第 1 章 绪论

1. 1 数据和大数据 

1. 2 大数据分析与挖掘要解决的问题 

1. 3 大数据分析与挖掘的过程和功能 

1. 4 大数据分析与挖掘工具

习题

第 2 章 数据特征分析

2. 1 数据类型

2. 2 相似性和相异性的度量

2. 3 数据的整理

2. 4 数据的描述性特征

习题

第 3 章 统计学

3. 1 统计学基本概念

3. 2 抽样及抽样分布 

3. 3 参数估计与假设检验 

3. 4 相关分析与回归分析

习题 

第 4 章 矩阵论与优化 

4. 1 向量范数 

4. 2 矩阵范数

4. 3 矩阵分解 

4. 4 矩阵微分 

4. 5 矩阵广义逆

4. 6 最优化基础 

4. 7 无约束优化 

4. 8 约束优化的最优性条件 

4. 9 罚函数法 

4. 10 二次规划与序列二次规划 

习题 

第 5 章 图论与信息论基础 

5. 1 图的基本定义 

5. 2 图的基本属性和度量 

5. 3 树 

5. 4 图的表示存储与遍历

5. 5 神经网络 

5. 6 拉普拉斯矩阵与图谱分析 

5. 7 图论在数据分析与挖掘中的实践应用

5. 8 信息论

5. 9 信息论在数据分析与挖掘中的实践应用

习题 

第 6 章 数据预处理及离群点检测 

6. 1 数据清洗 

6. 2 数据集成 

6. 3 数据转换 

6. 4 数据归约 

6. 5 离群点检测

习题 

第 7 章 数据分类算法

7. 1 数据分类概述 

7. 2 k-最近邻分类算法 

7. 3 决策树分类算法

7. 4 朴素贝叶斯分类算法 

7. 5 支持向量机算法 

习题 

第 8 章 关联分析

8. 1 频繁模式挖掘

8. 2 频繁项集挖掘方法———Apriori 算法 

8. 3 基于 FP-Tree 的关联规则挖掘算法———FP-Growth 算法 

8. 4 序列模式挖掘

8. 5 序列模式挖掘方法———Apriori All 算法 

8. 6 关联规则分析在数据分析与挖掘中的实践应用 

习题

第 9 章 聚类分析 

9. 1 聚类算法的分类 

9. 2 k-means 算法 

9. 3 mean-shift 算法 

9. 4 DBSCAN 算法

9. 5 期望最大化算法

9. 6 层次聚类算法 

习题 

第 10 章 Python 数据分析基础

10. 1 Python 开发环境的搭建 

10. 2 Python 语言简介 

10. 3 NumPy 数组简介 

10. 4 Pandas 数据简介 

10. 5 Matplotlib 绘图简介 

习题 

参考文献