掃一掃
關(guān)注中圖網(wǎng)
官方微博
中圖價(jià):¥36.3
加入購物車
大數(shù)據(jù)分析:從理論到實(shí)踐 版權(quán)信息
- ISBN：9787121412615
- 條形碼：9787121412615 ; 978-7-121-41261-5
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
大數(shù)據(jù)分析:從理論到實(shí)踐 本書特色
1.四色印數(shù)2.結(jié)合實(shí)踐中很多現(xiàn)實(shí)案例，體現(xiàn)大數(shù)據(jù)分析與可視化的過程
大數(shù)據(jù)分析:從理論到實(shí)踐 內(nèi)容簡介
本書包含10章，分為：章，闡述數(shù)據(jù)分析的基礎(chǔ)理論；第2章，介紹數(shù)據(jù)清洗和數(shù)據(jù)獲取的知識(shí)和方法；第3章至第9章，覆蓋了基礎(chǔ)統(tǒng)計(jì)分析、多維數(shù)據(jù)分析、時(shí)序數(shù)據(jù)分析、地理數(shù)據(jù)分析、圖數(shù)據(jù)分析、文本數(shù)據(jù)分析和多媒體數(shù)據(jù)分析，包括每種分析方法的基礎(chǔ)定義、分析方法和工具使用到具體領(lǐng)域的可視化實(shí)用案例；0章，以中國社會(huì)發(fā)展數(shù)據(jù)演示分析方法的使用。書中提到的基礎(chǔ)理論知識(shí)都有配套的在線實(shí)踐工具，能夠讓用戶在學(xué)習(xí)基礎(chǔ)理論知識(shí)之后和實(shí)踐進(jìn)行連接，真正達(dá)到學(xué)以致用的效果。通過實(shí)踐工具，用戶可以實(shí)現(xiàn)獨(dú)自完成數(shù)據(jù)可視化分析案例的產(chǎn)出。本書采用了可視化輔助分析的辦法，通俗易懂，不拘泥于數(shù)學(xué)公式。 本書不僅可作為數(shù)據(jù)分析初學(xué)者的入門手冊，也可作為數(shù)據(jù)分析學(xué)者進(jìn)行數(shù)據(jù)研究和案例分析的參考指南。
大數(shù)據(jù)分析:從理論到實(shí)踐 目錄
第1章 引言 1
1．1 大數(shù)據(jù)的發(fā)展歷程 1
1．2 大數(shù)據(jù)的概念和定義 3
1．2．1 大量(Volume) 4
1．2．2 多樣(Variety) 5
1．2．3 價(jià)值密度低(Value) 5
1．2．4 高速(Velocity) 5
1．2．5 真實(shí)性(Veracity) 6
1．3 大數(shù)據(jù)對(duì)社會(huì)的影響 6
1．3．1 大數(shù)據(jù)促進(jìn)經(jīng)濟(jì)發(fā)展 6
1．3．2 大數(shù)據(jù)提升社會(huì)保障 7
1．3．3 數(shù)據(jù)治國 8
1．4 大數(shù)據(jù)的分析方法 9
1．4．1 統(tǒng)計(jì) 9
1．4．2 數(shù)據(jù)挖掘 10
1．4．3 人工智能 11
1．5 數(shù)據(jù)可視化技術(shù) 11
1．5．1 可視化歷史 11
1．5．2 可視化概述 12
1．5．3 可視化應(yīng)用 15
第2章 數(shù)據(jù)預(yù)處理 17
2．1 什么是網(wǎng)絡(luò)爬蟲 17
2．2 網(wǎng)絡(luò)爬蟲的實(shí)現(xiàn) 18
2．2．1 Python編程語言 18
2．2．2 正則表達(dá)式 19
2．2．3 超文本標(biāo)記語言 21
