章数据采集
1.1大数据概念
1.2大数据类型及特征
1.3数据采集方法
1.3.1问卷调查方法
1.3.2网络用户数据收集方法
1.3.3系统曰志采集方法
1.3.4网络数据采集方法
第2章数据清洗
2.1数据质量维度
2.2数据预处理之数据可能存在的问题
2.3数据质量问题的原因分析
2.3.1数据源数据质量问题的原因分析
2.3.2数据分析阶段数据质量问题的原因分析
2.4数据预处理之数据问题处理方法
2.4.1变化量识别
2.4.2错误拒绝
2.4.3列清洗
2.4.4行过滤
2.5记录匹配算法
……

本书共分为9章，章数据采集，主要介绍了大数据的概念、类型及其特征，常见的数据采集方法；第2章数据清洗，主要讨论数据质量的维度，数据可能存在的质量问题，常见的数据清洗方法；第3章数据ETL，重点介绍了MGO方法；第4章数据存储，主要介绍了大数据时代的一些主流数据存储平台和相关技术；第5章回归算法，主要介绍了线性回归、决策树回归、随机森林回归等，并介绍了其实现的主要步骤以及相应的Python语言实现代码；第6章分类算法，主要介绍了逻辑回归二分类和多分类、度提升分类树等；第7章聚类算法，主要介绍了分割聚类、层次聚类、基于密度的聚类；第8章推荐算法，主要介绍了基于关联规则的推荐、基于内容过滤的推荐等主流方法；第9章数据可视化的关键技术，主要介绍了数据的降维、可视化隐喻及相关的交互技术。