万本电子书0元读

万本电子书0元读

顶部广告

Java数据分析指南电子书

Java是一门经典的编程语言,在数据分析方面有着突出的表现。学习本书,读者可以掌握各种实用的数据分析技巧,学会如何处理关系型、非关系型数据、时间序列数据等,并能够实现重要的机器学习算法。 本书由专业经验丰富的高校老师翻译完成,对于读者提升自己对各种Java工具和库的使用能力会有非常好的锻炼和提升,这是一本非常不错的基于Java的数据分析学习指南。

售       价:¥

纸质售价:¥39.50购买纸书

206人正在读 | 1人评论 6.2

作       者:(美)约翰·哈伯德(John R. Hubbard)

出  版  社:人民邮电出版社

出版时间:2018-12-01

字       数:13.9万

所属分类: 科技 > 计算机/网络 > 程序设计

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(1条)
  • 读书简介
  • 目录
  • 累计评论(1条)
当今,数据科学已经成为一个热门的技术领域,例如数据处理、信息检索、机器学习、自然语言处理、数据可视化等都得到了广泛的应用和发展。而Java作为一门经典的编程语言,在数据科学领域也有着突出的表现。 本书旨在通过Java编程来引导读者更好地行数据分析。本书包含11章内容,详细地介绍了数据科学导论、数据预处理、数据可视化、统计、关系数据库、回归分析、分类分析、聚类分析、推荐系统、NoSQL数据库以及Java大数据分析等重要主题。 本书适合想通过Java解决数据科学问题的读者,也适合数据科学领域的专业人士以及普通的Java发者阅读。通过阅读本书,读者将能够对数据分析有更加深的理解,并且掌握实用的数据分析技术。<br/>【推荐语】<br/>Java是一门经典的编程语言,在数据分析方面有着突出的表现。学习本书,读者可以掌握各种实用的数据分析技巧,学会如何处理关系型、非关系型数据、时间序列数据等,并能够实现重要的机器学习算法。 本书由专业经验丰富的高校老师翻译完成,对于读者提升自己对各种Java工具和库的使用能力会有非常好的锻炼和提升,这是一本非常不错的基于Java的数据分析学习指南。<br/>【作者】<br/>约翰·哈伯德(John R. Hubbard)任教于宾夕法尼亚州和弗吉尼亚州的高校,从事计算机数据分析工作长达40余年。他拥有宾州州立大学的计算机科学硕士学位和密歇根大学的数学博士学位。目前,他在里士满大学担任数学和计算机科学的名誉教授,他在该校讲授数据结构、数据库系统、数值分析和大数据。 哈伯德博士出版了许多著作并发表过多篇论文,除了本书,他还出版过6本计算领域的著作。其中某些著作已经翻译为德文、法文、中文和其他5种语言。此外,他还是一位业余音乐家。<br/>
目录展开

内容提要

译者简介

作者简介

审阅者简介

前言

第1章 数据科学导论

1.1 数据分析起源

1.2 科学方法

1.3 精算科学

1.4 蒸汽计算

1.5 一个惊人的例子

1.6 赫尔曼·何乐礼

1.7 ENIAC

1.8 VisiCalc

1.9 数据、信息和知识

1.10 为什么用Java

1.11 Java集成开发环境

1.12 小结

第2章 数据预处理

2.1 数据类型

2.2 变量

2.3 数据点和数据集

2.4 关系数据库表

2.5 哈希表

2.6 文件格式

2.7 生成测试数据集

2.8 小结

第3章 数据可视化

3.1 表和图

3.2 时间序列

3.3 Java实现

3.4 移动平均

3.5 数据排序

3.6 频率分布

3.7 正态分布

3.8 指数分布

3.9 Java示例

3.10 小结

第4章 统计

4.1 描述性统计量

4.2 随机抽样

4.3 随机变量

4.4 概率分布

4.5 累积分布

4.6 二项分布

4.7 多元分布

4.8 条件概率

4.9 概率事件的独立性

4.10 列联表

4.11 贝叶斯定理

4.12 协方差和相关

4.13 标准正态分布

4.14 中心极限定理

4.15 置信区间

4.16 假设检验

4.17 小结

第5章 关系数据库

5.1 关系数据模型

5.2 关系数据库

5.3 外键

5.4 关系数据库设计

5.5 小结

第6章 回归分析

6.1 线性回归

6.2 多项式回归

6.3 小结

第7章 分类分析

7.1 决策树

7.2 贝叶斯分类器

7.3 逻辑回归

7.4 小结

第8章 聚类分析

8.1 测量距离

8.2 维数灾难

8.3 层次聚类法

8.4 小结

第9章 推荐系统

9.1 效用矩阵

9.2 相似性度量

9.3 余弦相似性

9.4 一个简单的推荐系统

9.5 亚马逊项目对项目的协同过滤推荐

9.6 实现用户评分

9.7 大型稀疏矩阵

9.8 使用随机访问文件

9.9 Netflix大奖赛

9.10 小结

第10章 NoSQL数据库

10.1 映射数据结构

10.2 SQL与NoSQL

10.3 Mongo数据库系统

10.4 Library数据库

10.5 MongoDB的Java开发

10.6 MongoDB的地理空间数据库扩展

10.7 MongoDB中的索引

10.8 为什么选择NoSQL,为什么选择MongoDB

10.9 其他的NoSQL数据库系统

10.10 小结

第11章 Java大数据分析

11.1 扩展、数据分块和分片

11.2 谷歌的PageRank算法

11.3 谷歌的MapReduce框架

11.4 MapReduce的一些应用示例

11.5 “单词计数”示例

11.6 可扩展性

11.7 MapReduce的矩阵操作

11.8 MongoDB中的MapReduce

11.9 Apache Hadoop

11.10 Hadoop MapReduce

11.11 小结

附录 Java工具

累计评论(1条) 1个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部