2．2．4 超文本傳輸協(xié)議 23
2．3 數(shù)據(jù)清洗 24
2．3．1 處理缺失值 24
2．3．2 處理異常值 25
2．3．3 處理噪聲 26
第3章 基礎(chǔ)統(tǒng)計(jì)分析 29
3．1 統(tǒng)計(jì)學(xué)的基本概念 29
3．2 連續(xù)變量的統(tǒng)計(jì)描述 30
3．2．1 頻數(shù) 30
3．2．2 集中趨勢描述指標(biāo) 32
3．2．3 離散趨勢描述指標(biāo) 33
3．3 分類變量的統(tǒng)計(jì)描述 33
3．4 常用統(tǒng)計(jì)圖 34
3．4．1 餅圖 35
3．4．2 柱狀圖 36
3．4．3 散點(diǎn)圖 38
3．4．4 折線圖 39
3．5 統(tǒng)計(jì)分析應(yīng)用示例 41
3．5．1 人口變化總趨勢 41
3．5．2 人口結(jié)構(gòu)變化 42
3．5．3 二胎與生育率 43
第4章 多維數(shù)據(jù)分析 45
4．1 多維數(shù)據(jù)概述 45
4．2 多維數(shù)據(jù)過濾分析 46
4．3 相關(guān)性分析 50
4．3．1 一般性相關(guān)性分析 50
4．3．2 多維數(shù)據(jù)可視化相關(guān)性分析 51
4．4 聚類分析 52
4．5 降維分析 54
4．5．1 主成分分析 54
4．5．2 多維尺度變換 56
4．5．3 T分布隨機(jī)鄰域嵌入 57
4．6 多維特征提取 58
4．6．1 雷達(dá)圖 59
4．6．2 用戶畫像 59
4．6．3 Radviz特征提取 60
4．7 多維數(shù)據(jù)分析應(yīng)用示例 61
4．7．1 郡縣特征的關(guān)聯(lián)度 61
4．7．2 多維度分析得票率的關(guān)鍵因素 63
第5章 時(shí)序數(shù)據(jù)分析 65
5．1 時(shí)序數(shù)據(jù)概述 65
5．2 多維時(shí)序數(shù)據(jù)呈現(xiàn)――折線 67
5．3 多維時(shí)序數(shù)據(jù)呈現(xiàn)――柱狀 69
5．4 預(yù)測分析 72
5．4．1 移動(dòng)平均 72
5．4．2 指數(shù)平滑 73
5．4．3 三次指數(shù)平滑 74
5．5 周期性檢測 75
5．6 時(shí)序分析應(yīng)用示例 77
5．6．1 美國各州新冠病毒肺炎確診病例數(shù)的動(dòng)態(tài)變化 77
5．6．2 美國紐約州、加州疫情發(fā)展變化 79
5．6．3 美國疫情總體態(tài)勢 80
5．6．4 美國疫情預(yù)測 81
第6章 地理數(shù)據(jù)分析 83
6．1 地理熱度分析 83
6．2 地理空間分析 86
6．3 連接地圖 87
6．4 地理分析應(yīng)用示例 88
6．4．1 美國疫情確診情況 88
6．4．2 美國疫情死亡情況 90
6．4．3 美國疫情傳播分析 91
6．4．4 宅在家里還是出門旅行 93
第7章 圖數(shù)據(jù)分析 95
7．1 圖數(shù)據(jù)概述 95
7．2 樹圖 96
7．3 圖數(shù)據(jù)的量化可視化分析 98
7．3．1 矩形樹圖 98
7．3．2 旭日?qǐng)D 98
7．4 圖數(shù)據(jù)嵌套關(guān)系分析 99
7．4．1 矩形堆積圖 99
7．4．2 圓堆積圖 100
7．5 圖數(shù)據(jù)中的關(guān)聯(lián)數(shù)據(jù) 101
7．5．1 弧線圖 101
7．5．2 極坐標(biāo)弧線圖 101
7．5．3 弦圖 102
