Python 数据分析与挖掘算法从入门到机器学习
批量上传，套装书可能不全，下单前咨询在线客服！ 正版书 ！！！
￥ 32.9 6.6折 ￥ 49.9 全新
仅1件
四川成都
认证卖家担保交易快速发货售后保障
作者张坤
出版社清华大学出版社
ISBN9787302600169
出版时间2022-05
装帧平装
开本16开
定价49.9元
货号9787302600169
上书时间2024-10-20
商品详情
- 品相描述：全新
- 商品描述
-
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
1.1 Python数据分析和挖掘任务中重要的库与工具
1.1.1 NumPy
1.1.2 SciPy
1.1.3 Pandas
1.1.4 Matplotlib
1.1.5 Jupyter Notebook
1.1.6 Seikit-learn
1.2 Anaconda安装
1.3 Jupyter Notebook
第2章 爬虫
2.1 爬虫的基本流程
2.2 HTTP
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
4.1 NumPy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
4.2 NumPy查看数组属性
4.3 数组的基本操作
4.4 NumPy运算
4.5 排序
习题
第5章 Pandas基本用法
5.1 Series
5.2 DataFrame
5.2.1 创建DataFrame对象
5.2.2 查看DataFrame对象
5.2.3 DataFrame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
6.6 Seaborn
6.6.1 Seaborn基本操作
6.6.2 Seaborn绘制的图
6.6.3 Seaborn用法示例
6.7 Pandas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
7.1.3 Lasso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
8.1.2 ROC曲线和AUC
8.1.3 梯度下降法
8.1.4 Scikit-learn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
11.1.3 Scikit-learn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 K-means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
18.4 Seikit-learn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
19.3 Keras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
19.6 Keras目标函数、性能评估函数、激活函数说明
习题
参考文献
内容摘要
本书共分为两大部分：第一部分为数据分析与挖掘，包括～15章，介绍了数据分析与挖掘简介、爬虫、Scrapy爬虫框架、NumPy基本用法、Pandas基本用法、Matplotlib基本用法、各种常用的回归和分类模型等；第二部分为机器学习，包括第16～19章，介绍了主成分分析法、集成学习、模型评估和初识深度学习框架Ke,-as。本书从初学者的角度进行编写，易于理解，内容比较全面。本书注重实践，书中的每个知识点都有相应的Python实现代码和案例。
本书是一本针对爱好数据分析与挖掘、机器学习等相关知识的读者而编写的基础教程，尤其适用于全国高等学校的教师、在读学生及相关领域的爱好者。
主编推荐
"本书系统介绍了数据分析和数据挖掘的基础知识、典型的机器学习模型及利用Python实现数据挖掘与机器学习的过程。本书将基础理论、模型应用以及项目实践充分结合，有利于加深读者对所学内容的掌握与应用。本书目标明确，就是为初学者量身定做的入门教程，内容系统全面，各章节相互独立，读者可以根据自己的需求选择使用。本书面向应用型人才培养编写，将原理的叙述进行精简，易于理解，辅以Python代码实践与应用，使读者通过实例更好地去理解和掌握知识点。
"
— 没有更多了 —
以下为对购买帮助不大的评价