掃一掃
關注中圖網
官方微博
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
大數據分析:理論、方法及應用 版權信息
- ISBN：9787111703471
- 條形碼：9787111703471 ; 978-7-111-70347-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大數據分析:理論、方法及應用 本書特色
適讀人群 ：數據科學和大數據相關專業學生及相關領域從業者本書對迅速興起的數據科學跨學科領域提供必要的介紹，重點介紹構建用于收集、分析和解釋數據的系統所需的關鍵技能，以及成為優秀數據科學家的基本原則。“正確地做簡單的事情”，幫助讀者發展數學直覺，用少的數學推導說明關鍵概念。本書使用計算機科學家自然的方法突出統計推理的核心價值，不依賴任何特定的編程語言或數據分析工具套件，而是側重于對重要設計原則的深入討論。 本書特色： ·包含“實戰故事”，為數據科學如何應用于現實世界提供參考。 ·強調“錯誤的開始”，揭示某些方法失敗的微妙原因。 ·提供“課后拓展”，強調每一章中需要特別注意的一些概念。 ·包括“練習”，為讀者自學提供廣泛的習題和項目。 ·“Kaggle挑戰”讓讀者挑戰現實世界中的問題。 本書對迅速興起的數據科學跨學科領域提供必要的介紹，重點介紹構建用于收集、分析和解釋數據的系統所需的關鍵技能，以及成為優秀數據科學家的基本原則。“正確地做簡單的事情”，幫助讀者發展數學直覺，用少的數學推導說明關鍵概念。本書使用計算機科學家自然的方法突出統計推理的核心價值，不依賴任何特定的編程語言或數據分析工具套件，而是側重于對重要設計原則的深入討論。 本書特色： ·包含“實戰故事”，為數據科學如何應用于現實世界提供參考。 ·強調“錯誤的開始”，揭示某些方法失敗的微妙原因。 ·提供“課后拓展”，強調每一章中需要特別注意的一些概念。 ·包括“練習”，為讀者自學提供廣泛的習題和項目。 ·“Kaggle挑戰”讓讀者挑戰現實世界中的問題。
大數據分析:理論、方法及應用 內容簡介
本書由算法領域的知名專家Steven Skiena教授撰寫，重點介紹了收集、分析和解釋數據所需的技能和原理。作者由淺入深地介紹了數據科學的概念、所需的數學基礎、數據的整理清洗方法、數據分析方法（統計分析、可視化、數學模型、線性邏輯回歸、機器學習算法等）以及學習大數據分析的意義。作者結合應用領域的大量數據分析案例，以解釋大數據分析所需技能與原理，幫助者快速理解和掌握大數據分析的理論與方法，也將這些技能的實際應用方式展現得淋漓盡致，具有很強的可操作性。
大數據分析:理論、方法及應用 目錄
譯者序
前言
第1章 什么是數據科學1
1.1 計算機科學、數據科學和真正的科學1
1.2 從數據中提出有趣的問題3
1.2.1 棒球百科全書3
1.2.2 互聯網電影數據庫6
1.2.3 Google Ngrams7
1.2.4 紐約出租車記錄9
1.3 數據的屬性11
1.3.1 結構化與非結構化數據11
1.3.2 定量數據與類別數據11
1.3.3 大數據與小數據12
1.4 分類與回歸12
1.5 關于數據科學的電視節目：The Quant Shop13
1.6 關于實戰故事15
1.7 實戰故事：回答正確的問題16
1.8 章節注釋17
1.9 練習17
第2章 數學基礎20
2.1 概率20
2.1.1 概率與統計21
2.1.2 復合事件與獨立事件22
2.1.3 條件概率23
2.1.4 概率分布23
2.2 描述性統計25
2.2.1 中心性度量25
2.2.2 變異性度量26
2.2.3 解釋方差27
2.2.4 描述分布29
2.3 相關性分析29
2.3.1 相關系數：皮爾遜和斯皮爾曼秩30
2.3.2 相關的強弱與顯著性31
2.3.3 相關性并不意味著因果關系33
2.3.4 用自相關檢測周期性34
2.4 對數35
2.4.1 對數與乘法概率35
2.4.2 對數和比率35
2.4.3 對數與正規化偏態分布36
2.5 實戰故事：契合設計師基因37
2.6 章節注釋39
2.7 練習39
第3章 數據整理42
3.1 數據科學語言42
3.1.1 notebook環境的重要性44
3.1.2 標準數據格式45
3.2 數據收集47
3.2.1 搜索47
3.2.2 爬取49
3.2.3 網絡日志50
3.3 數據清洗50
3.3.1 錯誤與偽影51
3.3.2 數據兼容性52
3.3.3 處理缺失值56
3.3.4 離群值檢測57
3.4 實戰故事：打敗市場58
3.5 眾包59
3.5.1 一便士的實驗59
3.5.2 什么時候有群體智慧60
3.5.3 聚合機制61
3.5.4 眾包服務62
3.5.5 游戲化65
3.6 章節注釋66
3.7 練習66
第4章 得分和排名69
4.1 體重指數70
4.2 開發評分系統72