7．5．4 沖積圖 103
7．6 力導(dǎo)向布局分析 104
7．6．1 力導(dǎo)向設(shè)計(jì)思路 104
7．6．2 力導(dǎo)向布局優(yōu)點(diǎn) 104
7．6．3 力導(dǎo)向布局缺點(diǎn) 105
7．7 搜索算法 105
7．7．1 廣度優(yōu)先搜索算法 106
7．7．2 深度優(yōu)先搜索算法 108
7．8 *短路徑算法 109
7．9 圖分析應(yīng)用示例 109
7．9．1 美國人口普查分區(qū) 110
7．9．2 美國新冠病毒肺炎確診病例按人口普查分區(qū)分布 110
第8章 文本數(shù)據(jù)分析 115
8．1 文本數(shù)據(jù)概述 115
8．2 文本向量化 116
8．2．1 詞袋模型 116
8．2．2 Word2Vec模型 116
8．3 分詞 118
8．4 關(guān)鍵詞提取 120
8．5 知識(shí)圖譜 121
8．6 其他文本處理技術(shù)簡介 122
8．7 文本分析應(yīng)用示例 124
8．7．1 特朗普和拜登社交媒體回復(fù)――輿情分析 124
8．7．2 特朗普和拜登在社交媒體上的宣傳策略 125
8．7．3 小結(jié) 127
第9章 多媒體數(shù)據(jù)分析 129
9．1 數(shù)字圖像處理 129
9．1．1 亮度調(diào)整 130
9．1．2 直方圖均衡化 132
9．1．3 高斯平滑 133
9．1．4 邊緣檢測 135
9．2 數(shù)字音頻處理 135
9．3 數(shù)字視頻處理 137
9．4 多媒體分析應(yīng)用示例 137
第10章 綜合應(yīng)用示例：中國社會(huì)發(fā)展調(diào)研 139
10．1 經(jīng)濟(jì)總體指標(biāo)分析 139
10．2 城鎮(zhèn)化發(fā)展分析 142
10．3 國際影響力分析 145
10．4 科技發(fā)展分析 147
10．5 教育發(fā)展分析 149
10．6 文化發(fā)展分析 151
10．7 醫(yī)療衛(wèi)生發(fā)展分析 153
10．8 環(huán)境治理狀況分析 154
10．9 居民收入變化分析 156
參考資料
1．1 大數(shù)據(jù)的發(fā)展歷程 1
1．2 大數(shù)據(jù)的概念和定義 3
1．2．1 大量(Volume) 4
1．2．2 多樣(Variety) 5
1．2．3 價(jià)值密度低(Value) 5
1．2．4 高速(Velocity) 5
1．2．5 真實(shí)性(Veracity) 6
1．3 大數(shù)據(jù)對(duì)社會(huì)的影響 6
1．3．1 大數(shù)據(jù)促進(jìn)經(jīng)濟(jì)發(fā)展 6
1．3．2 大數(shù)據(jù)提升社會(huì)保障 7
1．3．3 數(shù)據(jù)治國 8
1．4 大數(shù)據(jù)的分析方法 9
1．4．1 統(tǒng)計(jì) 9
1．4．2 數(shù)據(jù)挖掘 10
1．4．3 人工智能 11
1．5 數(shù)據(jù)可視化技術(shù) 11
1．5．1 可視化歷史 11
1．5．2 可視化概述 12
1．5．3 可視化應(yīng)用 15
第2章 數(shù)據(jù)預(yù)處理 17
2．1 什么是網(wǎng)絡(luò)爬蟲 17
2．2 網(wǎng)絡(luò)爬蟲的實(shí)現(xiàn) 18
2．2．1 Python編程語言 18
2．2．2 正則表達(dá)式 19
2．2．3 超文本標(biāo)記語言 21
