本书系统地论述了信息分析与预测的基本概念、原理、理论、方法等内容，包括绪论以及信息分析与预测的程序、方法和专题研究三个部分。绪论概述了信息分析与预测的基本概念、功能、作用、特点和历史进展。程序部分介绍了信息分析与预测的基本程序，包括课题选择和计划；信息搜集；信息整理、评价和分析；信息分析与预测产品的制作、评价和利用。方法部分介绍了几种典型的定性、定量和半定量方法。专题研究部分以科学技术信息、技术经济信息、市场信息、竟争情报和社会科学信息的分析与预测为代表，对信息分析与预测的特点、内容以及某些专用程序和方法进行了深入的研究。 本书可供高等高校信息管理类各相关忖业作教材或教学参考书，亦可供信息管理部门以及其他各业的管理者、决策才、信息人员、研究与开发人员、市场营销人员等参考。

《信息分析与决策》可以划分为四大部分：第一部分（第1、2章）主要讨论决策概念、决策类型、决策程序、决策原则、决策技巧、决策的地位等有关决策的基本理论和基本方法问题；第二部分（第3章）可以视为第一部分与第三部分之间的链接，主要讨论信息分析在决策中的作用和信息分析的基本工作流程；第三部分（第4、5、6、7、8章）按照信息分析的主要工作环节，分章讨论了决策信息源、决策研究素材、信息分的方法、决策信息分析成果、信息分析人才等问题；第四部分（第9、10章）主要讨论决策者的素质、决策班子的遴选、决策群体的合作与共事、决策科学化等问题。《信息分析与决策》的主要读者群是管理科学的高年级学生、咨询人员和管理人员。该书的编写既注重了一定深度的理论探讨，又注重了实际操作过程和案例选择。理论联系实际、可操作性强、可读性高是《信息分析与决策》的一个突出特点。

本书按照基础知识、基本流程、分析方法、应用领域和辅助工具的编写思路，共7章，即第1章信息分析基础、第2章信息分析流程、第3章信息分析定性方法、第4章信息分析半定量方法、第5章信息分析定量方法、第6章信息分析应用和第7章计算机辅助信息分析，全面、系统地介绍了信息分析的核心内容。各章根据教学和学习需要安排了导入案例、导入问题、关键知识点、本章小结和本章习题，并补充了辅助阅读材料。

本书按照基础知识、基本流程、分析方法、应用领域和辅助工具的编写思路，共7章，即第1章信息分析基础、第2章信息分析流程、第3章信息分析定性方法、第4章信息分析半定量方法、第5章信息分析定量方法、第6章信息分析应用和第7章计算机辅助信息分析，全面、系统地介绍了信息分析的核心内容。各章根据教学和学习需要安排了导入案例、导入问题、关键知识点、本章小结和本章习题，并补充了辅助阅读材料。

《信息分析:基础、方法及应用》系统地论述了信息分析的基本概念、原理、方法和具体应用。《信息分析:基础、方法及应用》中基础篇阐述了信息分析的基本概念、理论、流程和方法体系；方法篇着重对信息分析常用的定性分析方法和定量分析方法进行了系统介绍，包括预测方法和决策方法；应用篇针对专利信息分析、市场信息分析和竞争情报分析这三个具有代表性的领域，论述了信息分析方法的具体应用；附录中提供了数据处理的基本知识、常用统计软件及常用定量分析方法的计算机程序。 《信息分析:基础、方法及应用》可作为高等院校信息管理类相关专业的教师、学生参考用书，也可供从事信息管理、分析和经济管理等工作的企事业单位管理者、决策者和研究者参考。

