[套装书]数据科学导论：Python语言（原书第3版）+预测分析：Python语言实现（2册）

作者

[意] 阿尔贝托·博斯凯蒂（Alberto Boschetti） 卢卡·马萨罗（Luca Massaron） （美）约瑟夫·巴布科克（Joseph Babcock）

丛书名

数据科学与工程技术丛书

出版社

机械工业出版社

ISBN

9782004201551

简要

简介

内容简介书籍计算机书籍 ---------------------------数据科学导论：Python语言（原书第3版）--------------------------- 本书首先介绍如何设置基本的数据科学工具箱，然后带你进入数据改写和预处理阶段，这一部分主要是阐明所有与核心数据科学活动相关的数据分析过程，如数据加载、转换、修复以及数据探索和处理等。通过主要的机器学习算法、图形分析技术，以及所有易于表现结果的可视化工具，实现对数据科学的概述。 本书对上一版内容进行了全面拓展和更新，涵盖新版的Jupyter Notebook、NumPy、pandas和Scikit-learn等的新改进。此外，还介绍了深度学习（借助在Theano和Tensorflow平台上运行的Keras库）、漂亮的可视化（使用Seaborn和 ggplot）和Web部署（使用bottle）等新内容。 本书行文过程以数据科学项目为主体，辅以整洁的代码和简化的示例，能帮助你理解与项目相关的潜在原理和实际数据集。 ---------------------------预测分析：Python语言实现--------------------------- 本书着重介绍预测性分析技术，先概述了数据分析系统的基本架构和主要处理流程，然后从分类和无监督学习开始，逐一讲解每种机器学习算法的工作原理，并在每章的最后给出了详细的案例讨论。高质量的数据是能够进行正确分析的前提，为了便于后期分析模型的构建，本书还会介绍对于不同类型数据的清洗和过滤等内容。通过学习本书的内容，读者将了解将原始数据转化为重要结论的过程，并掌握快速将其中涉及的模型应用到自有数据中的方法。