2．2．4 超文本傳輸協(xié)議 23
2．3 數(shù)據(jù)清洗 24
2．3．1 處理缺失值 24
2．3．2 處理異常值 25
2．3．3 處理噪聲 26
第3章 基礎(chǔ)統(tǒng)計(jì)分析 29
3．1 統(tǒng)計(jì)學(xué)的基本概念 29
3．2 連續(xù)變量的統(tǒng)計(jì)描述 30
3．2．1 頻數(shù) 30
3．2．2 集中趨勢描述指標(biāo) 32
3．2．3 離散趨勢描述指標(biāo) 33
3．3 分類變量的統(tǒng)計(jì)描述 33
3．4 常用統(tǒng)計(jì)圖 34
3．4．1 餅圖 35
3．4．2 柱狀圖 36
3．4．3 散點(diǎn)圖 38
3．4．4 折線圖 39
3．5 統(tǒng)計(jì)分析應(yīng)用示例 41
3．5．1 人口變化總趨勢 41
3．5．2 人口結(jié)構(gòu)變化 42
3．5．3 二胎與生育率 43
第4章 多維數(shù)據(jù)分析 45
4．1 多維數(shù)據(jù)概述 45
4．2 多維數(shù)據(jù)過濾分析 46
4．3 相關(guān)性分析 50
4．3．1 一般性相關(guān)性分析 50
4．3．2 多維數(shù)據(jù)可視化相關(guān)性分析 51
4．4 聚類分析 52
4．5 降維分析 54
4．5．1 主成分分析 54
4．5．2 多維尺度變換 56
4．5．3 T分布隨機(jī)鄰域嵌入 57
4．6 多維特征提取 58
4．6．1 雷達(dá)圖 59
4．6．2 用戶畫像 59
4．6．3 Radviz特征提取 60
4．7 多維數(shù)據(jù)分析應(yīng)用示例 61
4．7．1 郡縣特征的關(guān)聯(lián)度 61
4．7．2 多維度分析得票率的關(guān)鍵因素 63
第5章 時(shí)序數(shù)據(jù)分析 65
5．1 時(shí)序數(shù)據(jù)概述 65
5．2 多維時(shí)序數(shù)據(jù)呈現(xiàn)――折線 67
5．3 多維時(shí)序數(shù)據(jù)呈現(xiàn)――柱狀 69
5．4 預(yù)測分析 72
5．4．1 移動(dòng)平均 72
5．4．2 指數(shù)平滑 73
5．4．3 三次指數(shù)平滑 74
5．5 周期性檢測 75
5．6 時(shí)序分析應(yīng)用示例 77
5．6．1 美國各州新冠病毒肺炎確診病例數(shù)的動(dòng)態(tài)變化 77
5．6．2 美國紐約州、加州疫情發(fā)展變化 79
5．6．3 美國疫情總體態(tài)勢 80
5．6．4 美國疫情預(yù)測 81
第6章 地理數(shù)據(jù)分析 83
6．1 地理熱度分析 83
6．2 地理空間分析 86
6．3 連接地圖 87
6．4 地理分析應(yīng)用示例 88
6．4．1 美國疫情確診情況 88
6．4．2 美國疫情死亡情況 90
6．4．3 美國疫情傳播分析 91
6．4．4 宅在家里還是出門旅行 93
第7章 圖數(shù)據(jù)分析 95
7．1 圖數(shù)據(jù)概述 95
7．2 樹圖 96
7．3 圖數(shù)據(jù)的量化可視化分析 98
7．3．1 矩形樹圖 98
7．3．2 旭日?qǐng)D 98
7．4 圖數(shù)據(jù)嵌套關(guān)系分析 99
7．4．1 矩形堆積圖 99
7．4．2 圓堆積圖 100
7．5 圖數(shù)據(jù)中的關(guān)聯(lián)數(shù)據(jù) 101
7．5．1 弧線圖 101
7．5．2 極坐標(biāo)弧線圖 101
7．5．3 弦圖 102
