Python数据科学
正版新书 新华官方库房直发 可开电子发票
￥ 62.37 6.3折 ￥ 99 全新
库存4件
作者常国珍,赵仁乾,张秋剑 著
出版社机械工业出版社
ISBN9787111603092
出版时间2018-07
版次1
装帧平装
开本16开
纸张胶版纸
页数422页
定价99元
货号SC:9787111603092
上书时间2024-11-03
- 在售商品 暂无
- 平均发货时间 16小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
常国珍，数据科学专家和金融技术专家。北京大学会计学博士，中国大数据产业生态联盟专家委员会委员。
2005年进入数据科学领域，先后在亚信、德勤等企业从事电信、金融行业数据挖掘工作，现就职于中银消费金融有限公司数据管理部。专注于消费金融领域的数据治理、客户智能与风险智能。
赵仁乾，数据科学家，在电信大数据和机器学习领域有丰富的实践经验。
现就职于北京电信规划设计院任不错经济师，负责通信、ICT项目工程与业务咨询，专注电信市场数据分析，重点研究方向包括离网用户挖掘、市场细分与精准营销、移动网络价值区域分析、大数据及人工智能运营规划等。
张秋剑，大数据专家和金融行业技术专家，上海师范大学计算机科学技术硕士。
现任星环科技金融事业部总监，大数据技术架构行业顾问专家，云析学院发起人，AICUG社区联合发起人，曾在IEEE等期刊发表多篇论文。目前主要为银行、证券和保险等行业客户提供大数据平台及人工智能平台的整体规划和项目建设等工作。
精彩内容:
前言本书是一本集数据分析、数据挖掘、机器学习为一体，面向商业实战的养成式学习手册。为有志从事数据科学工作的读者提供系统化的学习路径，使读者掌握数据科学的理念、思路与分析步骤。 本书力图淡化技术，对于方法的介绍也尽量避免涉及过多的数学内容，而且都辅以图形进行形象地展现。本书将不同算法看作功能各异的工具，比如用于煮饭的闷锅、用于炒菜的炒锅，每种工具的操作方式都应该遵循相应的说明书，因此对于每种算法我们强调其假设、适用条件与商业数据分析主题的匹配。我们在实践教学中发现，业务经验丰富和有较好商业模式理解能力的学员，在掌握数据科学的技能方面具有明显的优势。这主要是因为这类学员有较强的思辨能力和分析能力，学习的目的性和质量意识较强，不只是简单地模仿和套用数学公式，所以本书也注重对读者思辩能力和分析能力的培养。 本书相当于Python的数据科学工具箱，专门提供了不同数据运用主题的操作框架。不同于一般泛泛而讲的运用案例，落地性强，便于读者实际运用。 本书不是一本教科书或案例集，而是一本提供数据挖掘路线图与解决方案的实战手册。2014年我们编写了一套使用SAS进行商业数据分析的书，得到了读者的认可。2016年我们同时启动了R和Python数据科学方面的写作工作。我们在Python上投入了数倍于R的精力，但是R的书如期问世，而本书却推迟了近一年，原因是Python目前还无法满足精细数据分析的要求。 在数据分析领域，如果说SAS是冲锋枪，那R就是手枪，Python就是匕首。打过CS的同学都知道，使用冲锋枪不需要枪法有多好，只要资金充足，新手都能得心应手。而使用手枪的必定是枪法很准的老手。出门使用匕首杀敌的，必定是神
...
内容简介:
本书共19章，靠前章介绍数据科学中涉及的基本领域；第2~3章介绍与数据工作紧密相关的Python语言基础；第4章讲解描述性统计分析在宏观业务领域的分析；第5章讲解数据规整、清洗的重要技能；第6章介绍数据科学领域实用的四大统计检验；第7章讲解当被解释变量为连续变量时，如何使用线性回归作预测；第8章讲解使用逻辑回归作评分卡模型；第9章讲解另外一个可解释模型——决策树。靠前0~12章分别讲解了BP神经网络、朴素贝叶斯、近邻域、支持向量机的原理和在决策类模型中的运用；靠前3~14章作为一个整体讲解商业分析场景下的信息压缩；靠前5章以产品推荐作为案例，讲解发现事件与事件伴生关系的关联分析和序列分析算法；靠前6章使用欺诈识别案例讲解当被解释变量分布极 端不平衡时的处理方法；靠前7章继续使用欺诈识别案例讲解集成学习算法；靠前8章讲解了使用效应分解和ARIMA方法实现宏观业务指标预测；靠前9章用案例展现了分类和聚类模型的CRISP-DM和SEMMA流程。
目录:
前言
第1章数据科学家的武器库
1.1数据科学的基本概念
1.2数理统计技术
1.2.1描述性统计分析
1.2.2统计推断与统计建模
1.3数据挖掘的技术与方法
1.4描述性数据挖掘算法示例
1.4.1聚类分析——客户细分
1.4.2关联规则分析
1.5预测性数据挖掘算法示例
1.5.1决策树
1.5.2KNN算法
1.5.3Logistic回归
1.5.4神经网络
1.5.5支持向量机
1.5.6集成学习
1.5.7预测类模型讲解
1.5.8预测类模型评估概述
第2章Python概述
2.1Python概述
2.1.1Python简介
2.1.2Python与数据科学
2.1.3Python2与Python3
2.2AnacondaPython的安装、使用
2.2.1下载与安装
2.2.2使用JupyterNotebook
2.2.3使用Spyder
2.2.4使用conda或pip管理
第三方库
第3章数据科学的Python编程基础
3.1Python的基本数据类型
3.1.1字符串(str)
3.1.2浮点数和整数（float、int）
3.1.3布尔值（Bool：True/False）
3.1.4其他
3.2Python的基本数据结构
3.2.1列表（list）
3.2.2元组（tuple）
3.2.3集合（set）
3.2.4字典（dict）
3.3Python的程序控制
3.3.1三种基本的编程结构简介
3.3.2顺承结构<
...
— 没有更多了 —
以下为对购买帮助不大的评价