Java数据科学指南

图书标准信息

• 作者 [加]鲁什迪·夏姆斯（Rushdi Shams） 著；武传海 译
• 出版社 人民邮电出版社
• 出版时间 2018-06
• 版次 1
• ISBN 9787115481634
• 定价 79.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 302页
• 正文语种 简体中文

【内容简介】

现如今，数据科学已经成为一个热门的技术领域，它涵盖了人工智能的各个方面，例如数据处理、信息检索、机器学习、自然语言处理、数据可视化等。而Java作为一门经典的编程语言，在数据科学领域也有着杰出的表现。

本书旨在通过Java编程来引导读者更好地完成数据科学任务。本书通过9章内容，详细地介绍了数据获取与清洗、索引的建立和检索数据、统计分析、数据学习、信息的提取、大数据处理、深度学习、数据可视化等重要主题。

本书适合想通过Java解决数据科学问题的读者，也适合数据科学领域的专业人士以及普通Java开发人员阅读。

【作者简介】

Rushdi Shams毕业于加拿大韦仕敦大学，获得了机器学习应用博士学位，主攻方向是自然语言处理（Natural Language Processing，NLP）。在成为机器学习与NLP领域的专家之前，他讲授本科生与研究生课程。在YouTube上，他一直运营着一个名为“跟Rushdi一起学”（Learn with Rushdi）的频道，并且做得有声有色，该频道主要面向想学习计算机技术的朋友。

