互联网 类型
可以朗读 语音朗读
158千字 字数
2021-03-01 发行日期
展开全部

主编推荐语

广告行业数据分析和AI技术专家撰写，系统讲解广告数据挖掘模型、算法、方法，提供大量案例和代码。

内容简介

本书共十二章，第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知识及常用分析方法，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领导满意的数据分析报告；本书第5-6章主要介绍Python软件安装及常用包的主要用法。

第7-10章主要介绍利用Python实现移动广告营销中常见的机器学习算法，重点掌握常用的模型评价方法，模型原理、实现方法和技巧，其中包括混淆矩阵、AUC、ROC等常用模型评价方法以及线性回归、逻辑回归、决策树、KNN、SVM、神经网络、随机森林、GBDT、XGBoost、Stacking等常用监督学习算法。

第11章主要介绍k-means聚类、Lookalike相似用户挖掘等常用无监督学习算法及实现方法。第12章主要介绍移动广告营销常用的特征选择及特征工程方法。

如果你只想了解数据分析相关概念和方法，可以选择性阅读本书前四章内容，后八章偏向数据挖掘算法和编程实践等内容，有兴趣可以深入阅读全书。

目录

  • 版权信息
  • 前言
  • 第1章 Python安装方法
  • 1.1 Python介绍
  • 1.1.1 Python的由来
  • 1.1.2 Python的特点
  • 1.2 Anaconda安装
  • 1.3 PyCharm安装及环境配置
  • 1.3.1 PyCharm安装
  • 1.3.2 PyCharm环境配置
  • 1.4 为什么建议使用Python
  • 1.5 本章小结
  • 第2章 认识广告数据分析
  • 2.1 广告数据概述
  • 2.1.1 广告数据的特点
  • 2.1.2 广告数据分析的意义
  • 2.2 广告数据分布
  • 2.2.1 伯努利分布
  • 2.2.2 均匀分布
  • 2.2.3 二项分布
  • 2.2.4 正态分布
  • 2.2.5 泊松分布
  • 2.2.6 指数分布
  • 2.3 异常值诊断
  • 2.3.1 三倍标准差法
  • 2.3.2 箱形图分析法
  • 2.4 数据相关性
  • 2.4.1 Pearson相关系数
  • 2.4.2 Spearman秩相关系数
  • 2.5 显著性检验
  • 2.6 本章小结
  • 第3章 Python广告数据分析常用工具包
  • 3.1 数据基础运算工具：NumPy
  • 3.1.1 常见数据结构
  • 3.1.2 索引与切片
  • 3.1.3 数组运算
  • 3.1.4 矩阵运算
  • 3.1.5 广播
  • 3.1.6 其他常用操作
  • 3.2 数据预处理工具：Pandas
  • 3.2.1 数据结构概述
  • 3.2.2 数据加载
  • 3.2.3 数据拼接
  • 3.2.4 数据聚合
  • 3.2.5 数据透视表和交叉表
  • 3.2.6 广告缺失值处理
  • 3.3 数据可视化分析工具：Matplotlib
  • 3.3.1 散点图
  • 3.3.2 条形图
  • 3.3.3 折线图
  • 3.3.4 饼图
  • 3.3.5 直方图
  • 3.3.6 箱形图
  • 3.3.7 组合图
  • 3.4 本章小结
  • 第4章 模型常用评价指标
  • 4.1 回归模型常用评价指标
  • 4.1.1 R2
  • 4.1.2 调整后的R2
  • 4.2 分类模型常用评价指标
  • 4.2.1 混淆矩阵
  • 4.2.2 ROC曲线
  • 4.2.3 AUC
  • 4.2.4 KS指标
  • 4.2.5 提升度
  • 4.3 本章小结
  • 第5章 利用Python建立广告分类模型
  • 5.1 逻辑回归
  • 5.1.1 逻辑回归原理
  • 5.1.2 损失函数
  • 5.1.3 利用Python建立逻辑回归
  • 5.2 决策树
  • 5.2.1 决策树概述
  • 5.2.2 决策树算法
  • 5.2.3 决策树剪枝处理
  • 5.2.4 决策树的实现
  • 5.3 KNN
  • 5.3.1 距离度量
  • 5.3.2 KNN算法原理
  • 5.3.3 KNN算法中K值的选取
  • 5.3.4 KNN中的一些注意事项
  • 5.3.5 KNN分类算法实现
  • 5.4 SVM
  • 5.4.1 最大间隔超平面
  • 5.4.2 支持向量
  • 5.4.3 目标函数
  • 5.4.4 软间隔最大化
  • 5.4.5 核函数
  • 5.4.6 SVM算法的应用
  • 5.5 神经网络
  • 5.5.1 结构特点
  • 5.5.2 训练过程
  • 5.5.3 激活函数
  • 5.5.4 损失函数
