為何會寫本書
數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中，通過統(tǒng)計、人工智能、機器學(xué)習(xí)等方法，挖掘人們未知的、有價值的信息和知識的過程。它帶來的顛覆性在于將隱藏在大量雜亂數(shù)據(jù)中的有用信息提煉出來，通過算法自動尋找變量間的關(guān)系。
隨著時代的發(fā)展，數(shù)據(jù)挖掘逐漸成為大數(shù)據(jù)技術(shù)的核心，如何挖掘并分析數(shù)據(jù)成為大數(shù)據(jù)技術(shù)發(fā)展面臨的重要議題。特別是在金融應(yīng)用領(lǐng)域，數(shù)據(jù)挖掘技術(shù)扮演著舉足輕重的角色。即使如此，縱觀目前國內(nèi)技術(shù)圖書市場，真正結(jié)合理論與實踐講解金融領(lǐng)域數(shù)據(jù)挖掘與分析技術(shù)的圖書很少，可以系統(tǒng)呈現(xiàn)知識點并將代碼落地的專業(yè)書更是鳳毛麟角。
基于此，本書以應(yīng)用為導(dǎo)向，從數(shù)據(jù)挖掘出發(fā)，借助Python語言，將數(shù)據(jù)挖掘理論知識與金融領(lǐng)域的實際應(yīng)用相結(jié)合，循序漸進地介紹了Python金融數(shù)據(jù)的挖掘與分析。此外，本書每一章均配有視頻講解，詳解代碼每一步的運行過程及原理，并提供完整代碼和數(shù)據(jù)資源，以幫助讀者更好地理解與應(yīng)用相關(guān)知識。
本書特色
一、內(nèi)容精煉，普適性強
本書從數(shù)據(jù)分析的工具入手，詳解Python的基礎(chǔ)規(guī)則和語法，由淺入深地講解深度學(xué)習(xí)相關(guān)算法和理論知識，并與金融數(shù)據(jù)挖掘?qū)崙?zhàn)充分結(jié)合，可以幫助讀者在理解理論知識的基礎(chǔ)上體驗數(shù)據(jù)分析實戰(zhàn)，真正做到學(xué)以致用。
二、提供大量實戰(zhàn)經(jīng)驗和學(xué)習(xí)實例
“授之以魚，不如授之以漁�！北緯�在講解知識點時，更注重方法與經(jīng)驗的分享，包括“含金量”很高的成功經(jīng)驗分享以及易錯事項的總結(jié)分析。同時，每章均提供一定的實例，將原理講解終落實到代碼實現(xiàn)上，幫助讀者在學(xué)習(xí)路上披荊斬棘，快速將理論與實踐融會貫通。
三、配備教學(xué)視頻和完整的源代碼
為了方便讀者學(xué)習(xí)，作者針對每章內(nèi)容的核心知識點錄制了講解視頻，且提供PPT、完整代碼和數(shù)據(jù)資源。讀者關(guān)注公眾號“云創(chuàng)大數(shù)據(jù)”（cStor_cn），在公眾號回復(fù)本書書名，即可領(lǐng)取相關(guān)配套資源，使學(xué)習(xí)更為高效。每一章的習(xí)題答案也可從公眾號獲取。
四、針對初學(xué)者講解Python基礎(chǔ)知識
本書使用Python語言編寫代碼，通過深入淺出的語言與豐富的樣例展示，幫助初學(xué)者快速上手Python語言。
內(nèi)容簡介
本書共分為14章，采用雙主線的寫作方式：一條主線是理論，涵蓋基礎(chǔ)理論相關(guān)概念的介紹以及各種算法原理的講解；另外一條主線是實戰(zhàn)，既包括如何上手Python，又包括相關(guān)主題實例分析。
