中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
智能系統與技術叢書PYTHON3智能數據分析快速入門 版權信息
- ISBN：9787111628057
- 條形碼：9787111628057 ; 978-7-111-62805-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能系統與技術叢書PYTHON3智能數據分析快速入門 本書特色
內容簡介
本書以Python相關技術為工具，講解了如何基于機器學習等AI技術進行智能數據分析。
作者在Python數據挖掘與分析領域有10余年的工作經驗，對AI技術驅動的智能數據分析有非常深入的研究。本書面向沒有Python編程基礎和AI技術基礎的讀者，由淺入深地提供了系統的Python智能數據分析的技術和方法。
全書共9章，從邏輯上可分為兩個部分：
第壹部分：Python編程基礎（1~4章）
這部分詳細介紹了從事Python編程需要掌握的各種基礎知識，包括開發環境的搭建與配置，以及各種語法和常見Python庫的原理和使用方法。
第二部分：智能數據分析（第5~9章）
這部分對Python的數值分析庫NumPy、數據處理庫pandas、繪圖庫Matplotlib/Seaborn/Bokeh、機器學習與數據分析建模庫scikit-lear等進行了詳細地講解，包含數據讀取、數據預處理、模型構建、模型評價、結果可視化等整個數據分析的過程，能指導讀者快速入門Python智能數據分析。
智能系統與技術叢書PYTHON3智能數據分析快速入門 內容簡介
內容簡介本書以Python相關技術為工具，講解了如何基于機器學習等AI技術進行智能數據分析。作者在Python數據挖掘與分析領域有10余年的工作經驗，對AI技術驅動的智能數據分析有很好深入的研究。本書面向沒有Python編程基礎和AI技術基礎的讀者，由淺入深地提供了系統的Python智能數據分析的技術和方法。全書共9章，從邏輯上可分為兩個部分：第壹部分：Python編程基礎（1~4章）這部分詳細介紹了從事Python編程需要掌握的各種基礎知識，包括開發環境的搭建與配置，以及各種語法和常見Python庫的原理和使用方法。第二部分：智能數據分析（第5~9章）這部分對Python的數值分析庫NumPy、數據處理庫pandas、繪圖庫Matplotlib/Seaborn/Bokeh、機器學習與數據分析建模庫scikit-lear等進行了詳細地講解，包含數據讀取、數據預處理、模型構建、模型評價、結果可視化等整個數據分析的過程，能指導讀者快速入門Python智能數據分析。
智能系統與技術叢書PYTHON3智能數據分析快速入門 目錄
前言
第1章 Python概述 1
1.1 Python語言介紹 1
1.1.1 Python的發展史 1
1.1.2 Python特性 2
1.1.3 Python應用領域 3
1.1.4 Python機器學習優勢 6
1.2 Python環境配置 8
1.2.1 Python 2還是Python 3 8
1.2.2 Anaconda簡介 8
1.2.3 安裝Anaconda 3 9
1.3 Python的解釋器與IDE 12
1.3.1 Python的解釋器 13
1.3.2 Python各IDE比較 13
1.3.3 PyCharm的安裝與使用 16
1.3.4 Jupyter Notebook的使用 26
小結 32
課后習題 33
第2章 Python基礎知識 34
2.1 固定語法 34
2.1.1 聲明與注釋 34
2.1.2 縮進與多行語句 36
2.1.3 保留字符與賦值 38
2.2 運算符 40
2.2.1 算術運算符 40
2.2.2 賦值運算符 41
2.2.3 比較運算符 43
2.2.4 邏輯運算符 44
2.2.5 按位運算符 44
2.2.6 身份運算符 45
2.2.7 成員運算符 46
2.2.8 運算符優先級 47
2.3 數據類型 48
2.3.1 基礎數據類型 48
2.3.2 復合數據類型 55
2.4 Python I/O 63
2.4.1 input與print 64
2.4.2 文件I/O 67
小結 70
課后習題 70
第3章 控制語句 72
3.1 條件語句 72
3.1.1 if、elif與else 73
3.1.2 try、except與else 76
3.2 循環語句 80
3.2.1 for 81
3.2.2 while 83
3.2.3 break、continue與pass 85
3.2.4 列表推導式 89
