《大数据处理：从采集到可视化》共分为9章，章数据采集，主要介绍了大数据的概念、类型及其特征，常见的数据采集方法；第2章数据清洗，主要讨论数据质量的维度，数据可能存在的质量问题，常见的数据清洗方法；第3章数据ETL，重点介绍了MGO方法；第4章数据存储，主要介绍了大数据时代的一些主流数据存储平台和相关技术；第5章回归算法，主要介绍了线性回归、决策树回归、随机森林回归等，并介绍了其实现的主要步骤以及相应的Python语言实现代码；第6章分类算法，主要介绍了逻辑回归二分类和多分类、度提升分类树等；第7章聚类算法，主要介绍了分割聚类、层次聚类、基于密度的聚类；第8章推荐算法，主要介绍了基于关联规则的推荐、基于内容过滤的推荐等主流方法；第9章数据可视化的关键技术，主要介绍了数据的降维、可视化隐喻及相关的交互技术。

余肖生，博士，教授，三峡大学计算机学院教授，计算机学系书记，毕业于武汉大学信息管理学院。近年来发表各类学术论文30余篇，其中CSSCI源刊论文10余篇，多篇论文被EI、CPCI收录。

第1章 数据采集
1．1 大数据概念
1．2 大数据类型及特征
1．3 数据采集方法
1．3．1 问卷调查方法
1．3．2 网络用户数据收集方法
1．3．3 系统曰志采集方法
1．3．4 网络数据采集方法

第2章 数据清洗
2．1 数据质量维度
2．2 数据预处理之数据可能存在的问题
2．3 数据质量问题的原因分析
2．3．1 数据源数据质量问题的原因分析
2．3．2 数据分析阶段数据质量问题的原因分析
2．4 数据预处理之数据问题处理方法
2．4．1 变化量识别
2．4．2 错误拒绝
2．4．3 列清洗
2．4．4 行过滤
2．5 记录匹配算法
……