目录

---------------------------数据科学导论：Python语言（原书第3版）--------------------------- 译者序 前言 作者简介 审阅者简介 第1章　新手上路1 1.1　数据科学与Python简介1 1.2　Python的安装2 1.2.1　Python 2还是Python 33 1.2.2　分步安装4 1.2.3　安装必要的工具包4 1.2.4　工具包升级6 1.3　科学计算发行版6 1.3.1　Anaconda7 1.3.2　使用conda安装工具包7 1.3.3　Enthought Canopy8 1.3.4　WinPython8 1.4　虚拟环境8 1.5　核心工具包一瞥11 1.6　Jupyter简介18 1.6.1　快速安装与初次使用21 1.6.2　Jupyter魔术命令22 1.6.3　直接从Jupyter Notebook安装软件包23 1.6.4　查看新的JupyterLab环境24 1.6.5　Jupyter Notebook怎样帮助数据科学家24 1.6.6　Jupyter的替代版本29 1.7　本书使用的数据集和代码30 1.7.1　Scikit-learn小规模数据集30 1.7.2　MLdata.org和其他公共资源库32 1.7.3　LIBSVM Data样本33 1.7.4　直接从CSV或文本文件加载数据33 1.7.5　Scikit-learn样本生成器35 1.8　小结36 第2章　数据改写37 2.1　数据科学过程37 2.2　使用pandas进行数据加载与预处理39 2.2.1　数据快捷加载39 2.2.2　处理问题数据41 2.2.3　处理大数据集43 2.2.4　访问其他的数据格式46 2.2.5　合并数据48 2.2.6　数据预处理51 2.2.7　数据选择55 2.3　使用分类数据和文本数据57 2.3.1　特殊的数据类型—文本59 2.3.2　使用Beautiful Soup抓取网页64 2.4　使用Numpy进行数据处理65 2.4.1　NmuPy中的N维数组65 2.4.2　NmuPy ndarray对象基础66 2.5　创建Numpy数组68 2.5.1　从列表到一维数组68 2.5.2　控制内存大小69 2.5.3　异构列表70 2.5.4　从列表到多维数组70 2.5.5　改变数组大小71 2.5.6　利用NumPy函数生成数组73 2.5.7　直接从文件中获得数组73 2.5.8　从pandas提取数据74 2.6　NumPy快速操作和计算75 2.6.1　矩阵运算77 2.6.2　NumPy数组切片和索引78 2.6.3　NumPy数组堆叠80 2.6.4　使用稀疏数组81 2.7　小结83 第3章　数据科学流程84 3.1　EDA简介84 3.2　创建新特征87 3.3　维数约简89 3.3.1　协方差矩阵89 3.3.2　主成分分析90 3.3.3　一种用于大数据的PCA变型—RandomizedPCA93 3.3.4　潜在因素分析94 3.3.5　线性判别分析94 3.3.6　潜在语义分析95 3.3.7　独立成分分析95 3.3.8　核主成分分析96 3.3.9　T-分布邻域嵌入算法97 3.3.10　受限波尔兹曼机98 3.4　异常检测和处理99 3.4.1　单变量异常检测99 3.4.2　EllipticEnvelope101 3.4.3　OneClassSVM104 3.5　验证指标106 3.5.1　多标号分类107 3.5.2　二值分类109 3.5.3　回归110 3.6　测试和验证110 3.7　交叉验证113 3.7.1　使用交叉验证迭代器115 3.7.2　采样和自举方法116 3.8　超参数优化118 3.8.1　建立自定义评分函数120 3.8.2　减少网格搜索时间121 3.9　特征选择123 3.9.1　基于方差的特征选择123 3.9.2　单变量选择124 3.9.3　递归消除125 3.9.4　稳定性选择与基于L1的选择126 3.10　将所有操作包装成工作流程127 3.10.1　特征组合和转换链接128 3.10.2　构建自定义转换函数130 3.11　小结131 第4章　机器学习132 4.1　准备工具和数据集132 4.2　线性和逻辑回归134 4.3　朴素贝叶斯136 4.4　K近邻137 4.5　非线性算法139 4.5.1　基于SVM的分类算法140 4.5.2　基于SVM的回归算法141 4.5.3　调整SVM（优化）142 4.6　组合策略144 4.6.1　基于随机样本的粘贴策略144 4.6.2　基于弱分类器的Bagging策略144 