通过做数据分析学习数据分析 《数据挖掘与预测分析(第2版)》提供了从数据准备到探索性数据分析、数据建模及模型评估等整个数据分析过程的内容。《数据挖掘与预测分析(第2版)》不仅提供了理解软件底层算法的“白盒”方法，而且提供了能够使读者利用现实世界数据集开展数据挖掘与预测分析的应用方法。 第2版的新内容： ● 添加了500多页的新内容，包括20个新章节，例如，数据建模准备、成本-效益分析、缺失数据填充、聚类优劣度量以及细分模型等。 ● 针对前沿主题的新章节，例如，多元分类模型、BIRCH聚类、集成学习(bagging及boosting)、模型投票与趋向平均等。 ● 每章节后均附有R语言开发园地，读者可以获得完成书中分析所需的R语言源代码，以及通过R代码生成的图、表和结果。 ● 书中的附录为那些对统计基础生疏的读者提供了了解基本概念的材料。 ● 超过750...(展开全部)

本书先介绍预测分析的重要概念和原则，然后给出一系列的代码示例和算法讲解，引导读者了解完整的预测分析流程，进而用Python工具构建高性能的预测分析解决方案。全书所涵盖的内容包括预测分析过程、理解问题和准备数据、理解数据集—探索性数据分析、基于机器学习的数值预测、基于机器学习的类别预测、调整模型和提高性能、基于Dash的模型实现等。 本书适合想要学习预测建模并对用Python工具实现预测分析解决方案感兴趣的数据分析师、数据科学家、数据工程师和Python开发人员阅读，也适合对预测分析感兴趣的读者参考。

本书先介绍预测分析的重要概念和原则，然后给出一系列的代码示例和算法讲解，引导读者了解完整的预测分析流程，进而用Python工具构建高性能的预测分析解决方案。全书所涵盖的内容包括预测分析过程、理解问题和准备数据、理解数据集—探索性数据分析、基于机器学习的数值预测、基于机器学习的类别预测、调整模型和提高性能、基于Dash的模型实现等。 本书适合想要学习预测建模并对用Python工具实现预测分析解决方案感兴趣的数据分析师、数据科学家、数据工程师和Python开发人员阅读，也适合对预测分析感兴趣的读者参考。

本书从理解问题定义、了解数据内的高层信息、数据清理、视化数据，到基础建模、模型优化，分享一个数据分析师的视角与思路。在预测分析的流程中，一步步用详细的图文代码讲解使用到的库，如何正确使用各个库中的方法和函数，以及在遇到类似的问题时如何套用学过的知识。本书共8章。第1章对预测分析的流程进行一个高层次的概述。第2章介绍本书需要安装使用的库，并讲解数据清理步骤的执行。第3章讲解基础建模需考虑的细节，结合第4章的模型选择，可以搭建一个基础的预测管道。第5章和第6章分别从模型和数据的角度讲解如何优化预测表现。第7章讲解时间序列这一特殊数据的预测方法。最后，第8章总结全书学习到的内容，解决一个实战问题。本书面向3类读者。第1类，有编程基础但毫无数据科学背景，有意入门的读者；第2类，有数据科学理论基础，有意进入实操的读者，如刚毕业没有业界经验的学生；第3类，有数据科学理论基础与实操经验，但日常工作集中在数据分析管道中的数据分析师。

《技术分析与股票盈利预测》作为一本实用投资教程，《技术分析与股票盈利预测》从出版到现在一直保持了实用性、有效性及其活力。《技术分析与股票盈利预测》还为罗伯特·爱德华先生和约翰·迈吉先生的畅销书《股市趋势技术分析》铺平了道路，在该畅销书的前言里，作者对沙巴克先生做出了由衷的感谢——“《技术分析与股票盈利预测》第一章大部分内容源于已故理查德W·沙巴克先生最早的研究和论著”。沙巴克提出了技术分析是一整体结构的观点，并展示了各种重要的模式、结构、趋势、支撑和阻力位、以及相关的技术细节。他列举了可以放心依赖的各种因素，同时也关注了那些干扰技术预测的缺陷和弱点。这些因素是投资者在价格、时间、交易量的游戏中必须接受和使用的。对市场上了解他的人来说，沙巴克先生堪称“技术分析之父”。