7．5．4 沖積圖 103
7．6 力導(dǎo)向布局分析 104
7．6．1 力導(dǎo)向設(shè)計(jì)思路 104
7．6．2 力導(dǎo)向布局優(yōu)點(diǎn) 104
7．6．3 力導(dǎo)向布局缺點(diǎn) 105
7．7 搜索算法 105
7．7．1 廣度優(yōu)先搜索算法 106
7．7．2 深度優(yōu)先搜索算法 108
7．8 *短路徑算法 109
7．9 圖分析應(yīng)用示例 109
7．9．1 美國人口普查分區(qū) 110
7．9．2 美國新冠病毒肺炎確診病例按人口普查分區(qū)分布 110
第8章 文本數(shù)據(jù)分析 115
8．1 文本數(shù)據(jù)概述 115
8．2 文本向量化 116
8．2．1 詞袋模型 116
8．2．2 Word2Vec模型 116
8．3 分詞 118
8．4 關(guān)鍵詞提取 120
8．5 知識(shí)圖譜 121
8．6 其他文本處理技術(shù)簡介 122
8．7 文本分析應(yīng)用示例 124
8．7．1 特朗普和拜登社交媒體回復(fù)――輿情分析 124
8．7．2 特朗普和拜登在社交媒體上的宣傳策略 125
8．7．3 小結(jié) 127
第9章 多媒體數(shù)據(jù)分析 129
9．1 數(shù)字圖像處理 129
9．1．1 亮度調(diào)整 130
9．1．2 直方圖均衡化 132
9．1．3 高斯平滑 133
9．1．4 邊緣檢測 135
9．2 數(shù)字音頻處理 135
9．3 數(shù)字視頻處理 137
9．4 多媒體分析應(yīng)用示例 137
第10章 綜合應(yīng)用示例：中國社會(huì)發(fā)展調(diào)研 139
10．1 經(jīng)濟(jì)總體指標(biāo)分析 139
10．2 城鎮(zhèn)化發(fā)展分析 142
10．3 國際影響力分析 145
10．4 科技發(fā)展分析 147
10．5 教育發(fā)展分析 149
10．6 文化發(fā)展分析 151
10．7 醫(yī)療衛(wèi)生發(fā)展分析 153
10．8 環(huán)境治理狀況分析 154
10．9 居民收入變化分析 156
參考資料
展開全部
大數(shù)據(jù)分析:從理論到實(shí)踐 作者簡介
成生輝，香港中文大學(xué)深圳和深圳市大數(shù)據(jù)研究院研究科學(xué)家，大數(shù)據(jù)可視化實(shí)驗(yàn)室負(fù)責(zé)人，Dagoo平臺(tái)創(chuàng)始人。博士畢業(yè)于石溪紐約州立大學(xué)計(jì)算系，曾在德國弗里德里希??席勒大學(xué)，德國萊比錫大學(xué)醫(yī)學(xué)研究所，美國布魯克海文國家實(shí)驗(yàn)室和哈佛大學(xué)進(jìn)行訪問研究。先后在2015 和2016 國際可視化年會(huì)上獲得最佳海報(bào)提名獎(jiǎng)，并受邀在大會(huì)上擔(dān)任授課導(dǎo)師。他擔(dān)任2019年國際可視化年會(huì)（短文）程序委員會(huì)委員，中國可視化與可視分析專委會(huì)委員，CSIG-VIS 2019高峰論壇（深圳）執(zhí)行主席，入選深圳市海外高層次人才。近期，他被世界銀行聘為顧問。
書友推薦
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
自卑與超越
- >
回憶愛瑪儂
- >
推拿
- >
【精裝繪本】畫給孩子的中國神話
- >
名家?guī)阕x魯迅:故事新編
- >
上帝之肋:男人的真實(shí)旅程
- >
我與地壇
本類暢銷
