Python广告数据挖掘与分析实战

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。本书第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。读者如果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。

这是一本全面、深入介绍Python在广告数据挖掘与分析领域应用的实战指南。全书共十二章，从Python的安装方法、广告数据分析的基础概念、到利用Python建立广告分类模型、集成模型，再到移动广告常用数据分析方法，以及广告数据分析报告撰写，涵盖了广告数据挖掘与分析的各个方面。 书中详细讲解了Python的由来与特点，Anaconda的安装与使用，PyCharm的安装与环境配置等基础知识，并深入探讨了数据分布与异常值诊断，广告数据分析基础概念等理论内容。此外，书中还详细介绍了NumPy，Pandas，Matplotlib等Python数据分析工具包的使用方法，为读者的数据分析工作提供了强大的支持。 在广告分类模型方面，书中详细讲解了逻辑回归，决策树，KNN，SVM，神经网络等常见监督学习算法，并介绍了随机森林，GBDT，XGBoost，Stacking等集成学习算法，帮助读者深入理解并掌握这些算法的原理和实现方法。 在移动广告常用数据分析方法方面，书中详细介绍了游戏行业用户分析的重要性，数据分析报告的应用场景等内容，并重点介绍了Lookalike聚类分析的定义，原理和应用方法，为读