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(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據有道 數據分析+圖論與網絡+微課+Python編程 版權信息
- ISBN：9787302671572
- 條形碼：9787302671572 ; 978-7-302-67157-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據有道 數據分析+圖論與網絡+微課+Python編程 本書特色
這是一本前所未見的數據入門書，顏值極高。姜偉生博士自謙“小鎮(zhèn)做題家”，實際上他是國際著名金融企業(yè)的金融科技專家。很難想象一位以“術數”為業(yè)的金融家具備如此徹底的分享動機，同時，姜博士有著卓越的藝術品位和設計能力，不僅承擔了這套書的精深內容，更承擔了全系圖書的整體設計。希望讀者從枯燥的常規(guī)數學書中解脫出來，賞心悅目地慢慢走入繽紛的AI宇宙。
數據有道 數據分析+圖論與網絡+微課+Python編程 內容簡介
本書是“鳶尾花數學大系——從加減乘除到機器學習”叢書的第三板塊(實踐板塊)中的一本關于數據科學的分冊。“實踐”這個板塊，我們將會把學到的編程、可視化，特別是數學工具應用到具體的數據科學、機器學習算法中，并在實踐中加深對這些工具的理解。
本書可以歸納為7大板塊——數據說、數據處理、時間數據、圖論基礎、圖的分析、圖與矩陣、圖論實踐。這7個板塊(共25章內容)都緊緊圍繞一個主題——數據！
本書以數據為名，以好奇心和疑問為驅動，主動使用“編程+可視化+數學”工具進行探索。本書將會回顧鳶尾花書前五本主要的工具，讓大家對很多概念從似懂非懂變成如數家珍；同時，我們還會掌握更多工具，用來擴展大家的知識網絡。
依照慣例，本書提供代碼和視頻教學。
本書讀者群包括數據科學從業(yè)者、大數據從業(yè)者、高級數據分析師、機器學習開發(fā)者、計算機圖形學研究者等。
數據有道 數據分析+圖論與網絡+微課+Python編程 目錄
緒論 1
**板塊 綜述5
第 1章 萬物皆數 7
1.1 萬物皆數：從矩陣說起 8
1.2 數據分類：定量 ( 連續(xù)、離散 ) 、定性 ( 定類、定序 ) 14
1.3 機器學習：四大類算法 17
1.4 特征工程：提取、轉換、構建數據 21
第2板塊 數據處理23
第 2章 缺失值 25
2.1 是不是缺了幾個數？ 26
2.2 可視化缺失值位置 30
2.3 處理缺失值：刪除 34
2.4 單變量插補 37
2.5 k 近鄰插補 39
2.6 多變量插補 41
第 3章 離群值 43
3.1 這幾個數有點不合群？ 44
3.2 直方圖：單一特征分布 46
3.3 散點圖：成對特征分布 49
3.4 QQ 圖：分位數 - 分位數 51
3.5 箱型圖：上界、下界之外樣本 54
3.6 Z 分數：樣本數據標準化 55
3.7 馬氏距離和其他方法 57
第4章 數據轉換 63
4.1 數據轉換 64
4.2 中心化：去均值 65
4.3 標準化：Z 分數 69
4.4 歸一化：取值在 0 和 1 之間 71
4.5 廣義冪轉換 72
4.6 經驗累積分布函數 74
4.7 插值 79
第 5章 數據距離 91
5.1 怎么又聊距離？ 92
5.2 歐氏距離：*常見的距離 94
5.3 標準化歐氏距離：考慮標準差 96
5.4 馬氏距離：考慮標準差和相關性 99
5.5 城市街區(qū)距離：L1 范數 101
5.6 切比雪夫距離：L ∞范數 102
5.7 閔氏距離：Lp 范數 103
5.8 距離與親近度 104
5.9 成對距離、成對親近度 108
5.10 協(xié)方差矩陣，為什么無處不在？ 110
第3板塊 時間數據127
第6 時間數據 129
6.1 時間序列數據 130
6.2 處理時間序列缺失值 133
6.3 從時間數據中發(fā)現趨勢 135
6.4 時間序列分解 138
6.5 時間數據講故事 143
第 7章 移動窗口 157
7.1 移動窗口 158
7.2 移動波動率 162
7.3 相關性 165
7.4 回歸系數 166
7.5 指數加權移動平均 167
7.6 EWMA 波動率 169
第 8章 隨機過程入門 175
8.1 布朗運動：來自花粉顆粒無規(guī)則運動 176
8.2 無漂移布朗運動 180
8.3 漂移布朗運動：確定 隨機 182
8.4 具有一定相關性的布朗運動 185
8.5 幾何布朗運動 188
8.6 股價模擬 190
8.7 相關股價模擬 193
