金融科技战略与实施、数据安全与隐私保护, 并针对当前的大数据浪潮, 给出了金融数据挖掘与分析领域的应对策略。

关键词： 空间信息系统  

ISBN: (纸本)9787030660978

摘要： 本书的特色在于以实例来说明不同的数据挖掘方法在各个领域中的应用。从不同的应用领域来研究各种数据挖掘方法, 并且每章均为一个完整的研究课题内容, 这些课题均为作者课题组的研究成果, 因而更具有系统性。

关键词： 医学  

ISBN: (纸本)9787565921827