Python数据分析与挖掘实战
正版保障 假一赔十 电子发票
￥ 56.3 7.1折 ￥ 79 全新
库存4件
四川成都
认证卖家担保交易快速发货售后保障
作者邓立国著
出版社清华大学出版社
ISBN9787302577874
出版时间2021-05
装帧平装
开本16开
定价79元
货号1202330066
上书时间2024-12-21
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
邓立国，东北大学计算机应用博士毕业。2005年开始在沈阳师范大学软件学院、教育技术学院任教，主要研究方向：数据挖掘、知识工程、大数据处理、云计算、分布式计算等。以第一作者发表学术论文30多篇（26篇EI），主编教材 1 部，主持科研课题6项，经费10余万元，多次获得校级科研优秀奖，作为九三社员提出的智慧城市提案被市政府采纳，研究成果被教育厅等单位采用。
目录
第1章 大数据采集1
1.1 大数据分类1
1.2 大数据采集方法2
1.3 Python爬虫3
1.3.1 审查元素4
1.3.2 认识网页结构5
1.3.3 认识robots.txt的文档6
1.3.4 爬虫的基本原理11
1.3.5 Python爬虫架构11
1.3.6 用GET方式抓取数据12
1.3.7 用POST方式抓取数据15
1.3.8 用Beautiful Soup解析网页17
1.3.9 Python爬虫案例19
1.4 本章小结25
第2章 数据预处理26
2.1 数据清洗26
2.1.1 缺失值处理27
2.1.2 异常值处理28
2.2 数据集成30
2.3 数据转换32
2.4 数据规约34
2.5 Python主要数据预处理函数35
2.6 本章小结37
第3章 探索性数据分析38
3.1 异常值分析38
3.2 缺失值分析41
3.3 分布分析43
3.4 相关性分析46
3.5 对比分析48
3.6 统计量分析48
3.7 周期性分析51
3.8 贡献度分析51
3.9 Python主要数据探索函数52
3.10 本章小结53
第4章 Sklearn估计器54
4.1 Sklearn概述54
4.2 使用Sklearn估计器分类58
4.2.1 k近邻算法59
4.2.2 管道机制63
4.2.3 Sklearn比较分类器65
4.3 本章小结69
第5章 主流数据分析库70
5.1 NumPy70
5.2 Pandas75
5.2.1 Pandas系列76
5.2.2 Pandas数据帧78
5.2.3 Pandas面板84
5.3 SciPy86
5.4 Matplotlib90
5.5 本章小结93
第6章 大数据：数据库类型94
6.1 关系型数据库94
6.2 关系型数据库与非关系型数据库的关系95
6.3 SQLite96
6.3.1 SQLite安装与配置96
6.3.2 SQLite命令97
6.3.3 SQLite语法99
6.3.4 SQLite - Python104
6.4 MySQL111
6.4.1 MySQL安装111
6.4.2 MySQL管理114
6.4.3 MySQL PHP语法116
6.4.4 PHP脚本连接MySQL116
6.4.5 Python操作MySQL数据库117
6.5 NoSQL数据库123
6.5.1 NoSQL概述123
6.5.2 列存储数据库125
6.5.3 文档存储数据库134
6.5.4 键值存储数据库143
6.5.5 图存储数据库153
6.5.6 对象存储数据库155
6.5.7 XML数据库155
6.6 本章小结157
第7章 数据仓库/商业智能158
7.1 数据仓库和商业智能简介158
7.2 数据仓库架构159
7.3 OLAP160
7.4 数据集市161
7.5 商业智能162
7.6 本章小结163
第8章 数据聚合与分组运算164
8.1 GroupBy技术164
8.1.1 通过函数进行分组165
8.1.2 对分组进行迭代167
8.1.3 选取一个或一组列170
8.1.4 通过字典或Series进行分组171
8.1.5 通过函数进行分组172
8.1.6 根据索引级别分组173
8.2 数据聚合174
8.2.1 面向列的多函数应用174
8.2.2 以无索引的方式返回聚合数据177
8.2.3 分组级运算和转换178
8.3 透视表和交叉表181
