大數據挖掘與機器學習

《大數據挖掘與機器學習：工業4.0時代重塑商業價值》分為3個部分，共17章。第Ⅰ部分“計算環境”，包括第1章到第3章。第Ⅱ部分“將數據轉化為商業價值”，包括第4章到第10章。這一部分聚焦於數據挖掘活動中所要用到的方法、算法和路徑。第Ⅲ部分“將其全部結合起來的成功案例”包括第11章到第17章。本部分主要描述了作者參與過的成功應用大數據分析優化企業決策、提高企業價值的公司案例。 ^[1] 

《大數據挖掘與機器學習：工業4.0時代重塑商業價值》可作為企業管理人員、營銷主管、分析人員、IT人員等作為理解大數據、應用大數據為企業創造價值的指引，同時，本書也可供統計學、應用數學及計算機專業學者和研究人員參考學習。 ^[1] 

1 概述

大數據大事年表

為何這個主題現在很重要

大數據是否只是一時的狂熱？

在何處應用大數據會產生重大影響？

21　第Ⅰ部分 計算環境

23　第1章 硬件

1．1　存儲器（磁盤）

1．2　中央處理器

1．3　內存

1．4　網絡

31　第2章 分佈式系統

2．1　數據庫計算

2．2　文件系統計算

2．3　考慮因素

37　第3章 分析工具

3．1　Weka

3．2　Java和JVM語音

3．3　R語言

3．4　Python

3．5　SAS

47　第Ⅱ部分 將數據轉化為商業價值

49　第4章 預測建模

4．1　一個建模方法

4．2　sEMMA

4．3　二元分類法

4．4　多層分類法

4．5　區間預測

4．6　預測模型評估

63　第5章 一般預測建模技術

5．1　RFM

5．2　迴歸

5．3　廣義線性模型

5．4　神經網絡

5．5　決策樹和迴歸樹

5．6　支持向量機

5．7　貝葉斯網絡分類方法

5．8　組合方法

117　第6章 細分

6．1　聚類分析

6．2　距離測度（指標）

6．3　聚類評估

6．4　聚類數量

6．5　K-means算法

6．6　分層聚類法

6．7　羣特徵刻畫

129　第7章 增量響應建模

7．1　建立響應模型

7．2　評估增量響應

137　第8章 時間序列數據挖掘

8．1　降維

8．2　探查模式

8．3　時間序列數據挖掘的應用：Nike+Fuelband智能手環

149　第9章 推薦系統

9．1　何為推薦系統？

9．2　應用於何處？

9．3　如何起作用？

9．4　推薦質量評估

9．5　推薦系統的應用：SAS 圖書館

161　第10章 文本分析

10．1　信息檢索

10．2　內容分類

10．3　文本挖掘

10．4　文本分析應用：讓我們來玩《危險邊緣》（Jeopardy！）

177　第Ⅲ部分 將其全都結合起來的成功案例

179　第11章 基於某大型美國金融服務公司的案例研究

11．1　傳統市場營銷活動流程

11．2　高效的營銷解決方案

11．3　變革的價值主張

187　第12章 主要衞生保健提供者的案例研究

12．1　CAHPS

12．2　HEDIS

12．3　HOS

12．4　IRE

197　第13章 技術製造商案例研究

13．1　發現設備缺陷

13．2　如何降低成本

201　第14章 在線品牌管理的案例研究

205　第15章 移動應用推薦的案例研究

209　第16章 高科技產品製造商的案例研究

16．1　處理缺失數據

16．2　超越生產的應用

213　第17章 展望未來

17．1　重複性研究

17．2　隱私與公共數據集

17．3　物聯網

17．4　未來的軟件開發

17．5　未來算法開發

17．6　總結

221　關於作者

223　附錄

225　參考文獻

231　譯者後記 ^[1] 

Jared Dean（傑瑞德·迪安）是SAS研究院的研發高級總監。他負責SAS全球數據挖掘解決方案的開發。這包括客户互動、新功能開發、技術支持、銷售支持和產品集成。在加入SAS之前，Dean是美國人口調查局的數學統計學家。 ^[1] 

新信息時代商業經濟與管理譯叢 (共18冊), 這套叢書還有 《精準營銷方法與案例》,《超越可視化：DT時代的大數據溝通與決策》,《大數據營銷：互聯網+時代如何定位客户》,《商業分析方法與案例》,《社交網絡分析及案例詳解》 等。 ^[1]