| 目  录

第1章  大数据决策导论 1

1.1  基本概念 2

1.2  大数据决策概况 3

1.3  大数据智能决策发展趋势和挑战 11

本章习题 15

即测即练 15

第2章  数据采集、清洗与预处理 16

2.1  数据采集概述 17

2.2  网络爬虫 20

2.3  数据清洗与预处理 41

本章习题 53

即测即练 53

第3章  数据挖掘与机器学习 54

3.1  数据挖掘与机器学习的基本概念 55

3.2  分类算法 60

3.3  关联分析 72

3.4  聚类算法 78

本章习题 81

即测即练 82

第4章  文本挖掘与情感分析 83

4.1  文本挖掘概述 84

4.2  文本预处理及标注 88

4.3  特征提取 92

4.4  常见的文本挖掘任务 97

4.5  情感分析方法 101

本章习题 110

即测即练 110

第5章  数据可视化 111

5.1  数据可视化概述 112

5.2  数据可视化工具 117

5.3  数据可视化的典型案例 132

本章习题 134

即测即练 135

第6章  灰色决策方法 136

6.1  灰色关联决策方法 137

6.2  多属性灰色聚类决策方法 149

6.3  灰色局势决策方法 152

6.4  灰靶决策方法 158

本章习题 162

即测即练 163

第7章  模糊决策方法 164

7.1  模糊决策理论基础知识 165

7.2  模糊聚类决策方法 171

7.3  模糊综合评价方法 177

7.4  直觉模糊决策方法 183

7.5  犹豫模糊决策方法 187

7.6  毕达哥拉斯模糊集决策方法 191

本章习题 198

即测即练 201

第8章  粗糙集决策方法 202

8.1  经典粗糙集理论基础知识 203

8.2  数据离散与属性约简的常用算法 216

8.3  变精度粗糙集 222

8.4  优势粗糙集 228

8.5  决策粗糙集 233

本章习题 239

即测即练 240

第9章  基于在线评论的产品排序 241

9.1  考虑初次评论情感强度的产品选择方法 242

9.2  考虑追加评论情感强度的产品选择方法 257

9.3  考虑消费者后悔心理的产品选择方法 269

本章习题 277

即测即练 278

第10章  基于在线评论和用户画像的产品推荐排序 279

10.1  基于质量屋的产品推荐排序方法 280

10.2  基于多维标签的产品推荐排序优化方法 291

本章习题 298

即测即练 298

参考文献 299