  • 5.5.5 神经网络的实现
  • 5.6 本章小结
  • 第6章 利用Python建立广告集成模型
  • 6.1 随机森林
  • 6.1.1 随机森林的Bagging思想
  • 6.1.2 随机森林的生成及优点
  • 6.1.3 袋外误差
  • 6.1.4 Scikit-learn随机森林类库介绍
  • 6.1.5 随机森林模型的实现
  • 6.2 GBDT
  • 6.2.1 GBDT算法思想
  • 6.2.2 GBDT算法原理
  • 6.2.3 Scikit-learn GBDT类库介绍
  • 6.2.4 使用Scikit-learn类库实现GBDT算法
  • 6.3 XGBoost
  • 6.3.1 XGBoost算法思想
  • 6.3.2 XGBoost算法原理
  • 6.3.3 XGBoost算法的优点
  • 6.3.4 XGBoost类库参数
  • 6.3.5 使用Scikit-learn类库实现XGBoost算法
  • 6.4 Stacking
  • 6.4.1 Stacking算法思想
  • 6.4.2 Stacking算法原理
  • 6.4.3 Stacking算法实现
  • 6.5 LR+GBDT
  • 6.5.1 LR+GBDT原理
  • 6.5.2 LR+GBDT在广告CTR中的应用
  • 6.5.3 LR+GBDT算法实现
  • 6.6 FM
  • 6.6.1 FM的原理
  • 6.6.2 FM的改进
  • 6.6.3 FM的Python实现
  • 6.7 本章小结
  • 第7章 移动广告常用数据分析方法
  • 7.1 App下载数据分析
  • 7.2 游戏行业用户分析
  • 7.2.1 游戏行业数据分析的作用
  • 7.2.2 游戏行业的关键数据指标
  • 7.2.3 游戏用户数据分析方法
  • 7.3 电商类App用户转化分析
  • 7.4 工具类App用户分析
  • 7.5 本地O2O婚纱摄影行业分析
  • 7.5.1 精准人群定向
  • 7.5.2 广告创意素材
  • 7.6 品牌广告与效果广告
  • 7.7 本章小结
  • 第8章 广告数据分析报告
  • 8.1 分析观点明确，逻辑清晰
  • 8.2 汇报结果，用数据说话
  • 8.3 分析过程有理有据
  • 8.4 图表说明
  • 8.5 数据验证
  • 8.6 分析建议
  • 8.7 本章小结
  • 第9章 广告用户数据挖掘与分析
  • 9.1 广告用户曝光与响应率分析
  • 9.2 广告用户曝光与点击率分析
  • 9.3 广告订单消耗与延时性分析
  • 9.3.1 Budget Smooth算法
  • 9.3.2 Budget Smooth的系统设计
  • 9.4 Lookalike聚类分析
  • 9.4.1 Lookalike概述
  • 9.4.2 K-means聚类
  • 9.4.3 K-means算法的过程
  • 9.4.4 K-means算法的实现
  • 9.5 Lookalike技术在广告中的应用
  • 9.5.1 Lookalike的基本流程
  • 9.5.2 微信社交中的Lookalike应用
  • 9.6 本章小结
  • 第10章 广告数据预处理与特征选择
  • 10.1 广告数据预处理
  • 10.1.1 特征缩放
  • 10.1.2 特征编码
  • 10.2 常用特征选择方法
  • 10.2.1 Filter
  • 10.2.2 Wrapper
  • 10.2.3 Embedded
  • 10.3 PCA
  • 10.3.1 PCA的主要思想
  • 10.3.2 最大方差理论
  • 10.4 本章小结
展开全部

评分及书评

评分不足
2个评分
  • 用户头像
    给这本书评了
    3.0
    不推荐

    理论堆砌，没有特殊的见解和点睛之笔。实践内容也没有亮点，浮于表面。

      转发
      评论
      用户头像
      给这本书评了
      5.0

      近几年来大数据、云计算、人工智能等概念越来越深入人心，相关技术也越来越成熟。技术的进步必然会带来社会的发展，进而推动整个人类社会不断进步。机器学习、深度学习、强化学习等均属于人工智能的细分领域，数据分析又是机器学习的基础，近几年在现实中的应用场景非常多，作用越发明显，因而越来越受到重视。随着 5G 时代的到来，数据分析、AI 方面的人才将更加紧缺，可以说未来很长一段时间数据分析人才都会是招聘市场上的高端人才，备受企业青睐。本书旨在帮助读者快速了解移动广告相关业务知识及具体应用，掌握数据分析相关理论和实践技能。

        转发
        评论

      出版方

      机械工业出版社有限公司

      机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。