8.4 本章小结183
第9章 数据挖掘工具184
9.1 数据挖掘工具分类184
9.2 数据挖掘经典算法185
9.3 免费数据挖掘工具186
9.4 Git和GitHub项目数据挖掘工具188
9.5 Python数据挖掘工具190
9.5.1 Gensim190
9.5.2 TensorFlow194
9.5.3 Keras197
9.6 本章小结197
第10章 挖掘建模198
10.1 数据挖掘建模的一般过程198
10.2 分类与预测199
10.3 聚类分析200
10.4 关联分析201
10.5 时序模式202
10.6 离群点检测203
10.7 本章小结204
第11章 模型评估205
11.1 验证205
11.2 交叉验证206
11.3 自助法206
11.4 回归评估指标207
11.5 分类评估指标207
11.6 ROC曲线208
11.7 本章小结210
第12章 社会媒体挖掘211
12.1 社会媒体与社会媒体数据211
12.2 中国社会媒体核心用户数据分析212
12.3 社会媒体挖掘技术与研究热点213
12.4 社会媒体挖掘流程214
12.5 Twitter情感分析216
12.6 本章小结221
第13章 图挖掘分类222
13.1 图挖掘概述222
13.2 图挖掘技术基础224
13.3 网络度量226
13.4 网络模型229
13.5 图挖掘与知识推理230
13.6 图挖掘算法简介231
13.7 社区检测232
13.7.1 模块度233
13.7.2 社区发现算法234
13.8 频繁子图挖掘算法gSpan的实现237
13.9 基于networkx进行社交网络分析239
13.10 本章小结245
第14章 基于深度学习的验证码识别246
14.1 获取图片验证码246
14.2 验证码图片预处理248
14.3 依赖TensorFlow的深度学习验证码识别255
14.4 本章小结259
第15章 基于深度学习的文本分类挖掘实现260
15.1 文本分类概念260
15.2 文本分类挖掘算法概述261
15.3 基于传统机器学习的文本分类262
15.4 基于深度学习的文本分类263
15.4.1 FastText文本分类模型算法实现264
15.4.2 TextCNN文本分类模型算法实现268
15.4.3 Bert深度双向Transformer构建语言理解预训练模型271
15.4.4 TextRNN文本分类273
15.4.5 RCNN文本分类275
15.4.6 Hierarchical Attention Network文本分类278
15.4.7 seq2seq with attention文本分类281
15.4.8 Transformer文本分类283
15.4.9 Dynamic Memory Network文本分类289
15.4.10 Recurrent Entity Network文本分类292
15.4.11 Boosting文本分类294
15.4.12 BiLstmTextRelation文本分析294
15.4.13 twoCNNTextRelation文本分类297
15.5 本章小结297
参考文献298
内容摘要
本书涵盖数据分析与数据挖掘的基础知识、推荐工具和有效实践方法，能让读者充分掌握数据分析与数据挖掘的基本技能。
本书共分为15章，主要内容包括大数据获取、数据预处理、探索性数据分析、用Sklearn估计器分类、主流数据分析库、大数据的数据库类型、数据仓库/商业智能、数据聚合与分组运算、数据挖掘工具、挖掘建模、模型评估、社会媒体挖掘、图挖掘分类、基于深度学习的验证码识别、基于深度学习的文本分类挖掘实现。
本书采用理论与实践相结合的方式，利用Python语言的强大功能，以最小的编程代价进行数据的提取、处理、分析和挖掘，既适合Python数据分析与数据挖掘初学者、大数据从业人员阅读，也适合高等院校和培训机构大数据与人工智能相关专业的师生教学参考。
主编推荐
本书以数据分析与挖掘五大环节（数据采集、数据预处理、探索分析、挖掘建模、模型评估）为轴线，配以分析用的数据与源代码，系统地介绍数据分析与挖掘建模领域的科学思维、推荐知识、专业工具、完整流程以及编程技巧，让你能够快速胜任数据分析师岗位。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价