第 9章 高斯過程 197
9.1 高斯過程原理 198
9.2 協(xié)方差矩陣 202
9.3 分塊協(xié)方差矩陣 206
9.4 后驗 206
9.5 噪聲 210
9.6 核函數 211
第4板塊 圖論基礎223
第 10章 圖論入門 225
10.1 什么是圖？ 226
10.2 圖和幾何 233
10.3 圖和矩陣 234
10.4 圖和機器學習 236
10.5 NetworkX 241
第 11章 無向圖 243
11.1 無向圖：邊沒有方向 244
11.2 自環(huán)：節(jié)點到自身的邊 248
11.3 同構：具有等價關系的圖 250
11.4 多圖：同一對節(jié)點存在不止一條邊 253
11.5 子圖：圖的一部分 254
11.6 有權圖：邊自帶權重 256
第 12章 有向圖 261
12.1 有向圖：邊有方向 262
12.2 出度、入度 265
12.3 鄰居：上家、下家 266
12.4 有向多圖：平行邊 267
12.5 三元組：三個節(jié)點的 16 種關系 269
12.6 NetworkX 創(chuàng)建圖 273
第 13章 圖的可視化 281
13.1 節(jié)點位置 282
13.2 節(jié)點裝飾 286
13.3 邊裝飾 289
13.4 分別繪制節(jié)點和邊 291
第5板塊 圖的分析299
第 14章 常見圖 301
14.1 常見圖類型 302
14.2 完全圖 303
14.3 二分圖 307
14.4 正則圖 310
14.5 樹 311
14.6 柏拉圖圖 315
第 15章 從路徑說起 321
15.1 通道、跡、路徑、回路、環(huán) 322
15.2 常見路徑問題 333
15.3 *短路徑問題 334
15.4 歐拉路徑 339
15.5 哈密爾頓路徑 339
15.6 推銷員問題 340
第 16章 連通性 343
16.1 連通性 344
16.2 連通分量 349
16.3 強連通、弱連通：有向圖 352
16.4 橋 353
第 17章 圖的分析 357
17.1 度分析 358
17.2 距離度量 363
17.3 中心性 372
17.4 圖的社區(qū) 380
第6板塊 圖與矩陣 383
第 18章 從圖到矩陣 385
18.1 無向圖到鄰接矩陣 386
18.2 有向圖到鄰接矩陣 397
18.3 傳球問題 399
18.4 鄰接矩陣的矩陣乘法 406
18.5 特征向量中心性 409
第 19章 成對度量矩陣 413
19.1 成對距離矩陣 414
19.2 親近度矩陣：高斯核函數 420
19.3 相關性系數矩陣 424
第 20章 轉移矩陣 429
20.1 再看鄰接矩陣 430
20.2 轉移矩陣：可能性 435
20.3 有向圖 436
20.4 馬爾可夫鏈 442
第 21章 其他矩陣 449
21.1 圖中常見矩陣 450
21.2 關聯(lián)矩陣 450
21.3 度矩陣 462
21.4 拉普拉斯矩陣 464
第7板塊 圖論實踐 475
第 22章 樹 477
22.1 樹 478
22.2 *近共同祖先 484
22.3 *小生成樹 485
22.4 決策樹：分類算法 487
22.5 層次聚類 490
22.6 樹形圖：聚類算法 496
第 23章 數據聚類 499
23.1 數據聚類 500
23.2 距離矩陣 502
23.3 相似度 504
23.4 無向圖 506
23.5 拉普拉斯矩陣 507
23.6 特征值分解 509
第 24章 PageRank算法 513
24.1 PageRank 算法 514
24.2 線性方程組 522
24.3 冪迭代 526
第 25章 社交網絡分析 533
25.1 社交網絡分析 534
25.2 度分析 536
25.3 圖距離 538
25.4 中心性 542
25.5 社區(qū)結構 547
展開全部
數據有道 數據分析+圖論與網絡+微課+Python編程 作者簡介
姜偉生 博士 FRM。 勤奮的小鎮(zhèn)做題家，熱愛知識可視化和開源分享。自2022年8月開始，在GitHub上開源“鳶尾花書”學習資源，截至2024年5月，已經分享5000多頁PDF、5000多幅矢量圖、約3000個代碼文件，全球讀者數以萬計，GitHub全球排名TOP100。
書友推薦
- >
羅庸西南聯(lián)大授課錄
- >
經典常談
- >
推拿
- >
自卑與超越
- >
李白與唐代文化
- >
有舍有得是人生
- >
中國歷史的瞬間
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
