Python数据分析与挖掘算法从入门到机器学习(微课视频版)
¥
30.1
6.0折
¥
49.9
全新
库存3件
作者张坤
出版社清华大学出版社
出版时间2022-05
版次1
印数1千册
装帧其他
上书时间2024-06-24
商品详情
- 品相描述:全新
图书标准信息
-
作者
张坤
-
出版社
清华大学出版社
-
出版时间
2022-05
-
版次
1
-
ISBN
9787302600169
-
定价
49.90元
-
装帧
其他
-
开本
16开
-
纸张
胶版纸
- 【内容简介】
-
本书主要内容包括:数据分析与挖掘简介、爬虫、Scrapy爬虫框架、Numpy、Pandas、Matplotlib、线性回归、Logistic回归、决策树与随机森林、KNN模型、朴素贝叶斯模型、SVM模型等。本书以案例为导向,循序渐进,适合初学者。本书从初学者的角度进行编写,在编写过程中,注重基础知识和案例应用相结合,主要内容包括:数据分析与挖掘简介、爬虫、Scrapy爬虫框架、Numpy、Pandas、Matplotlib、线性回归、Logistic回归、决策树与随机森林、KNN模型、朴素贝叶斯模型、SVM模型等常用算法,后总结了一些项目的综合实战案例。本书的代码全部使用Python语言实现,适合大数据、人工智能等相关专业选用。
- 【作者简介】
-
张坤,教授,大连理工大学城市学院计算机工程学院副院长,曾主编《操作系统》、《操作系统实验》、《汇编语言实验》3部教材,参编《Java EE 企业级应用开发实例教程》等8部著作。
- 【目录】
-
第一部分数据分析与挖掘
第1章数据分析与挖掘简介
1.1Python数据分析和挖掘任务中重要的库与工具
1.1.1NumPy
1.1.2SciPy
1.1.3Pandas
1.1.4Matplotlib
1.1.5Jupyter Notebook
1.1.6Scikitlearn
1.2Anaconda 安装
1.3Jupyter Notebook
第2章爬虫
2.1爬虫的基本流程
2.2HTTP
2.3安装PyCharm
2.4应用举例
习题
第3章Scrapy爬虫框架
3.1基本原理
3.2应用举例
习题
第4章NumPy基本用法
4.1NumPy创建数组
4.1.1使用np.array()由Python列表创建
4.1.2使用np的方法创建
4.2NumPy查看数组属性
4.3数组的基本操作
4.4NumPy运算
4.5排序
习题
第5章Pandas基本用法
5.1Series
5.2DataFrame
5.2.1创建DataFrame对象
5.2.2查看DataFrame对象
5.2.3DataFrame对象的索引与切片
5.3应用举例
5.3.1数据读取
5.3.2数据清洗
5.3.3数据规整
习题
第6章Matplotlib基本用法
6.1线型图
6.2散点图
6.3直方图
6.4条形图
6.5饼图
6.6Seaborn
6.6.1Seaborn基本操作
6.6.2Seaborn绘制的图
6.6.3Seaborn用法示例
6.7Pandas中的绘图函数
习题
第7章线性回归、岭回归、Lasso回归
7.1原理
7.1.1普通线性回归
7.1.2岭回归
7.1.3Lasso回归
7.2应用举例
习题
第8章Logistic回归分类模型
8.1原理
8.1.1模型简介
8.1.2ROC曲线和AUC
8.1.3梯度下降法
8.1.4Scikitlearn中predict()与predict_proba()用法区别
8.2应用举例
习题
第9章决策树与随机森林
9.1原理
9.1.1决策树
9.1.2随机森林
9.2应用举例
习题
第10章KNN模型
10.1原理
10.2应用举例
习题
第11章朴素贝叶斯模型
11.1原理
11.1.1贝叶斯定理
11.1.2朴素贝叶斯
11.1.3Scikitlearn中三种不同类型的朴素贝叶斯模型
11.2应用举例
习题
第12章SVM模型
12.1原理
12.2应用举例
习题
第13章Kmeans聚类
13.1原理
13.2应用举例
习题
第14章关联规则——Apriori算法
14.1原理
14.2应用举例
习题
第15章数据分析与挖掘项目实战
15.1贷款预测问题
15.1.1数据导入及查看
15.1.2数据预处理
15.1.3建立预测模型
15.2客户流失率问题
15.2.1数据导入及查看
15.2.2数据预处理
15.2.3建立预测模型
习题
第二部分机 器 学 习
第16章主成分分析法
16.1原理
16.2应用举例
习题
第17章集成学习
17.1原理
17.2应用举例
习题
第18章模型评估
18.1分类评估
18.2回归评估
18.3聚类评估
18.4Scikitlearn中的评估函数
第19章初识深度学习框架Keras
19.1关于Keras
19.2神经网络简介
19.3Keras神经网络模型
19.4用Keras实现线性回归模型
19.5用Keras实现鸢尾花分类
19.6Keras目标函数、性能评估函数、激活函数说明
习题
参考文献
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价