【目录】

第 1章 获取数据与清洗数据 1

1．1　简介　2

1．2　使用Java从分层目录中提取所有文件名　3

准备工作　3

操作步骤　3

1．3　使用Apache Commons IO从多层目录中提取所有文件名　5

准备工作　5

操作步骤　5

1．4　使用Java 8从文本文件一次性读取所有内容　6

操作步骤　7

1．5　使用Apache Commons IO从文本文件一次性读取所有内容　7

准备工作　7

操作方法　8

1．6　使用Apache Tika提取PDF文本　8

准备知识　9

操作步骤　9

1．7　使用正则表达式清洗ASCII文本文件　11

操作步骤　11

1．8　使用Univocity解析CSV文件　12

准备工作　13

操作步骤　13

1．9　使用Univocity解析TSV文件　15

准备工作　15

操作步骤　16

1．10　使用JDOM解析XML文件　17

准备工作　17

操作步骤　18

1．11　使用JSON．simple编写JSON文件　20

准备工作　20

操作步骤　21

1．12　使用JSON．simple读取JSON文件　23

准备工作　24

操作步骤　24

1．13　使用JSoup从一个URL提取Web数据　26

准备工作　26

操作步骤　26

1．14　使用Selenium Webdriver从网站提取Web数据　29

准备工作　29

操作步骤　29

1．15　从MySQL数据库读取表格数据　32

准备工作　32

操作步骤　32

第　2章 为数据建立索引与搜索数据　35

2．1　简介　35

2．2　使用Apache Lucene为数据建立索引　35

准备工作　36

操作步骤　40

工作原理　47

2．3　使用Apache Lucene搜索带索引的数据　50

准备工作　50

操作步骤　51

第3章　数据统计分析　56

3．1　简介　57

3．2　生成描述性统计　59

操作步骤　59

3．3　生成概要统计　60

操作步骤　60

3．4　从多种分布生成概要统计　61

操作步骤　62

更多内容　63

3．5　计算频率分布　64

操作步骤　64

3．6　计算字符串中的词频　65

操作步骤　65

工作原理　67

3．7　使用Java 8计算字符串中的词频　67

操作步骤　67

3．8　计算简单回归　68

操作步骤　69

3．9　计算普通最小二乘回归　70

操作步骤　70

3．10　计算广义最小二乘回归　72

操作步骤　72

3．11　计算两组数据点的协方差　74

操作步骤　74

3．12　为两组数据点计算皮尔逊相关系数　75

操作步骤　75

3．13　执行配对t检验　76

操作步骤　76

3．14　执行卡方检验　77

操作步骤　78

3．15　执行单因素方差分析

（one-way　ANOVA test）　79

操作步骤　79

3．16　执行K-S检验　81

操作步骤　81

第4章　数据学习Ⅰ　83

4．1　简介　83

4．2　创建与保存ARFF文件　84

操作步骤　87

4．3　对机器学习模型进行交叉验证　91

操作步骤　91

4．4　对新的测试数据进行分类　95

准备工作　95

操作步骤　96

4．5　使用过滤分类器对新测试数据分类　102

操作步骤　102

4．6　创建线性回归模型　105

操作步骤　106

4．7　创建逻辑回归模型　108

操作步骤　108

4．8　使用K均值算法对数据点

进行聚类　110

操作步骤　110

4．9　依据类别对数据进行聚类处理　113

操作方法　113

4．10　学习数据间的关联规则　116

准备工作　116

操作步骤　116

4．11　使用低层方法、过滤方法、元分类器方法选择特征/属性　118

准备工作　119

操作步骤　119

第5章　数据学习Ⅱ　125

5．1　简介　125

5．2　使用Java机器学习库（Java-ML）向数据应用机器学习　126

准备工作　126

操作步骤　128

5．3　使用斯坦福分类器对数据点分类　137

准备工作　137

操作步骤　140

工作原理　141

5．4　使用MOA对数据点分类　142

准备工作　142

操作步骤　144

5．5　使用Mulan对多标签数据点进行分类　147

准备工作　147

操作步骤　150

第6章　从文本数据提取信息　154

6．1　简介　154

6．2　使用Java检测标记（单词）　155

准备工作　155

操作步骤　155

6．3　使用Java检测句子　160

准备工作　160

操作步骤　160

6．4　使用OpenNLP检测标记（单词）与句子　161

准备工作　162

操作步骤　163

6．5　使用Stanford CoreNLP从标记中提取词根、词性，以及

识别命名实体　167

准备工作　167

操作步骤　169

6．6　使用Java 8借助余弦相似性测度测量文本相似度　171

准备工作　172

操作步骤　172

6．7　使用Mallet从文本文档提取主题　176

准备工作　177

操作步骤　179

6．8　使用Mallet对文本文档进行分类　184

准备工作　184

操作步骤　185

6．9　使用Weka对文本文档进行分类　189

准备工作　190

操作步骤　191

第7章　处理大数据　194

7．1　简介　194

7．2　使用Apache Mahout训练在线逻辑回归模型　195

准备工作　195

操作步骤　198

7．3　使用Apache Mahout应用在线逻辑回归模型　202

准备工作　202

操作步骤　203

7．4　使用Apache Spark解决简单的文本挖掘问题　207

准备工作　208

操作步骤　210

7．5　使用MLib的K均值算法做聚类　214

准备工作　214

操作步骤　214

7．6　使用MLib创建线性回归模型　217

准备工作　217

操作步骤　218

7．7　使用MLib的随机森林模型对数据点进行分类　222

准备工作　222

操作步骤　223

第8章　数据深度学习　229

8．1　简介　229

8．2　使用DL4j创建Word2vec神经网络　241

操作方法　241

工作原理　243

更多内容　246

8．3　使用DL4j创建深度信念神经网络　246

操作步骤　246

工作原理　250

8．4　使用DL4j创建深度自动编码器　254

操作步骤　254

工作原理　256

第9章　数据可视化　259

9．1　简介　259

9．2　绘制2D正弦曲线　260

准备工作　260

操作步骤　262

9．3　绘制直方图　266

准备工作　266

操作步骤　268

9．4　绘制条形图　273

准备工作　274

操作步骤　275

9．5　绘制箱线图或箱须图　279

准备工作　279

操作步骤　281

9．6　绘制散点图　285

准备工作　285

操作步骤　286

9．7　绘制甜圈图　289

准备工作　289

操作步骤　290

9．8　绘制面积图　294

准备工作　294

操作步骤　295