中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
數據科學工程實踐 版權信息
- ISBN：9787121488481
- 條形碼：9787121488481 ; 978-7-121-48848-1
- 裝幀：平塑
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據科學工程實踐 內容簡介
本書是高等學校開設數據科學導論或工程實踐等課程的配套用書。本書不僅介紹了數據科學的基礎知識，還特別引入了探索性數據分析流程的相關內容，主要包括實踐平臺配置、數據預處理、數據存儲與管理、探索性數據分析、單模型學習算法、集成學習算法和數據可視化等；精心設計其中的函數應用實踐和綜合應用實踐，前者聚焦具體函數的解釋和應用，后者致力于實際問題解決思路的探討。讀者可以由淺入深地了解相關理論，逐步完成相關實驗內容，增強理論和實踐的連貫性認知，培養數據思維和動手實踐能力。 本書可作為高等學校各相關專業的數據科學導論或實踐等課程的配套教材，也可供對數據科學感興趣的讀者閱讀。
數據科學工程實踐 目錄
目錄 第1章 數據科學概述 11.1 數據科學簡介 11.1.1 基本概念及發展歷史 11.1.2 特點及應用領域 21.1.3 數據科學的過程 31.2 Python的安裝 51.3 常用工具包概述 71.4 Anaconda3的安裝 91.5 Jupyter Notebook的使用 101.5.1 Jupyter Notebook簡介 101.5.2 Jupyter Notebook的啟動 10目錄第1章 數據科學概述 1
1.1 數據科學簡介 1
1.1.1 基本概念及發展歷史 1
1.1.2 特點及應用領域 2
1.1.3 數據科學的過程 3
1.2 Python的安裝 5
1.3 常用工具包概述 7
1.4 Anaconda3的安裝 9
1.5 Jupyter Notebook的使用 10
1.5.1 Jupyter Notebook簡介 10
1.5.2 Jupyter Notebook
的啟動 10
1.5.3 新手如何快速上手Jupyter Notebook 10
1.6 本章小結 12
課后習題 12
第2章 數據預處理 13
2.1 NumPy數據處理及運算 13
2.1.1 NumPy的安裝 13
2.1.2 創建N維數組 14
2.1.3 NumPy切片和索引 19
2.1.4 NumPy數組操作 20
2.1.5 數學函數 32
2.1.6 統計函數 40
2.1.7 排序函數 46
2.1.8 直方圖函數 47
2.2 Pandas基礎 49
2.2.1 數據快捷加載 49
2.2.2 Pandas的數據結構 53
2.3 非數值數據轉換 61
2.3.1 map()函數 61
2.3.2 One-Hot編碼 62
2.4 數據清洗 63
2.4.1 缺失值處理 63
2.4.2 錯誤數據替換 65
2.4.3 數據去重 65
2.4.4 數據合并連接 66
2.4.5 數據分組及聚合 70
2.5 本章小結 72
課后習題 72
第3章 數據存儲與管理 74
3.1 概述 74
3.1.1 數據存儲的概念 74
3.1.2 數據管理技術的概念 74
3.1.3 數據庫的概念 74
3.1.4 新型數據管理系統 75
3.2 關系數據庫 75
3.2.1 關系數據模型 75
3.2.2 應用舉例 76
3.3 分布式文件系統 78
3.3.1 HDFS的概念及特點 78
3.3.2 HDFS數據文件存儲 78
3.3.3 HDFS的結構及組件 78
3.3.4 HDFS的讀/寫操作 79
3.3.5 Python訪問HDFS 81
3.4 分布式數據庫 82
3.4.1 HBase的特點 82
3.4.2 HBase相關概念 82
3.4.3 HBase架構 82
3.4.4 Python操作HBase 84
3.5 流數據 87
3.5.1 流數據概述 87
3.5.2 流數據模型 87
3.5.3 流數據處理系統 88
3.6 本章小結 90
課后習題 90
第4章 探索性數據分析 92
4.1 EDA簡介 92
4.2 特征創建 98
4.3 維度約簡 101
4.3.1 為什么要降維 101
4.3.2 基于特征轉換的降維 102
4.3.3 基于特征選擇的降維 122
4.3.4 基于特征組合的降維 135
4.4 異常值檢測及處理 141
4.4.1 單變量異常檢測 141
4.4.2 OneClassSVM 143
4.4.3 EllipticEnvelope 145
4.5 評價函數 149
4.5.1 多標簽分類 149
4.5.2 二分類 151
4.5.3 回歸 155
4.6 測試和驗證 156
4.7 交叉驗證 159
4.7.1 建立自定義評分函數 160
