数据科学导论：探索数据的奥秘（面向新工科的电工电子信息基础课程系列教材）

图书标准信息

• 作者 黄晓林、刘斌、刘钦、陈颖、葛云 著
• 出版社 清华大学出版社
• 出版时间 2020-09
• ISBN 9787302561699
• 定价 45.00元
• 装帧 其他
• 开本 16开

【内容简介】

本书通过完整、规范的数据科学项目的流程来组织全书体系结构，涵盖数据科学项目的全过程，包括问题提出与目标制定、凝练前提假设和设计数据方案、探索性数据分析、建模与分析、性能评价、结果诠释与展示。佐以丰富的案例分析和模拟项目训练，启发学生主动思考，培养学生在实践中树立严谨的科学思维方式及数据科学流程。

 

本书除了可作为本科生数据科学基础课、理工通识课教材外，还面向所有对数据科学有浓厚兴趣的人群，以及各行各业中有大体量数据分析需求的人群。

 

【作者简介】

黄晓林，南京大学电子科学与工程学院副教授，长期从事信号处理与数据分析工作，发表SCI学术论文30多篇，主持纵向科研项目4项，获国家授权方面专利5项，软件著作权1项。目前主讲南京大学电子科学与工程学院本科生课程《计算方法》、《数据科学导论》，曾经讲授《数据库应用》《生物医学电子学》等课程。

【目录】

 

目录

 

 

 

 

第1章绪论

 

 

1.1为什么要研究数据科学

 

 

1.2基本概念

 

 

1.2.1数据

 

 

1.2.2大数据

 

 

1.2.3数据科学

 

 

1.3数据科学项目涉及的人员及其任务

 

 

1.4数据科学项目流程

 

 

1.4.1确定问题

 

 

1.4.2制定目标

 

 

1.4.3搜集数据

 

 

1.4.4探索性数据分析

 

 

1.4.5建立模型

 

 

1.4.6性能评价

 

 

1.4.7结果展示

 

 

1.4.8部署模型

 

 

1.5数据科学项目中的数据流

 

 

1.6本书内容、采用工具和目标人群

 

 

思考题

 

 

第2章问题与目标

 

 

2.1用户层面的问题与目标

 

 

2.2数据科学层面的问题与目标

 

 

思考题

 

 

第3章数据获取

 

 

3.1前提假设与数据方案设计

 

 

3.1.1前提假设

 

 

3.1.2数据方案设计

 

 

3.1.3数据获取的可行性分析

 

 

3.1.4确定数据构成

 

 

 

3.2总体和抽样

 

 

3.2.1总体和个体

 

 

3.2.2样本

 

 

3.2.3无偏抽样

 

 

3.2.4抽样偏差

 

 

 

3.3混杂因素和A/B Testing

 

 

3.3.1混杂因素和辛普森悖论

 

 

3.3.2双盲实验和A/B Testing

 

 

思考题

 

 

第4章Python基础

 

 

4.1Python的下载与安装

 

 

4.2常用工具包的下载与安装

 

 

4.3Jupyter Notebook

 

 

4.4Python的常用数据结构

 

 

4.4.1列表

 

 

4.4.2元组

 

 

4.4.3字典

 

 

4.4.4集合

 

 

4.4.5numpy.ndarray

 

 

4.4.6Pandas.DataFrame

 

 

4.5Python基本语法

 

 

4.5.1基本命令

 

 

4.5.2控制流和相关语法

 

 

4.6Python数据导入

 

 

4.6.1本地数据导入

 

 

4.6.2在线数据导入

 

 

4.6.3数据的连续流加载

 

 

第5章探索性数据分析

 

 

5.1数据检查

 

 

5.1.1数据的意义及规模

 

 

5.1.2特征的数据类型及意义

 

 

5.1.3初步排除数据泄露

 

 

5.2数据预处理

 

 

5.2.1缺失处理

 

 

5.2.2异常处理

 

 

5.2.3冗余处理

 

 

5.3描述性统计

 

 

5.3.1位置性测度

 

 

5.3.2离散性测度

 

 

5.3.3图形化描述统计

 

 

思考题

 

 

第6章建模与性能评价

 

 

6.1统计建模

 

 

6.1.1常见的概率密度函数

 

 

6.1.2参数估计

 

 

6.1.3假设检验

 

 

6.1.4phacking

 

 

6.2回归模型

 

 

6.2.1线性回归模型

 

 

6.2.2线性回归模型性能评价

 

 

6.2.3线性回归与线性相关

 

 

6.2.4逻辑回归

 

 

6.2.5训练集膊馐约划分

 

 

6.2.6应用非数值特征作为输入时的onehot编码

 

 

6.3朴素贝叶斯模型

 

 

6.3.1贝叶斯定理

 

 

6.3.2高斯模型

 

 

6.3.3多项式模型

 

 

6.3.4伯努利模型  

 

 

6.4分类模型的性能评价

 

 

6.4.1混淆矩阵

 

 

6.4.2指标权衡

 

 

6.4.3应用举例

 

 

6.4.4参数区分性能评价

 

 

6.5决策树

 

 

6.5.1决策树工作原理

 

 

6.5.2分类任务决策树的建模过程

 

 

6.5.3分类决策树应用举例

 

 

6.6有监督学习模型与无监督学习模型

 

 

6.7Kmeans模型

 

 

6.7.1两个基本概念

 

 

6.7.2Kmeans迭代算法

 

 

6.8偏差卜讲钊ê

 

 

6.8.1偏差卜讲罾Ь

 

 

6.8.2过拟合与欠拟合

 

 

6.8.3K舱劢徊嫜橹

 

 

6.9参数的网格搜索

 

 

6.10集成学习

 

 

6.10.1孔多塞陪审团定理

 

 

6.10.2决策树集成

 

 

思考题

 

 

第7章结果展示

 

 

7.1区分面向对象的结果展示

 

 

7.1.1面向出资方的结果展示

 

 

7.1.2面向用户的结果展示

 

 

7.1.3面向数据科学家的结果展示

 

 

7.2展示过程中的可视化

 

 

7.2.1展示可视化的两个层面

 

 

7.2.2展示可视化的三点基本原则

 

 

结语

 

 

 

参考文献