第1～3章為Python數(shù)據(jù)分析基礎(chǔ)，內(nèi)容涵蓋了選取Python語言做數(shù)據(jù)分析的原因、Jupyter Notebook的使用、Python基礎(chǔ)知識和語法入門以及數(shù)據(jù)預(yù)處理流程和技巧，可幫助初學(xué)者快速上手Python，為之后的數(shù)據(jù)分析實戰(zhàn)夯實基礎(chǔ)。
第4章講解經(jīng)典的數(shù)據(jù)挖掘方法，包括聚類分析、回歸分析、分類分析、異常檢測、關(guān)聯(lián)分析、時間序列分析等。
本書從第5章開始介紹深度學(xué)習(xí)相關(guān)的理論知識與實踐。其中，第5章主要介紹網(wǎng)絡(luò)輿情的采集和熱點分析，并通過爬取微博熱門評論對熱點話題進行聚類分析，使讀者初步了解網(wǎng)絡(luò)輿情分析，為以后深入研究網(wǎng)絡(luò)輿情發(fā)展和變化打下堅實的基礎(chǔ)。第6章詳細(xì)介紹輿情分析的重中之重：情感分類。從評論文本分析出用戶的情感傾向，精確掌握用戶對于某一產(chǎn)品的整體使用感受，便于向商戶提供產(chǎn)品決策支持信息。
第7章和第8章講解利用傳統(tǒng)的機器學(xué)習(xí)算法以及深度學(xué)習(xí)中的循環(huán)神經(jīng)網(wǎng)絡(luò)對股價趨勢進行預(yù)測，重點闡述了SVM算法和ARIMA算法，同時證明了市場情感對股票市場的發(fā)展趨勢有著不容忽視的影響。
第9～11章介紹了個人信用評分和企業(yè)信用評分的技術(shù)與方法，先后闡述了相關(guān)算法及理論基礎(chǔ)，并結(jié)合具體實例，讓讀者更加清晰地了解并掌握個人及企業(yè)信用評估的整個流程。
人物畫像有利于精準(zhǔn)定位用戶群體并獲取用戶需求和反饋信息。第12章主要講解用戶畫像，包括用戶畫像的定義、標(biāo)簽體系、用戶畫像的意義以及用戶畫像的構(gòu)建等，還通過兩個用戶畫像的實戰(zhàn)案例，幫助讀者在實際應(yīng)用中進一步理解和構(gòu)建用戶畫像。
第13章主要講述搭建目標(biāo)客戶運營體系流程、目標(biāo)客戶的挖掘與分類等，通過可視化展示、聚類算法以及LRFMC分類模型的建立精確區(qū)分目標(biāo)客戶，從而實現(xiàn)對客戶的精準(zhǔn)分群管理，達到穩(wěn)固企業(yè)運營體系的目的。第14章通過對銷售數(shù)據(jù)的進一步分析挖掘，同時借助關(guān)聯(lián)規(guī)則—Apriori算法—實現(xiàn)商品智能推薦、關(guān)聯(lián)商品的組合銷售以及客戶的精準(zhǔn)營銷，終達到讓企業(yè)獲取更多利潤的目的。
讀者對象
本書適合以下幾類讀者：
金融行業(yè)數(shù)據(jù)相關(guān)崗位技術(shù)人員；
企業(yè)運營人員；
數(shù)據(jù)分析師；
數(shù)據(jù)挖掘工程師；
高等院校相關(guān)專業(yè)學(xué)生。
致謝
在此，特別感謝我的碩士導(dǎo)師謝希仁教授和博士導(dǎo)師李三立院士。謝希仁教授出版的《計算機網(wǎng)絡(luò)》已經(jīng)更新到了第8版，堪稱與時俱進且日臻完美的典范，這時時提醒著我們要以這樣的標(biāo)準(zhǔn)來寫書。李三立院士是留蘇博士，為我國計算機事業(yè)做出了杰出貢獻，曾任國家攀登計劃計算項目首席科學(xué)家。他治學(xué)嚴(yán)謹(jǐn)，帶出了一大批杰出的學(xué)生。
本書是集體智慧的結(jié)晶，在此謹(jǐn)向付出辛勤勞動的各位同行者致敬！書中難免會有不當(dāng)之處，請讀者不吝賜教。我的郵箱為gloud@126.com，微信公眾號為“劉鵬看未來”（lpoutlook）。

劉　鵬
2021年9月