由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
全新正版Python数据分析与可视化9787111701187机械工业
¥ ×1
前言
章数据分析是什么
1.1海量数据蕴藏的知识
1.2数据分析与数据挖掘的关系
1.3机器学习概述
1.4机器学习与数据分析的关系
1.5数据分析的基本步骤
1.6Python和数据分析
习题
第2章Python语言基础
2.1Python发展史
2.2Python及Pandas、scikit-
learn、Matplotlib的
安装
2.2.1Windows环境下Python的
安装
2.2.2Ubuntu和Mac环境下
Python的安装
2..集成开发环境
2.2.4使用pip安装Pandas、
scikit-learn和Matplotlib
2.2.5使用第三方科学计算发行版
Python进行快速安装
.Pycharm
2.4Python基础知识
2.4.1Python编码规范
2.4.2模块化的系统
2.5Python基础语法
2.5.1数据类型
2.5.2基本计算
2.5.3控制语句
2.6重要的Python库
2.6.1Pandas
2.6.2scikit-learn
2.6.3Matplotlib
2.6.4
2.7Jupyter
习题
第3章数据预处理
3.1了解数据
3.2数据质量
3.2.1完整
3.2.2一致
3..准确
3.2.4及时
3.3数据清洗
3.4特征工程
3.4.1特征选择
3.4.2特征构建
3.4.3特征提取
习题
第4章NumPy——数据分析基础
工具
4.1多维数组对象:ndarray
4.1.1ndarray的创建
4.1.2ndarray的数据类型
4.2ndarray的索引、切片和
迭代
4.3ndarray的shape作
第5章Pandas——处理结构化
数据
5.1基本数据结构
5.1.1Series
5.1.2DataFrame
5.2基于Pandas的Index对象的
访问作
5.2.2索引的不同访问方式
5.3数学统计和计算工具
5.3.1统函:协方差、相关
系数、排序
5.3.2窗口函数
5.4数学聚合和分组运算
5.4.1agg函数的聚合作
作
作
第6章数据分析与知识发现的一些
常用方法
6.1分类分析
6.1.1逻辑回归
6.1.2线判分析
6.1.3支持向量机
6.1.4决策树
6.1.5K邻近
6.1.6朴素贝叶斯
6.2关联分析
6.2.1基本概念
6.2.2典型算法
6.3聚类分析
6.3.1K均值算法
6.3.2DBSCAN算法
6.4回归分析
6.4.1线回归分析
6.4.2支持向量回归
6.4.3K邻近回归
习题
第7章Pandas与scikit-learn——实
现数据的分析
7.1分类方法
7.1.1Logistic回归
7.1.2支持向量机
7.1.3近邻算法
7.1.4决策树
7.1.5随机梯度下降
7.1.6高斯过程分类
7.1.7神经网络分类(多层感
知器)
7.1.8朴素贝叶斯
7.2回归方法
7.2.1二乘法
7.2.2岭回归
7..Lasso
7.2.4贝叶斯岭回归
7.2.5决策树回归
7.2.6高斯过程回归
7.2.7近邻回归
7.3聚类方法
7.3.1K-means算法
7.3.2AffinityPropagation算法
7.3.3Mean-shift算法
7.3.4SpectralClustering算法
7.3.5HierarchicalClustering
算法
7.3.6DBSCAN算法
7.3.7Birch算法
习题
第8章Matplotlib——交互式图表
绘制
8.1基本布局对象
8.2图表样式的修改以及装饰项
接口
8.3基础图表绘制
8.3.1直方图
8.3.2散点图
8.3.3饼图
8.3.4柱状图
8.3.5折线图
8.3.6表格
8.3.7不同坐标系下的图像
8.4matplot3D
8.5Matplotlib与Jupyter结合
习题
第9章案例:新生信息分析与
可视化
9.1使用Pandas对数据预
处理
9.2使用Matplotlib库画图
9.3使用Pandas进行绘图
0章案例:用户流失预警
10.1读入数据
10.2数据预处理
10.3五折交叉验
10.4引入3种模型
10.5调整prob阈值输出
评估
1章案例:美国加利福尼亚房价
预测的数据分析
11.1数据分析常用的Python
工具库
11.1.1Pandas
11.1.2NumPy
11.1.3Matplotlib
11.1.4Sklearn
11.2数据的读入和初步分析
11.2.1数据读入
11.2.2分割测试集与训练集
11..数据的初步分析
11.3数据的预处理
11.3.1拆分数据
11.3.2空白值的填充
11.3.3数据的标准化
11.3.4数据的流程化处理
11.4模型的构建
11.4.1查看不同模型的表现
11.4.2选择效果的模型进行
预测
2章案例:基于上下文感知的
多模态交通
12.1题目理解
12.1.1题目背景
12.1.2数据说明
12.1.3评测指标
12.1.4输出格式
12.2解决方案
12.2.1工具包导入
12.2.2特征工程
3章案例:机器人路径走
迷宫
13.1关键技术
13.1.1马尔科夫决策过程
13.1.2Bellman方程
13.2程序设计步骤
13.2.1初始化迷宫地图
13.2.2计算不同位置
路径
4章案例:基于Python+Elasticsearch
实现搜索附近小区房价
14.1程序设计
14.2准备数据
14.3安装以及使用
Elasticsearch
14.4实现附近房价搜索
的搜索引擎
参考文献
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格