• Python与数据挖掘
图书条目标准图
21年品牌 40万+商家 超1.5亿件商品

Python与数据挖掘

12.41 2.5折 49 九品

仅1件

北京海淀
认证卖家担保交易快速发货售后保障

作者张良均、杨海宏、何子健、杨征 著

出版社机械工业出版社

出版时间2016-11

版次1

装帧平装

货号A2

上书时间2024-12-17

新起点书店

四年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:九品
图书标准信息
  • 作者 张良均、杨海宏、何子健、杨征 著
  • 出版社 机械工业出版社
  • 出版时间 2016-11
  • 版次 1
  • ISBN 9787111552611
  • 定价 49.00元
  • 装帧 平装
  • 开本 16开
  • 纸张 胶版纸
  • 页数 175页
  • 字数 130千字
  • 丛书 大数据技术丛书
【内容简介】
  本书主要分为两大部分,基础篇和建模应用篇。基础篇介绍了有关Python开发环境的搭建、Python基础入门、函数、面向对象编程、实用模块和图表绘制等基础知识。建模应用篇主要介绍了目前在数据挖掘中的常用的建模方法在Python中的实现函数,并对输出结果进行了解释,有助于读者快速掌握应用Python进行分析挖掘建模的方法。本书配套提供了书中使用的示例代码及所用的数据,读者可通过上机实验,快速掌握书中所介绍的Python的使用方法。
【作者简介】


张良均,资历大数据挖掘专家和模式识别专家,有10多年的大数据挖掘应用、咨询经验,10余年数据仓库系统管理与实施经验,超过10年的系统开发与设计经验。为电信、电力、互联网、生产制造、零售、银行、生物、化工、医药等多个行业上百家大型企业提供过数据挖掘应用与咨询服务,实践经验很好丰富。此外,他精通javaee企业级应用开发,是广东大学和华南师范大学兼职教授,著有神经网络实用教程、数据挖掘:实用案例分析等书。
【目录】
前言 
第一部分 基础篇 
第1章 数据挖掘概述 2 
1.1 数据挖掘简介 2 
1.2 工具简介 3 
1.2.1 WEKA 3 
1.2.2 RapidMiner 4 
1.2.3 Python 5 
1.2.4 R 5 
1.3 Python开发环境的搭建 6 
1.3.1 Python安装 6 
1.3.2 Python初识 11 
1.3.3 与读者的约定 14 
1.4 小结 15 
第2章 Python基础入门 16 
2.1 常用操作符 16 
2.1.1 算术操作符 17 
2.1.2 赋值操作符 17 
2.1.3 比较操作符 18 
2.1.4 逻辑操作符 18 
2.1.5 操作符优先级 18 
2.2 数字数据 19 
2.2.1 变量与赋值 19 
2.2.2 数字数据类型 20 
2.3 流程控制 20 
2.3.1 if语句 21 
2.3.2 while循环 23 
2.3.3 for循环 25 
2.4 数据结构 27 
2.4.1 列表 28 
2.4.2 字符串 31 
2.4.3 元组 35 
2.4.4 字典 36 
2.4.5 集合 39 
2.5 文件的读写 40 
2.5.1 改变工作目录 40 
2.5.2 txt文件读取 41 
2.5.3 csv文件读取 42 
2.5.4 文件输出 43 
2.5.5 使用JSON处理数据 43 
2.6 上机实验 44 
第3章 函数 47 
3.1 创建函数 48 
3.2 函数参数 50 
3.3 可变对象与不可变对象 52 
3.4 作用域 53 
3.5 上机实验 55 
第4章 面向对象编程 56 
4.1 简介 56 
4.2 类与对象 58 
4.3 __init__方法 59 
4.4 对象的方法 61 
4.5 继承 65 
4.6 上机实验 68 
第5章 Python实用模块 69 
5.1 什么是模块 69 
5.2 NumPy 70 
5.3 Pandas 75 
5.4 SciPy 81 
5.5 scikit-learn 84 
5.6 其他Python常用模块 87 
5.7 小结 88 
5.8 上机实验 88 
第6章 图表绘制入门 89 
6.1 Matplotlib 89 
6.2 Bokeh 94 
6.3 其他优秀的绘图模块 97 
6.4 小结 97 
6.5 上机实验 97 
第二部分 建模应用篇 
第7章 分类与预测 100 
7.1 回归分析 100 
7.1.1 线性回归 101 
7.1.2 逻辑回归 104 
7.2 决策树 107 
7.2.1 ID3算法 107 
7.2.2 其他树模型 111 
7.3 人工神经网络 113 
7.4 kNN算法 122 
7.5 朴素贝叶斯分类算法 124 
7.6 小结 127 
7.7 上机实验 127 
第8章 聚类分析建模 129 
8.1 K-Means聚类分析函数 129 
8.2 系统聚类算法 133 
8.3 DBSCAN聚类算法 138 
8.4 上机实验 142 
第9章 关联规则分析 144 
9.1 Apriori关联规则算法 145 
9.2 Apriori在Python中的实现 146 
9.3 小结 149 
9.4 上机实验 149 
第10章 智能推荐 151 
10.1 基于用户的协同过滤算法 152 
10.2 基于用户的协同过滤算法在Python中的实现 154 
10.3 小结 157 
10.4 上机实验 157 
第11章 时间序列分析 159 
11.1 ARIMA模型 159 
11.2 小结 171 
11.3 上机实验 172 
参考文献 174
点击展开 点击收起

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP