[套装书]数据科学导论：Python语言（原书第3版）+大数据导论（2册）

作者
[意] 阿尔贝托·博斯凯蒂（Alberto Boschetti） 卢卡·马萨罗（Luca Massaron） （美）托马斯·埃尔（Thomas Erl）
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
9782004201458
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。 ---------------------------大数据导论--------------------------- 本书是面向商业和技术专业人员的大数据权威指南，清楚地介绍了大数据相关的概念、理论、术语与基础技术，并使用真实连贯的商业案例以及简单的图表，帮助读者更清晰地理解大数据技术。 本书可作为高等院校相关专业“大数据基础”、“大数据导论”等课程的教材，也可供从事大数据相关工作的技术人员、管理人员和所有对大数据感兴趣的人士阅读。
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



---------------------------大数据导论---------------------------


译者序
致谢
作者简介
第一部分　大数据基础
第1章　理解大数据3
1.1　概念与术语4
1.1.1　数据集4
1.1.2　数据分析5
1.1.3　数据分析学5
1.1.4　商务智能11
1.1.5　关键绩效指标11
1.2　大数据特征12
1.2.1　容量12
1.2.2　速率13
1.2.3　多样性13
1.2.4　真实性14
1.2.5　价值14
1.3　不同数据类型15
1.3.1　结构化数据16
1.3.2　非结构化数据17
1.3.3　半结构化数据17
1.3.4　元数据18
1.4　案例学习背景18
1.4.1　历史背景18
1.4.2　技术基础和自动化环境19
1.4.3　商业目标和障碍20
1.5　案例学习21
1.5.1　确定数据特征22
1.5.2　确定数据类型24
第2章　采用大数据的商业动机与驱动25
2.1　市场动态25
2.2　业务架构27
2.3　业务流程管理30
2.4　信息与通信技术31
2.4.1　数据分析与数据科学31
2.4.2　数字化31
2.4.3　开源技术与商用硬件32
2.4.4　社交媒体33
2.4.5　超连通社区与设备33
2.4.6　云计算34
2.5　万物互联网35
2.6　案例学习35
第3章　大数据采用及规划考虑39
3.1　组织的先决条件40
3.2　数据获取40
3.3　隐私性40
3.4　安全性41
3.5　数据来源42
3.6　有限的实时支持43
3.7　不同的性能挑战43
3.8　不同的管理需求43
3.9　不同的方法论44
3.10　云44
3.11　大数据分析的生命周期45
3.11.1　商业案例评估45
3.11.2　数据标识47
3.11.3　数据获取与过滤47
3.11.4　数据提取48
3.11.5　数据验证与清理49
3.11.6　数据聚合与表示50
3.11.7　数据分析52
3.11.8　数据可视化52
3.11.9　分析结果的使用53
3.12　案例学习54
3.12.1　大数据分析的生命周期55
3.12.2　商业案例评估55
3.12.3　数据标识56
3.12.4　数据获取与过滤56
3.12.5　数据提取57
3.12.6　数据验证与清理57
3.12.7　数据聚合与表示57
3.12.8　数据分析57
3.12.9　数据可视化58
3.12.10　分析结果的使用58
第4章　企业级技术与大数据商务智能59
4.1　联机事务处理60
4.2　联机分析处理60
4.3　抽取、转换和加载技术61
4.4　数据仓库61
4.5　数据集市62
4.6　传统商务智能62
4.6.1　即席报表63
4.6.2　仪表板63
4.7　大数据商务智能65
4.7.1　传统数据可视化65
4.7.2　大数据的数据可视化66
4.8　案例学习67
4.8.1　企业技术67
4.8.2　大数据商务智能68
第二部分　存储和分析大数据
第5章　大数据存储的概念71
5.1　集群72
5.2　文件系统和分布式文件系统72
5.3　NoSQL73
5.4　分片74
5.5　复制75
5.5.1　主从式复制76
5.5.2　对等式复制77
5.6　分片和复制80
5.6.1　结合分片和主从式复制80
5.6.2　结合分片和对等式复制81
5.7　CAP定理82
5.8　ACID85
5.9　BASE88
5.10　案例学习91
第6章　大数据处理的概念93
6.1　并行数据处理93
6.2　分布式数据处理94
6.3　Hadoop94
6.4　处理工作量95
6.4.1　批处理型95
6.4.2　事务型95
6.5　集群96
6.6　批处理模式97
6.6.1　MapReduce批处理97
6.6.2　Map和Reduce任务98
6.6.3　MapReduce的简单实例103
6.6.4　理解MapReduce算法104
6.7　实时模式处理107
6.7.1　SCV原则107
6.7.2　事件流处理110
6.7.3　复杂事件处理110
6.7.4　大数据实时处理与SCV110
6.7.5　大数据实时处理与MapReduce111
6.8　案例学习112
6.8.1　处理工作量112
6.8.2　批处理模式处理112
6.8.3　实时模式处理113
第7章　大数据存储技术115
7.1　磁盘存储设备115
7.1.1　分布式文件系统116
7.1.2　RDBMS数据库117
7.1.3　NoSQL数据库119
7.1.4　NewSQL数据库128
7.2　内存存储设备129
7.2.1　内存数据网格131
7.2.2　内存数据库138
7.3　案例学习141
第8章　大数据分析技术143
8.1　定量分析144
8.2　定性分析145
8.3　数据挖掘145
8.4　统计分析146
8.4.1　A/B测试146
8.4.2　相关性分析147
8.4.3　回归性分析149
8.5　机器学习150
8.5.1　分类（有监督的机器学习）151
8.5.2　聚类（无监督的机器学习）152
8.5.3　异常检测152
8.5.4　过滤153
8.6　语义分析154
8.6.1　自然语言处理155
8.6.2　文本分析155
8.6.3　情感分析156
8.7　视觉分析157
8.7.1　热点图157
8.7.2　时间序列图159
8.7.3　网络图160
8.7.4　空间数据制图161
8.8　案例学习162
8.8.1　相关性分析162
8.8.2　回归性分析162
8.8.3　时间序列图163
8.8.4　聚类163
8.8.5　分类163
附录A　案例结论165
索引167



有问题微信扫码联系

推荐

Understand China
桂ICP备20004708号-4