R
全新正版 极速发货
￥ 40.52 4.5折 ￥ 89.8 全新
库存2件
作者(日)有贺友纪//大桥俊介|责编:杨静华|译者:朱迎庆
出版社中国水利水电
ISBN9787522604473
出版时间2022-07
装帧平装
开本其他
定价89.8元
货号31510434
上书时间2024-06-06
商品详情
- 品相描述：全新
- 商品描述
-
商品简介
《R & Python 数据科学与机器学习实践》以动手实践的形式介绍了数据分析、统计分析和机器学习的相关内容，可以让读者
在短时间内掌握使用R语言和Python从数据创建模型并获取结果的基本步骤，并用R & Python体验学习各种分析的“理论”和“实
际思维方式”。全书共5章，其中第1章介绍了数据科学入门的基础知识，让读者对数据科学领域有一个整体认识；第2章介绍
了R & Python的语法基础和编程入门相关知识，为编程基础薄弱的读者顺利学习本书打好坚实的编程基础；第3~4章介绍了非常
重要的数据处理、数据分析和用R语言实现的统计建模方法；第5章介绍了用Python实现的以预测为目的的机器学习方法。对实
践中经常遇到的数据质量问题和处理要点、回归模型、决策树、聚类、降维，以及常用的监督学习方法和深度学习等内容均进
行了讲解。
《R & Python数据科学与机器学习实践》不是一本入门书，它是一本尽可能不使用数学公式而专注于利用的书，致力于让读
者掌握使用R / Python实践数据科学与机器学习的基本技能并获得自身持续发展和深入学习所需的素养，特别适合有一定统计学
和机器学习基础，想快速提升技能的程序员学习，也适合作为高校统计学、数据科学和人工智能相关专业的参考书。
作者简介
有贺友纪，人类科学硕士。在野村综合研究所从事与企业IT应用趋势相关的调查和研究工作。根据从大学专业（心理学）中掌握的定量分析的经验出发，重点关注如何合理地利用数据和解决问题。另外，他还负责公司内部有关数据科学的培训计划制定、内容制作和教学工作。
目录
第1章 数据科学入门
1.1 数据科学的基础
1.1.1 数据科学的重要性
1.1.2 数据科学的定义及历史
1.1.3 数据科学中的建模
1.1.4 数据科学及其相关领域
1.2 数据科学的实施
1.2.1 数据科学的流程及任务
1.2.2 数据科学实施所需的工具
1.2.3 数据科学实施所需的技能
1.2.4 数据科学的局限性及挑战
第2章 R语言与Python语言
2.1 R语言与Python语言的比较
2.2 R语言入门
2.2.1 R语言的概述
2.2.2 R语言的语法
2.2.3 数据结构与控制结构
2.3 Python语言入门
2.3.1 Python语言概述
2.3.2 Python语言的语法
2.3.3 Python语言的程序设计
2.3.4 NumPy与Pandas
2.4 比较R语言与Python语言的运行实例
第3章 数据分析与典型的模型
3.1 捕捉数据特征
3.1.1 捕捉分布的形态——视觉上的确认
3.1.2 计算描述性统计量——代表值与离散程度
3.1.3 把握关联性——相关系数的使用方法和含义
3.1.4 使用R语言的相关分析——利用日本地方政府调查数据的案例
3.1.5 各种统计分析——理论与实际思考方式
3.2 根据数据建立模型
3.2.1 目标变量和解释变量——解释和预测的“方向”
3.2.2 简单线性回归模型——R语言程序的运行与结果
3.2.3 使用虚拟变量建模——分析组间差异
3.2.4 复杂线性回归模型——交互作用及模型之间的比较
3.2.5 线性回归的原理与最小二乘法
3.3 评估模型
3.3.1 用于评估模型的观点
3.3.2 这个结果难道不是偶然的吗？——假设概率和显著性差异检验
3.3.3 模型是否与数据拟合——拟合系数与决定系数
3.3.4 模型是否过于复杂——过拟合和预测精度
3.3.5 残差分布——线性回归模型和诊断图
3.3.6 解释变量之间的相关性——多重共线性
3.3.7 标准偏回归系数
第4章 实践性的模型
4.1 建模的准备
4.1.1 数据的准备与处理加工
4.1.2 分析和建模的方法
4.2 数据的加工处理
4.2.1 数据的清洗
内容摘要
《R&Python数据科学与机器学习实践》以动手实践的形式分绍了数据分析、
统计分析和机器学习的相关内容，可以让读者在短时间内掌握使用R语言和Python从数据创建模型并获取结果的基本步骤，并用R&Python体验学习各种分析的“理论”和“实际思维方式”。
全书共5章，其中第1章介绍了数据科学入门的基础知识，让读者对数据科学领域有一个整体认识；第2章介绍了R&Python的语法基础和编程入门相关知识，为编程基础薄弱的读者顺利学习本书打好坚实的编程基础；第3～4章介绍了非常重要的数据处理、数据分析和用R语言实现的统计建模方法；第5章介绍了用Python实现的以预测为目的的机器学习方法。对实践中经常遇到的数据质量问题和处理要点、回归模型、决策树、聚类、降推，以及常用的监督学习方法和深度学习等内容均进行了讲解。
《R&Python数据科学与机器学习实践》不是一本入门书，它是一本尽可能不使用数学公式面专注于利用的书，致力于让读者掌握使用R/Python实践数据科学与机器学习的基本技能并获得自身持续发展和深入学习所
需的素养，特别适合有一定统计学和机器学习基础，想快速提升技能的程序员学习，也适合作为高校统计学、
数据科学和人工智能相关专业的参考书。
主编推荐本书读者对象：想了解数据分析、统计分析、机器学习的人员；想从事数据科学相关工作者的人员
本书以R语言和Python为工具，对数据科学实践中经常遇到的数据质量问题和处理要点、回归模型、决策树、聚类、降维，以及常用的监督学习方法和深度学习等内容，进行了详细讲解。可以让读者在短时间内掌握使用R语言和Python从数据创建模型到获取结果的基本步骤，并用R语言和Python体验学习各种统计分析的“理论”和“实际思维方式”，在掌握使用R / Python实践数据科学与机器学习基本技能的同时获得自身持续发展和深入学习所需的素养。□ 能够直观地了解什么是统计建模。
□ 能够理解基于模型的因素分析和预测之间的差异。
□ 在实际创建模型或解释结果时不要掉进“陷阱”本书特点
1、本书的特点是数据分析和建模都是基于实际数据进行，而不是基于已经处理过的特定数据；
2、本书中每一章的实例都是基于现实中可能发生的场景，都是用来解决实际问题；
3、本书尽可能不使用数学公式而专注于实际利用，用实际输入代码动手实践的形式更好地理解知识点。
【内容简介】
— 没有更多了 —
以下为对购买帮助不大的评价