"从数据思维到数据分析及挖掘算法
本书深刻阐述了数据思维的重要性，并将数据思维上升到哲学高度。"

本书是一本介绍数据分析相关算法的学习指南，主要包括数据分析及数据挖掘相关概念介绍、数据思维及各种数据分析算法的原理及实现方法。本书的每个数据分析算法都介绍了数学原理、Python代码实现以及实战案例，内容丰富、容易理解。本书共9章，第1章介绍了数据挖掘与数据分析、机器学习之间的关系；第2章介绍了数据分析人员应该具备的数据思维，包括数据思维认知、数据挖掘“定律”；第3~9章介绍了各种数据分析算法的原理、实现方法及实战案例，其中包括逻辑回归、决策树、朴素贝叶斯、聚类分析、关联规划、人工神经网络、集成学习。本书适合从事数据分析工作的读者自学，也可作为产品经理、运营人员、市场人员和对数据分析感兴趣的读者的参考用书。

第1章 数据分析概述 1
1.1 什么是数据挖掘 2
1.2 数据挖掘与数据分析的关系 6
1.3 数据挖掘与机器学习的关系 8
1.4 机器学习算法简介 13
第2章 数据思维 19
2.1 数据思维认知 21
2.2 数据思维认知的主观性与客观性 26
2.3 数据挖掘“定律” 29
第3章 逻辑回归 37
3.1 逻辑回归基础：从线性回归到逻辑回归 38
3.2 逻辑回归函数构建 41
3.3 逻辑回归问题求解 46
3.4 逻辑回归模型评估 49
3.5 Python代码实现 55
第4章 决策树 65
4.1 决策树基础 66
4.2 决策树算法 70
4.3 Python代码实现 86
第5章 朴素贝叶斯 95
5.1 概率论基础 96
5.2 从贝叶斯公式到朴素贝叶斯分类 100
5.3 Python代码实现 106
第6章 聚类分析 113
6.1 聚类分析基础 115
6.2 聚类算法 121
6.3 Python代码实现 128
第7章 关联规则 137
7.1 关联规则基础 140
7.2 关联规则算法 143
7.3 Python代码实现 147
第8章 人工神经网络 151
8.1 人工神经网络基础 153
8.2 BP（误差逆传播前馈）神经网络 158
8.3 Python代码实现 164
第9章 集成学习 169
9.1 集成学习基础 170
9.2 集成学习算法 174
参考资料 181

"本书深刻阐述了数据思维的重要性，并将数据思维上升到哲学高度。在讲解数据分析技术之前，本书着重对比了数据分析与数据挖掘及机器学习的关系，并层层深入地讲解了机器学习涉及的理论和方法。本书对从数据处理到数据分析进行全流程说明，使读者在实操过程中，对所处阶段及上下文有框架性的认知，并可以有的放矢地进行数据分析。本书不失为数据分析领域的一本好书。
——内蒙古统计局大数据专家，田英辉


本书对经典的机器学习从理论到Python实践逐步深入讲解，使读者知其然也知其所以然。并且本书在理论讲解过程中，联系实际生活中的例子，使读者更容易理解；在Python算法实现过程中，对内置函数及属性进行逐一说明。对学术性或实践性的读者来说，本书是不错的“伴侣”。
——东北财经大学教授，博士生导师，韩超"