4.6.3　随机子空间和随机分片145 4.6.4　随机森林和Extra-Trees145 4.6.5　从组合估计概率147 4.6.6　模型序列—AdaBoost148 4.6.7　梯度树提升149 4.6.8　XGBoost150 4.6.9　LightGBM152 4.6.10　CatBoost155 4.7　处理大数据158 4.7.1　作为范例创建一些大数据集158 4.7.2　对容量的可扩展性159 4.7.3　保持速度161 4.7.4　处理多样性162 4.7.5　随机梯度下降概述163 4.8　自然语言处理一瞥164 4.8.1　词语分词164 4.8.2　词干提取165 4.8.3　词性标注166 4.8.4　命名实体识别166 4.8.5　停止词167 4.8.6　一个完整的数据科学例子—文本分类168 4.9　无监督学习概览169 4.9.1　K均值算法169 4.9.2　基于密度的聚类技术—DBSCAN172 4.9.3　隐含狄利克雷分布173 4.10　小结177 第5章　可视化、发现和结果178 5.1　matplotlib基础介绍178 5.1.1　曲线绘图179 5.1.2　绘制分块图180 5.1.3　数据中的关系散点图181 5.1.4　直方图182 5.1.5　柱状图183 5.1.6　图像可视化184 5.1.7　pandas的几个图形示例186 5.1.8　通过平行坐标发现模式191 5.2　封装matplotlib命令191 5.2.1　Seaborn简介192 5.2.2　增强EDA性能196 5.3　高级数据学习表示200 5.3.1　学习曲线201 5.3.2　确认曲线202 5.3.3　随机森林的特征重要性203 5.3.4　GBT部分依赖关系图形205 5.3.5　创建MA-AAS预测服务器205 5.4　小结209 第6章　社交网络分析210 6.1　图论简介210 6.2　图的算法215 6.2.1　节点中心性的类型216 6.2.2　网络划分218 6.3　图的装载、输出和采样221 6.4　小结223 第7章　深度学习进阶224 7.1　走近深度学习224 7.2　使用CNN进行图像分类226 7.3　使用预训练模型234 7.4　处理时间序列237 7.5　小结239 第8章　基于Spark的大数据分析240 8.1　从独立机器到大量节点240 8.1.1　理解为什么需要分布式框架241 8.1.2　Hadoop生态系统241 8.2　PySpark入门245 8.2.1　设置本地Spark实例245 8.2.2　弹性分布式数据集实验247 8.3　跨集群节点共享变量252 8.3.1　只读广播变量252 8.3.2　只写累加器变量252 8.3.3　同时使用广播和累加器变量—示例253 8.4　Spark数据预处理255 8.4.1　CSV文件和Spark数据框255 8.4.2　处理缺失数据257 8.4.3　在内存中分组和创建表257 8.4.4　将预处理后的数据框或RDD写入磁盘259 8.4.5　Spark数据框的用法260 8.5　基于Spark的机器学习261 8.5.1　在KDD99数据集上运行Spark261 8.5.2　读取数据集261 8.5.3　特征工程263 8.5.4　训练学习器266 8.5.5　学习器性能评价267 8.5.6　机器学习管道的强大功能267 8.5.7　手动调参269 8.5.8　交叉验证271 8.5.9　最后的清理272 8.6　小结272 附录　增强Python基础274 ---------------------------预测分析：Python语言实现--------------------------- 译者序 关于审稿人 前言 第1章数据转换成决策——从分析应用着手 1.1设计高级分析方案 1.1.1数据层：数据仓库、数据湖和数据流 1.1.2模型层 1.1.3部署层 1.1.4报告层 1.2案例学习：社交媒体数据的情感分析 1.2.1数据输入和转换 1.2.2合理性检查 1.2.3模型开发 1.2.4评分 1.2.5可视化和报告 1.3案例学习：针对性电子邮件活动 1.3.1数据输入和转换 1.3.2合理性检查 1.3.3模型开发 1.3.4评分 1.3.5可视化和报告 1.4总结 第2章Python数据分析和可视化初探 2.1在IPython中探索分类和数值型数据 2.1.1安装IPython notebook 2.1.2notebook的界面 2.1.3加载和检视数据 2.1.4基本操作——分组、过滤、映射以及透视 2.1.5用Matplotlib绘制图表 2.2时间序列分析 