4.2.1 黃金標準和代理72
4.2.2 排名與得分72
4.2.3 識別良好的評分函數74
4.3 Z得分和歸一化75
4.4 高級排名技術76
4.4.1 Elo排名76
4.4.2 合并排名78
4.4.3 基于有向圖的排名80
4.4.4 PageRank80
4.5 實戰故事：Clyde的復仇81
4.6 阿羅不可能性定理83
4.7 實戰故事：誰更大84
4.8 章節注釋87
4.9 練習87
第5章 統計分析89
5.1 統計分布90
5.1.1 二項分布90
5.1.2 正態分布91
5.1.3 正態分布的含義93
5.1.4 泊松分布93
5.1.5 冪律分布95
5.2 從分布中采樣97
5.3 統計顯著性99
5.3.1 顯著性的意義100
5.3.2 t檢驗：比較總體均值101
5.3.3 Kolmogorov-Smirnov檢驗102
5.3.4 Bonferroni校正104
5.3.5 錯誤發現率104
5.4 實戰故事：發現青春之泉105
5.5 置換檢驗與p值106
5.5.1 產生隨機排列108
5.5.2 迪馬吉奧的連勝紀錄109
5.6 貝葉斯定理110
5.7 章節注釋111
5.8 練習111
第6章 數據可視化114
6.1 探索性數據分析115
6.1.1 面對新的數據集115
6.1.2 匯總統計量和Anscombe四重線117
6.1.3 可視化工具119
6.2 發展可視化美學119
6.2.1 *大化數據墨水比率120
6.2.2 *小化謊言因子121
6.2.3 *大限度地減少圖表垃圾122
6.2.4 恰當的縮放和標注123
6.2.5 有效使用顏色和陰影124
6.2.6 重復的力量125
6.3 圖表類型125
6.3.1 表格數據127
6.3.2 點狀圖和折線圖128
6.3.3 散點圖131
6.3.4 條形圖和餅圖133
6.3.5 直方圖135
6.3.6 數據地圖137
6.4 出色的可視化139
6.4.1 Marey的火車時刻表139
6.4.2 斯諾的霍亂地圖140
6.4.3 紐約氣象年141
6.5 讀圖141
6.5.1 模糊分布141
6.5.2 過度解釋方差142
6.6 交互式可視化143
6.7 實戰故事：TextMap144
6.8 章節注釋146
6.9 練習146
第7章 數學模型149
7.1 建模哲學149
7.1.1 奧卡姆剃刀原理149
7.1.2 權衡偏差與方差150
7.1.3 Nate Silver會怎么做150
7.2 模型分類152
7.2.1 線性模型與非線性模型152
7.2.2 黑盒與描述性模型152
7.2.3 **原理與數據驅動模型153
7.2.4 隨機模型與確定性模型154
7.2.5 平面模型與分層模型155
7.3 基準模型155
7.3.1 分類的基準模型155
7.3.2 價值預測的基準模型156
7.4 評估模型157
7.4.1 評估分類器158
7.4.2 受試者工作特征曲線161
7.4.3 評估多類系統162
7.4.4 評估價值預測模型164
7.5 評估環境165
7.5.1 數據衛生評估167
7.5.2 放大小型評估集167
7.6 實戰故事：100%準確169
7.7 模擬模型170
7.8 實戰故事：經過計算的賭注170
7.9 章節注釋1
前言
第1章 什么是數據科學1
1.1 計算機科學、數據科學和真正的科學1
1.2 從數據中提出有趣的問題3
1.2.1 棒球百科全書3
1.2.2 互聯網電影數據庫6
1.2.3 Google Ngrams7
1.2.4 紐約出租車記錄9
1.3 數據的屬性11
1.3.1 結構化與非結構化數據11
1.3.2 定量數據與類別數據11
1.3.3 大數據與小數據12
1.4 分類與回歸12
1.5 關于數據科學的電視節目：The Quant Shop13
1.6 關于實戰故事15
1.7 實戰故事：回答正確的問題16
1.8 章節注釋17
1.9 練習17
第2章 數學基礎20
2.1 概率20
2.1.1 概率與統計21
2.1.2 復合事件與獨立事件22
2.1.3 條件概率23
2.1.4 概率分布23
2.2 描述性統計25
2.2.1 中心性度量25
2.2.2 變異性度量26
2.2.3 解釋方差27
2.2.4 描述分布29
2.3 相關性分析29
2.3.1 相關系數：皮爾遜和斯皮爾曼秩30
2.3.2 相關的強弱與顯著性31
2.3.3 相關性并不意味著因果關系33
2.3.4 用自相關檢測周期性34
2.4 對數35
2.4.1 對數與乘法概率35
2.4.2 對數和比率35
2.4.3 對數與正規化偏態分布36
2.5 實戰故事：契合設計師基因37
2.6 章節注釋39
2.7 練習39
第3章 數據整理42
3.1 數據科學語言42
3.1.1 notebook環境的重要性44