小結 91
課后習題 91
第4章 函數與對象 94
4.1 函數 94
4.1.1 內置函數 94
4.1.2 自定義函數 101
4.1.3 匿名函數 107
4.2 對象 109
4.2.1 面向對象簡介 109
4.2.2 屬性與方法 110
4.2.3 裝飾器 116
4.2.4 繼承和多態 119
4.3 Python常用庫安裝 126
4.3.1 第三方庫安裝 126
4.3.2 第三方庫導入 130
4.3.3 第三方庫創建 131
小結 132
課后習題 133
第5章 NumPy數值計算 135
5.1 ndarray創建與索引 135
5.1.1 創建ndarray對象 135
5.1.2 ndarray的索引與切片 142
5.2 ndarray的基礎操作 145
5.2.1 變換ndarray的形態 145
5.2.2 排序與搜索 151
5.2.3 字符串操作 156
5.3 ufunc 159
5.3.1 ufunc的廣播機制 159
5.3.2 常用ufunc 160
5.4 matrix與線性代數 169
5.4.1 創建NumPy矩陣 169
5.4.2 矩陣的屬性和基本運算 170
5.4.3 線性代數運算 172
5.5 NumPy文件讀寫 175
5.5.1 二進制文件讀寫 175
5.5.2 文件列表形式數據讀寫 178
小結 180
課后習題 180
第6章 pandas基礎 182
6.1 pandas常用類 182
6.1.1 Series 182
6.1.2 DataFrame 187
6.1.3 Index 191
6.2 DataFrame基礎操作 193
6.2.1 索引 193
6.2.2 排序 201
6.2.3 合并 204
6.3 其他數據類型操作 210
6.3.1 時間操作 210
6.3.2 文本操作 220
6.3.3 category操作 223
小結 227
課后習題 227
第7章 pandas進階 229
7.1 數據讀取與寫入 229
7.1.1 CSV 229
7.1.2 Excel 231
7.1.3 數據庫 233
7.2 DataFrame進階 235
7.2.1 統計分析 235
7.2.2 分組運算 242
7.2.3 透視表和交叉表 248
7.3 數據準備 250
7.3.1 缺失值處理 251
7.3.2 重復數據處理 255
7.3.3 連續特征離散化處理 256
7.3.4 啞變量處理 259
小結 260
課后習題 260
第8章 繪圖 263
8.1 Matplotlib繪圖基礎 263
8.1.1 編碼風格 263
8.1.2 動態rc參數 267
8.1.3 散點圖 273
8.1.4 折線圖 276
8.1.5 餅圖 278
8.1.6 直方圖與條形圖 280
8.1.7 箱線圖 282
8.2 Seaborn進階繪圖 285
8.2.1 Seaborn基礎 285
8.2.2 關系圖 301
8.2.3 分類圖 311
8.2.4 分布圖 329
8.2.5 回歸圖 334
8.2.6 矩陣圖 341
8.2.7 網格圖 345
8.3 Bokeh交互式繪圖 356
8.3.1 基本構成與語法 356
8.3.2 常見圖形繪制 370
8.3.3 導出與嵌入 375
8.3.4 運行Bokeh應用程序 379
小結 381
習題 381
第9章 scikit-learn 383
9.1 數據準備 383
9.1.1 標準化 383
9.1.2 歸一化 387
9.1.3 二值化 388
9.1.4 獨熱編碼 389
9.2 降維 391
9.2.1 PCA 392
9.2.2 隨機投影 396
9.2.3 字典學習 402
9.2.4 獨立成分分析 408
9.2.5 非負矩陣分解 412
9.2.6 線性判別分析 416
9.3 聚類 420
9.3.1 K-Means 421
9.3.2 層次聚類 424
9.3.3 DBSCAN 427
9.3.4 高斯混合模型 430
9.4 分類 434
9.4.1 Logistic回歸 435
9.4.2 支持向量機 439
9.4.3 決策樹 443
9.4.4 *近鄰 447
9.4.5 樸素貝葉斯 450
9.4.6 隨機森林 452
9.4.7 多層感知機 456
9.5 回歸 460
9.5.1 *小二乘回歸 461
9.5.2 嶺回歸 464
9.5.3 Lasso回歸 466
9.5.4 決策樹回歸 468
9.5.5 隨機森林回歸 471
9.5.6 多層感知機回歸 473
