Python广告数据挖掘与分析实战杨游云周健 pdf下载

内容简介：

本书共十二章，[0第0]1-4章重在介绍移动广告营销数据分析理论与案例分析，包括广告数据分析的基本概念、内容和意义，广告数据分析相关理论[0知0]识及常用分析方[0法0]，移动广告营销常见的数据分析案例剖析以及如何做一份让[令页]导满意的数据分析报告；本书[0第0]5-6章[1主1]要介绍Python软[亻牛]安装及常用包的[1主1]要用[0法0]。本书[0第0]7-10章[1主1]要介绍利用Python实现移动广告营销中常见的[1机1]器[0学0][*]算[0法0]，重点掌握常用的模型[0评0]价方[0法0]，模型原理、实现方[0法0]和技巧，其中包括混淆矩阵、AUC、ROC等常用模型[0评0]价方[0法0]以及线性回归、逻辑回归、决策树、KNN、SVM、神[纟巠]网络、随[1机1]森林、GBDT、XGBoost、Stacking等常用监督[0学0][*]算[0法0]。[0第0]11章[1主1]要介绍k-means聚类、Lookalike相似用户挖掘等常用无监督[0学0][*]算[0法0]及实现方[0法0]。[0第0]12章[1主1]要介绍移动广告营销常用的特征选择及特征工程方[0法0]。读者如果只想了解数据分析相关概念和方[0法0]，可以选择性阅读本书前四章内容，后八章偏向数据挖掘算[0法0]和编程实践等内容，有兴趣可以深入阅读全书。

