Python广告数据挖掘与分析实战

　　这是一部营销和广告数据挖掘与分析的实战指南，横跨技术和业务两个维度，理论与实践相结合。技术维度，结合营销与广告行业的实际需求，系统讲解了广告数据挖掘的模型、算法以及数据分析方法，从而实现面向用户的精准营销；业务维度，结合广告业务的具体场景，为广告中的具体问题提供解决方案。更重要的是，本书还讲解了热门的机器学习算法在广告数据挖掘与分析中的应用。 全书共 10 章，从逻辑上可分为技术理论知识和具体业务应用两个部分。前6章以及第10章主要讲解了广告数据分析与挖掘的技术、方法和应用，第7～9 章则主要讲解了广告业务中的具体问题及相应的解决方法。 第1～2 章主要介绍了Python的安装和环境配置，以及广告数据和广告数据分析的基础知识；第3～6章深入讲解了Python常用的工具包、模型常用的评价指标，以及如何利用Python建立广告分类模型和集成模型。 第7～8章讲解了广告数据分析的典型案例和常用分析方法，以及如何做一份满意的数据分析报告。 第9章讲解了如何运用数据分析与挖掘方法解决广告业务中的实际问题。 第 10 章主要讲解了常用的数据预处理及特征选择方法。

　　杨游云 资深数据分析专家和AI技术专家，在广告领域工作多年，目前就职于微思敦深圳分公司皓量科技。在AI技术领域有非常深厚的积累，擅长机器学习和自然语言处理，对图像识别技术也有一定的研究。 个人微信公众号：数据挖掘与AI算法。 周健 资深数据挖掘工程师，现就职于国内某大型征信服务公司，曾为多家国有银行、股份制银行、大型金融机构提供反欺诈、信用评分方案。在传统机器学习方面有深入的理解和丰富的实战经验，在网络爬虫和自然语言处理方面也有自己独特的见解。

前言
第1章　Python安装方法1
1.1　Python介绍1
1.2　Anaconda安装2
1.3　PyCharm安装及环境配置9
1.4　为什么建议使用Python17
1.5　本章小结18
第2章　认识广告数据分析19
2.1　广告数据概述19
2.2　广告数据分布20
2.3　异常值诊断24
2.4　数据相关性26
2.5　显著性检验27
2.6　本章小结27
第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
3.2　数据预处理工具：Pandas46
3.3　数据可视化分析工具：Matplotlib63
3.4　本章小结74
第4章　模型常用评价指标75
4.1　回归模型常用评价指标75
4.2　分类模型常用评价指标77
4.3　本章小结87
第5章　利用Python建立广告分类模型88
5.1　逻辑回归88
5.2　决策树92
5.3　KNN98
5.4　SVM101
5.5　神经网络110
5.6　本章小结118
第6章　利用Python建立广告集成模型119
6.1　随机森林119
6.2　GBDT124
6.3　XGBoost128
6.5　LR+GBDT137
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
第7章　移动广告常用数据分析方法149
7.1　App下载数据分析149
7.2　游戏行业用户分析151
7.3　电商类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
7.6　品牌广告与效果广告166
7.7　本章小结168
第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
第9章　广告用户数据挖掘与分析175
9.1　广告用户曝光与响应率分析175
9.2　广告用户曝光与点击率分析178
9.3　广告订单消耗与延时性分析181
9.4　Lookalike聚类分析186
9.5　Lookalike技术在广告中的应用190
9.6　本章小结192
第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
10.2　常用特征选择方法197
10.3　PCA209
10.4　本章小结214