9.6 模型選擇 476
9.6.1 數據集劃分 476
9.6.2 交叉驗證 478
9.6.3 自動調參 479
9.6.4 模型評估 481
小結 486
課后習題 487
第1章 Python概述 1
1.1 Python語言介紹 1
1.1.1 Python的發展史 1
1.1.2 Python特性 2
1.1.3 Python應用領域 3
1.1.4 Python機器學習優勢 6
1.2 Python環境配置 8
1.2.1 Python 2還是Python 3 8
1.2.2 Anaconda簡介 8
1.2.3 安裝Anaconda 3 9
1.3 Python的解釋器與IDE 12
1.3.1 Python的解釋器 13
1.3.2 Python各IDE比較 13
1.3.3 PyCharm的安裝與使用 16
1.3.4 Jupyter Notebook的使用 26
小結 32
課后習題 33
第2章 Python基礎知識 34
2.1 固定語法 34
2.1.1 聲明與注釋 34
2.1.2 縮進與多行語句 36
2.1.3 保留字符與賦值 38
2.2 運算符 40
2.2.1 算術運算符 40
2.2.2 賦值運算符 41
2.2.3 比較運算符 43
2.2.4 邏輯運算符 44
2.2.5 按位運算符 44
2.2.6 身份運算符 45
2.2.7 成員運算符 46
2.2.8 運算符優先級 47
2.3 數據類型 48
2.3.1 基礎數據類型 48
2.3.2 復合數據類型 55
2.4 Python I/O 63
2.4.1 input與print 64
2.4.2 文件I/O 67
小結 70
課后習題 70
第3章 控制語句 72
3.1 條件語句 72
3.1.1 if、elif與else 73
3.1.2 try、except與else 76
3.2 循環語句 80
3.2.1 for 81
3.2.2 while 83
3.2.3 break、continue與pass 85
3.2.4 列表推導式 89
小結 91
課后習題 91
第4章 函數與對象 94
4.1 函數 94
4.1.1 內置函數 94
4.1.2 自定義函數 101
4.1.3 匿名函數 107
4.2 對象 109
4.2.1 面向對象簡介 109
4.2.2 屬性與方法 110
4.2.3 裝飾器 116
4.2.4 繼承和多態 119
4.3 Python常用庫安裝 126
4.3.1 第三方庫安裝 126
4.3.2 第三方庫導入 130
4.3.3 第三方庫創建 131
小結 132
課后習題 133
第5章 NumPy數值計算 135
5.1 ndarray創建與索引 135
5.1.1 創建ndarray對象 135
5.1.2 ndarray的索引與切片 142
5.2 ndarray的基礎操作 145
5.2.1 變換ndarray的形態 145
5.2.2 排序與搜索 151
5.2.3 字符串操作 156
5.3 ufunc 159
5.3.1 ufunc的廣播機制 159
5.3.2 常用ufunc 160
5.4 matrix與線性代數 169
5.4.1 創建NumPy矩陣 169
5.4.2 矩陣的屬性和基本運算 170
5.4.3 線性代數運算 172
5.5 NumPy文件讀寫 175
5.5.1 二進制文件讀寫 175
5.5.2 文件列表形式數據讀寫 178
小結 180
課后習題 180
第6章 pandas基礎 182
6.1 pandas常用類 182
6.1.1 Series 182
6.1.2 DataFrame 187
6.1.3 Index 191
6.2 DataFrame基礎操作 193
6.2.1 索引 193
6.2.2 排序 201
6.2.3 合并 204
6.3 其他數據類型操作 210
6.3.1 時間操作 210
6.3.2 文本操作 220
6.3.3 category操作 223
小結 227
課后習題 227
第7章 pandas進階 229
7.1 數據讀取與寫入 229
7.1.1 CSV 229
7.1.2 Excel 231
7.1.3 數據庫 233
7.2 DataFrame進階 235
7.2.1 統計分析 235
7.2.2 分組運算 242
7.2.3 透視表和交叉表 248
7.3 數據準備 250
7.3.1 缺失值處理 251
7.3.2 重復數據處理 255
7.3.3 連續特征離散化處理 256
7.3.4 啞變量處理 259
小結 260
課后習題 260