3.1.2 標準數據格式45
3.2 數據收集47
3.2.1 搜索47
3.2.2 爬取49
3.2.3 網絡日志50
3.3 數據清洗50
3.3.1 錯誤與偽影51
3.3.2 數據兼容性52
3.3.3 處理缺失值56
3.3.4 離群值檢測57
3.4 實戰故事：打敗市場58
3.5 眾包59
3.5.1 一便士的實驗59
3.5.2 什么時候有群體智慧60
3.5.3 聚合機制61
3.5.4 眾包服務62
3.5.5 游戲化65
3.6 章節注釋66
3.7 練習66
第4章 得分和排名69
4.1 體重指數70
4.2 開發評分系統72
4.2.1 黃金標準和代理72
4.2.2 排名與得分72
4.2.3 識別良好的評分函數74
4.3 Z得分和歸一化75
4.4 高級排名技術76
4.4.1 Elo排名76
4.4.2 合并排名78
4.4.3 基于有向圖的排名80
4.4.4 PageRank80
4.5 實戰故事：Clyde的復仇81
4.6 阿羅不可能性定理83
4.7 實戰故事：誰更大84
4.8 章節注釋87
4.9 練習87
第5章 統計分析89
5.1 統計分布90
5.1.1 二項分布90
5.1.2 正態分布91
5.1.3 正態分布的含義93
5.1.4 泊松分布93
5.1.5 冪律分布95
5.2 從分布中采樣97
5.3 統計顯著性99
5.3.1 顯著性的意義100
5.3.2 t檢驗：比較總體均值101
5.3.3 Kolmogorov-Smirnov檢驗102
5.3.4 Bonferroni校正104
5.3.5 錯誤發現率104
5.4 實戰故事：發現青春之泉105
5.5 置換檢驗與p值106
5.5.1 產生隨機排列108
5.5.2 迪馬吉奧的連勝紀錄109
5.6 貝葉斯定理110
5.7 章節注釋111
5.8 練習111
第6章 數據可視化114
6.1 探索性數據分析115
6.1.1 面對新的數據集115
6.1.2 匯總統計量和Anscombe四重線117
6.1.3 可視化工具119
6.2 發展可視化美學119
6.2.1 *大化數據墨水比率120
6.2.2 *小化謊言因子121
6.2.3 *大限度地減少圖表垃圾122
6.2.4 恰當的縮放和標注123
6.2.5 有效使用顏色和陰影124
6.2.6 重復的力量125
6.3 圖表類型125
6.3.1 表格數據127
6.3.2 點狀圖和折線圖128
6.3.3 散點圖131
6.3.4 條形圖和餅圖133
6.3.5 直方圖135
6.3.6 數據地圖137
6.4 出色的可視化139
6.4.1 Marey的火車時刻表139
6.4.2 斯諾的霍亂地圖140
6.4.3 紐約氣象年141
6.5 讀圖141
6.5.1 模糊分布141
6.5.2 過度解釋方差142
6.6 交互式可視化143
6.7 實戰故事：TextMap144
6.8 章節注釋146
6.9 練習146
第7章 數學模型149
7.1 建模哲學149
7.1.1 奧卡姆剃刀原理149
7.1.2 權衡偏差與方差150
7.1.3 Nate Silver會怎么做150
7.2 模型分類152
7.2.1 線性模型與非線性模型152
7.2.2 黑盒與描述性模型152
7.2.3 **原理與數據驅動模型153
7.2.4 隨機模型與確定性模型154
7.2.5 平面模型與分層模型155
7.3 基準模型155
7.3.1 分類的基準模型155
7.3.2 價值預測的基準模型156
7.4 評估模型157
7.4.1 評估分類器158
7.4.2 受試者工作特征曲線161
7.4.3 評估多類系統162
7.4.4 評估價值預測模型164
7.5 評估環境165
7.5.1 數據衛生評估167
7.5.2 放大小型評估集167
7.6 實戰故事：100%準確169
7.7 模擬模型170
7.8 實戰故事：經過計算的賭注170
7.9 章節注釋1
展開全部
大數據分析:理論、方法及應用 作者簡介
史蒂文·S. 斯基納（Steven S.Skiena）博士是石溪大學的杰出教授，研究方向是數據科學、自然語言處理和算法。由于對本科教學工作有杰出貢獻，他曾獲得IEEE計算機科學與工程本科教學獎。他還撰寫了6本書，包括知名的The Algorithm Design Manual、Programming Challenges: The Programming Contest Training Manual。
書友推薦
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
我與地壇
- >
李白與唐代文化
- >
朝聞道
- >
巴金－再思錄
- >
名家帶你讀魯迅:故事新編
- >
回憶愛瑪儂
- >
人文閱讀與收藏·良友文學叢書:一天的工作
本類暢銷