4.7.2 使用交叉驗證迭代器 162
4.8 超參數調優 167
4.8.1 超參數調優概述 167
4.8.2 超參數調優實踐 174
4.9 小結 190
課后習題 190
第5章 單模型學習算法 191
5.1 概述 191
5.1.1 分類模型和回歸模型 192
5.1.2 機器學習的步驟和
要素 193
5.2 線性回歸和邏輯回歸 194
5.2.1 從線性回歸到邏輯
回歸 195
5.2.2 線性回歸實踐 197
5.2.3 Sigmoid函數 199
5.2.4 推廣至多元場景 200
5.2.5 邏輯回歸實踐 201
5.2.6 算法小結 203
進階A 交叉熵損失函數和平方差
損失函數 203
5.3 樸素貝葉斯分類 207
5.3.1 樸素貝葉斯分類算法 207
5.3.2 樸素貝葉斯實踐 210
5.3.3 算法小結 212
5.4 *近鄰算法 212
5.4.1 k近鄰算法的概念及
原理 212
5.4.2 k值的選取及特征歸一化的重要性 213
5.4.3 *近鄰算法實踐 215
5.4.4 算法小結 228
進階B kd樹 228
B.1 kd樹的構建 228
B.2 kd樹的搜索 230
B.3 kd樹的不足 232
5.5 支持向量機 233
5.5.1 支持向量機基礎 234
5.5.2 軟間隔 236
5.5.3 核函數 236
5.5.4 支持向量機實踐 238
5.5.5 算法小結 256
進階C 對偶問題 257
C.1 拉格朗日乘子法 257
C.2 支持向量機優化 259
進階D 軟間隔情況下的*優化問題
及其求解 260
5.6 決策樹 261
5.6.1 信息論知識 261
5.6.2 決策樹基礎 264
5.6.3 決策樹實踐 268
5.6.4 算法小結 285
5.7 聚類 286
5.7.1 K均值聚類 286
5.7.2 小批量KMeans 296
5.7.3 Affinity Propagation聚類
算法 299
5.7.4 層次聚類 301
5.7.5 DBSCAN 307
5.7.6 算法小結 310
5.8 本章小結 311
課后習題 311
第6章 集成學習算法 312
6.1 集成學習能帶來什么 312
6.1.1 集成學習的基本步驟 313
6.1.2 集成學習中的偏差與
方差 314
6.2 Bagging元學習器 320
6.3 隨機森林 326
6.3.1 隨機森林算法 327
6.3.2 極度隨機化樹 327
6.3.3 隨機森林實踐 328
6.3.4 算法小結 332
6.4 Boosting算法 332
6.5 AdaBoost算法 333
6.5.1 AdaBoost實踐 334
6.5.2 算法小結 341
進階E AdaBoost算法偽代碼 342
6.6 GBDT算法 342
6.6.1 分類和回歸 347
6.6.2 GBDT實踐 349
6.7 基于直方圖的梯度提升 351
6.7.1 用法 351
6.7.2 直方圖梯度提升模型
實踐 353
6.8 堆疊泛化 356
6.9 概率校準 358
6.9.1 校準曲線 359
6.9.2 校準分類器 362
6.10 本章小結 373
課后習題 373
第7章 數據可視化 374
7.1 可視化的定義及作用 374
7.2 可視化的原則 375
7.3 常用的可視化分析技術與
工具 375
7.4 Matplotlib繪圖 378
7.4.1 繪制曲線 378
7.4.2 繪制散點圖 384
7.4.3 繪制直方圖 385
7.4.4 繪制柱狀圖 387
7.4.5 繪制箱線圖 392
7.4.6 繪制圖像 394
7.4.7 繪制矩陣 396
7.5 Pandas繪圖 398
7.6 Scikit-learn繪圖 401
7.6.1 學習曲線 401
7.6.2 驗證曲線 405
7.6.3 ROC曲線 407
7.6.4 混淆矩陣 408
7.6.5 精確率-召回率曲線 410
7.6.6 部分依賴關系圖 412
7.7 本章小結 414
課后習題 414
展開全部
數據科學工程實踐 作者簡介
郭繼東，山東財經大學副教授，郭繼東博士在計算機視覺、人工智能、最優化方法、數據分析與挖掘算法和矩陣分析方面有著比較深入的研究，并取得了一些創新性的研究成果。主要研究方向為人工智能、計算機視覺、最優化方法、軟件架構設計、數據挖掘技術、三維重建、圖像處理等。在國內外重要學術刊物及會議上發表重要學術論文20余篇，其中有多篇被SCI或EI收錄。
書友推薦
- >
我與地壇
- >
姑媽的寶刀
- >
朝聞道
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
苦雨齋序跋文-周作人自編集
- >
山海經
- >
巴金－再思錄
- >
我從未如此眷戀人間
本類暢銷