第8章 繪圖 263
8.1 Matplotlib繪圖基礎 263
8.1.1 編碼風格 263
8.1.2 動態rc參數 267
8.1.3 散點圖 273
8.1.4 折線圖 276
8.1.5 餅圖 278
8.1.6 直方圖與條形圖 280
8.1.7 箱線圖 282
8.2 Seaborn進階繪圖 285
8.2.1 Seaborn基礎 285
8.2.2 關系圖 301
8.2.3 分類圖 311
8.2.4 分布圖 329
8.2.5 回歸圖 334
8.2.6 矩陣圖 341
8.2.7 網格圖 345
8.3 Bokeh交互式繪圖 356
8.3.1 基本構成與語法 356
8.3.2 常見圖形繪制 370
8.3.3 導出與嵌入 375
8.3.4 運行Bokeh應用程序 379
小結 381
習題 381
第9章 scikit-learn 383
9.1 數據準備 383
9.1.1 標準化 383
9.1.2 歸一化 387
9.1.3 二值化 388
9.1.4 獨熱編碼 389
9.2 降維 391
9.2.1 PCA 392
9.2.2 隨機投影 396
9.2.3 字典學習 402
9.2.4 獨立成分分析 408
9.2.5 非負矩陣分解 412
9.2.6 線性判別分析 416
9.3 聚類 420
9.3.1 K-Means 421
9.3.2 層次聚類 424
9.3.3 DBSCAN 427
9.3.4 高斯混合模型 430
9.4 分類 434
9.4.1 Logistic回歸 435
9.4.2 支持向量機 439
9.4.3 決策樹 443
9.4.4 *近鄰 447
9.4.5 樸素貝葉斯 450
9.4.6 隨機森林 452
9.4.7 多層感知機 456
9.5 回歸 460
9.5.1 *小二乘回歸 461
9.5.2 嶺回歸 464
9.5.3 Lasso回歸 466
9.5.4 決策樹回歸 468
9.5.5 隨機森林回歸 471
9.5.6 多層感知機回歸 473
9.6 模型選擇 476
9.6.1 數據集劃分 476
9.6.2 交叉驗證 478
9.6.3 自動調參 479
9.6.4 模型評估 481
小結 486
課后習題 487
展開全部
智能系統與技術叢書PYTHON3智能數據分析快速入門 作者簡介
作者介紹
李明江
大數據專家，貴州省計算機學會常務理事，黔南州大數據專家委員會委員，黔南州計算機學會會長，黔南州教育信息化建設專家庫專家，黔南民族師范學院計算機與信息學院院長，全國高校大數據教育聯盟理事。
主持過多項省廳級科研項目，并在《計算機應用研究》《科技通報》上發表多篇大數據分析與數據挖掘相關技術的研究論文，著有《數據挖掘的應用與實踐：案例與探析》《計算機網絡技術與應用》等著作。
張良均
大數據挖掘與分析專家、模式識別專家、AI技術專家。有10余年大數據挖掘與分析經驗，擅長Python、R語言、Hadoop、Matlab等技術實現的數據挖掘與分析，對機器學習等AI技術驅動的數據分析也有深入的研究。作者介紹
李明江
大數據專家，貴州省計算機學會常務理事，黔南州大數據專家委員會委員，黔南州計算機學會會長，黔南州教育信息化建設專家庫專家，黔南民族師范學院計算機與信息學院院長，全國高校大數據教育聯盟理事。
主持過多項省廳級科研項目，并在《計算機應用研究》《科技通報》上發表多篇大數據分析與數據挖掘相關技術的研究論文，著有《數據挖掘的應用與實踐：案例與探析》《計算機網絡技術與應用》等著作。
張良均
大數據挖掘與分析專家、模式識別專家、AI技術專家。有10余年大數據挖掘與分析經驗，擅長Python、R語言、Hadoop、Matlab等技術實現的數據挖掘與分析，對機器學習等AI技術驅動的數據分析也有深入的研究。
為電信、電力、政府、互聯網、生產制造、零售、銀行、生物、化工、醫藥等多個行業上百家大型企業提供過數據挖掘應用與咨詢服務，實踐經驗非常豐富。是華南師范大學、中南財經政法大學、廣東工業大學、西安理工大學、廣西科技大學、重慶交通大學、桂林電子科技大學等校外碩導。
撰寫了《Python數據分析與挖掘實戰》《R語言數據分析與挖掘實戰》《數據挖掘：實用案例分析》《Hadoop大數據分析與挖掘實戰》等多部暢銷書，累計銷量近20萬冊。
書友推薦
- >
經典常談
- >
隨園食單
- >
山海經
- >
莉莉和章魚
- >
姑媽的寶刀
- >
我與地壇
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
伊索寓言-世界文學名著典藏-全譯本
本類暢銷