2.2.1清洗和转换 2.2.2时间序列诊断 2.2.3连接信号和相关性 2.3操作地理数据 2.3.1加载地理数据 2.3.2工作在云上 2.4PySpark简介 2.4.1创建SparkContext 2.4.2创建RDD 2.4.3创建Spark DataFrame 2.4总结 第3章在噪声中探求模式——聚类和无监督学习 3.1相似性和距离度量 3.1.1数值距离度量 3.1.2相关相似性度量和时间序列 3.1.3分类数据的相似性度量 3.1.4k均值聚类 3.2近邻传播算法——自动选择聚类数量 3.3k中心点算法 3.4凝聚聚类算法 3.5Spark中的数据流聚类 3.6总结 第4章从点到模型——回归方法 4.1线性回归 4.1.1数据准备 4.1.2模型拟合和评价 4.1.3回归输出的显著性差异 4.1.4广义估计方程 4.1.5混合效应模型 4.1.6时间序列数据 4.1.7广义线性模型 4.1.8线性模型的正则化 4.2树方法 4.2.1决策树 4.2.2随机森林 4.3利用PySpark进一步扩展——预测歌曲的发行年份 4.4总结 第5章数据分类——分类方法和分析 5.1逻辑回归 5.1.1多分类逻辑分类器：多元回归 5.1.2分类问题中的数据格式化 5.1.3基于随机梯度下降法的学习逐点更新 5.1.4使用二阶方法联合优化所有参数 5.2拟合模型 5.3评估分类模型 5.4通过支持向量机分离非线性边界 5.4.1人口普查数据的拟合和SVM 5.4.2Boosting:组合小模型以改善准确度 5.4.3梯度提升决策树 5.5分类方法比较 5.6案例学习：在PySpark中拟合分类器模型 5.7总结 第6章词语和像素——非结构化数据分析 6.1文本数据分析 6.1.1文本数据清洗 6.1.2从文本数据中提取特征 6.1.3利用降维来简化数据集 6.2主分量分析 6.2.1隐含狄利克雷分布 6.2.2在预测模型中使用降维 6.3图像 6.3.1图像数据清洗 6.3.2利用图像阈值来突出显示对象 6.3.3图像分析中的降维 6.4案例学习：在PySpark中训练一个推荐系统 6.5总结 第7章自底向上学习——深度网络和无监督特征 7.1使用神经网络学习模式 7.1.1单一感知器构成的网络 7.1.2感知器组合——一个单层神经网络 7.1.3反向传播的参数拟合 7.1.4判别式模型与生成式模型 7.1.5梯度消失及“解去” 7.1.6预训练信念网络（贝叶斯网络） 7.1.7使用dropout来正则化网络 7.1.8卷积网络和纠正单元 7.1.9利用自编码网络压缩数据 7.1.10优化学习速率 7.2TensorFlow库与数字识别 7.2.1MNIST数据 7.2.2构建网络 7.3总结 第8章利用预测服务共享模型 8.1预测服务的架构 8.2客户端和发出请求 8.2.1GET请求 8.2.2POST请求 8.2.3HEAD请求 8.2.4PUT请求 8.2.5DELETE请求 8.3服务器——Web流量控制器 8.4利用数据库系统持久化存储信息 8.5案例学习——逻辑回归服务 8.5.1建立数据库 8.5.2Web服务器 8.5.3Web应用 8.6总结 第9章报告和测试——分析型系统迭代 9.1利用诊断检查模型的健康度 9.1.1评估模型性能的变化 9.1.2特征重要性的变化 9.1.3无监督模型性能的变化 9.2通过A/B测试对模型进行迭代 9.2.1实验分配——将客户分配给实验 9.2.2决定样本大小 9.2.3多重假设检验 9.3沟通指南 9.3.1将术语转换为业务价值 9.3.2可视化结果 9.3.3报告服务器 9.3.4报告应用 9.3.5可视化层 9.4总结

有问题微信扫码联系

• ※[套装书]阿里云运维架构实践秘籍+OpenShift云原生架构：原理与实践（2册）
• ※[套装书]铸魂：软件定义制造+数字孪生实战：基于模型的数字化企业(MBE)（2册）
• ※[套装书]物联网安全（原书第2版）+网络空间安全防御与态势感知（2册）
• ※[套装书]物联网安全（原书第2版）+工业物联网安全（2册）
• ※[套装书]物联网安全（原书第2版）+物联网渗透测试（2册）
• ※[套装书]数据科学导论：Python语言（原书第3版）+预测分析：Python语言实现（2册）
• ※[套装书]数据科学导论：Python语言（原书第3版）+数据科学与分析：Python语言实现（2册）
• ※[套装书]数据科学导论：Python语言（原书第3版）+大数据导论（2册）
• ※机器学习简明教程
• ※投资尽职调查：安全投资第一课
• ※零基础入门Python深度学习

桂ICP备20004708号-4