 目录：

前言

[0第0]1章　Python安装方[0法0]1

1.1　Python介绍1

1.1.1　Python的由来1

1.1.2　Python的特点2

1.2　Anaconda安装2

1.3　PyCharm安装及环境配置9

1.3.1　PyCharm安装9

1.3.2　PyCharm环境配置12

1.4　为什么建议使用Python17

1.5　本章小结18

[0第0]2章　认识广告数据分析19

2.1　广告数据概述19

2.1.1　广告数据的特点19

2.1.2　广告数据分析的意义20

2.2　广告数据分布20

2.2.1　伯努利分布20

2.2.2　均匀分布20

2.2.3　二项分布21

2.2.4　正态分布22

2.2.5　泊松分布22

2.2.6　指数分布23

2.3　异常值诊断24

2.3.1　三倍标准差[0法0]24

2.3.2　箱形图分析[0法0]25

2.4　数据相关性26

2.4.1　Pearson相关系数26

2.4.2　Spearman秩相关系数26

2.5　显著性检验27

2.6　本章小结27

[0第0]3章　Python广告数据分析常用工具包29

3.1　数据基础运算工具：NumPy29

3.1.1　常见数据结构30

3.1.2　索引与切片34

3.1.3　数组运算35

3.1.4　矩阵运算39

3.1.5　广播42

3.1.6　其他常用[*]作43

3.2　数据预处理工具：Pandas46

3.2.1　数据结构概述47

3.2.2　数据加载49

3.2.3　数据拼接53

3.2.4　数据聚合57

3.2.5　数据透视表和交叉表59

3.2.6　广告缺失值处理60

3.3　数据可视化分析工具：Matplotlib63

3.3.1　散点图64

3.3.2　条形图65

3.3.3　折线图66

3.3.4　饼图68

3.3.5　直方图68

3.3.6　箱形图71

3.3.7　组合图72

3.4　本章小结74

[0第0]4章　模型常用[0评0]价指标75

4.1　回归模型常用[0评0]价指标75

4.1.1　R275

4.1.2　调整后的R276

4.2　分类模型常用[0评0]价指标77

4.2.1　混淆矩阵77

4.2.2　ROC曲线79

4.2.3　AUC80

4.2.4　KS指标82

4.2.5　[扌是]升度85

4.3　本章小结87

[0第0]5章　利用Python建立广告分类模型88

5.1　逻辑回归88

5.1.1　逻辑回归原理88

5.1.2　损失函数89

5.1.3　利用Python建立逻辑回归92

5.2　决策树92

5.2.1　决策树概述92

5.2.2　决策树算[0法0]93

5.2.3　决策树剪枝处理96

5.2.4　决策树的实现97

5.3　KNN98

5.3.1　距离度量98

5.3.2　KNN算[0法0]原理99

5.3.3　KNN算[0法0]中K值的选取100

5.3.4　KNN中的一些注意事项100

5.3.5　KNN分类算[0法0]实现101

5.4　SVM101

5.4.1　[*][0大0]间隔[0超0]平[mian]101

5.4.2　支持向量103

5.4.3　目标函数104

5.4.4　软间隔[*][0大0]化106

5.4.5　核函数107

5.4.6　SVM算[0法0]的应用109

5.5　神[纟巠]网络110

5.5.1　结构特点110

5.5.2　训练过程111

5.5.3　激活函数114

5.5.4　损失函数117

5.5.5　神[纟巠]网络的实现118

5.6　本章小结118

[0第0]6章　利用Python建立广告集成模型119

6.1　随[1机1]森林119

6.1.1　随[1机1]森林的Bagging思想119

6.1.2　随[1机1]森林的生成及[0优0]点120

6.1.3　袋外误差121

6.1.4　Scikit-learn随[1机1]森林类库介绍122

6.1.5　随[1机1]森林模型的实现123

6.2　GBDT124

6.2.1　GBDT算[0法0]思想124

6.2.2　GBDT算[0法0]原理125

6.2.3　Scikit-learn GBDT类库介绍126

6.2.4　使用Scikit-learn类库实现GBDT算[0法0]127

6.3　XGBoost128

6.3.1　XGBoost算[0法0]思想128

6.3.2　XGBoost算[0法0]原理129

6.3.3　XGBoost算[0法0]的[0优0]点130

6.3.4　XGBoost类库参数131

6.3.5　使用Scikit-learn类库实现XGBoost算[0法0]132

6.4　Stacking133

6.4.1　Stacking算[0法0]思想134

6.4.2　Stacking算[0法0]原理135

6.4.3　Stacking算[0法0]实现136

6.5　LR+GBDT137

6.5.1　LR+GBDT原理138

6.5.2　LR+GBDT在广告CTR中的应用139

6.5.3　LR+GBDT算[0法0]实现140

6.6　FM142

6.6.1　FM的原理142

6.6.2　FM的改进145

6.6.3　FM的Python实现145

6.7　本章小结147

[0第0]7章　移动广告常用数据分析方[0法0]149

7.1　App下载数据分析149

7.2　游戏行业用户分析151

7.2.1　游戏行业数据分析的作用152

7.2.2　游戏行业的关键数据指标152

7.2.3　游戏用户数据分析方[0法0]154

7.3　电[0商0]类App用户转化分析156

7.4　工具类App用户分析162

7.5　本地O2O婚纱摄影行业分析163

7.5.1　精准人群定向164

7.5.2　广告创意素材164

7.6　[0品0]牌广告与效果广告166

7.7　本章小结168

[0第0]8章　广告数据分析报告169

8.1　分析观点明确，逻辑清晰169

8.2　汇报结果，用数据说话170

8.3　分析过程有理有据171

8.4　图表说明171

8.5　数据验证173

8.6　分析建议173

8.7　本章小结174

[0第0]9章　广告用户数据挖掘与分析175

9.1　广告用户曝[1光1]与响应率分析175

9.2　广告用户曝[1光1]与点[1击1]率分析178

9.3　广告订单消耗与延时性分析181

9.3.1　Budget Smooth算[0法0]184

9.3.2　Budget Smooth的系统设计184

9.4　Lookalike聚类分析186

9.4.1　Lookalike概述186

9.4.2　K-means聚类187

9.4.3　K-means算[0法0]的过程188

9.4.4　K-means算[0法0]的实现188

9.5　Lookalike技术在广告中的应用190

9.5.1　Lookalike的基本流程190

9.5.2　微信社交中的Lookalike应用191

9.6　本章小结192

[0第0]10章　广告数据预处理与特征选择193

10.1　广告数据预处理193

10.1.1　特征缩放193

10.1.2　特征编码195

10.2　常用特征选择方[0法0]197

10.2.1　Filter198

10.2.2　Wrapper203

10.2.3　Embedded207

10.3　PCA209

10.3.1　PCA的[1主1]要思想209

10.3.2　[*][0大0]方差理论210

10.4　本章小结214

编辑推荐：

Advertising Data Mining and Analysis with Python；

技术维度，系统讲解广告数据挖掘的模型、算[0法0]和方[0法0]，实现精准营销；业务维度，为广告业务中的具体问题[扌是]供解决方案，包含[0大0]量案例和代码

数据分析与决策技术丛书

Python广告数据挖掘与分析实战

杨游云 周健 著