万本电子书0元读

万本电子书0元读

顶部广告

Python大数据分析算法与实例电子书

本书基于Python 3大数据分析方法中的核心算法与实例,重介绍数据特征算法分析及第三方源库的场景应用,包括NumPy、SciPy、Matplotlib、Pandas、StatsModels、Gensim等在大数据分析中的算法与实例。

售       价:¥

纸质售价:¥52.10购买纸书

148人正在读 | 1人评论 6.2

作       者:邓立国

出  版  社:清华大学出版社

出版时间:2020-05-01

字       数:19.8万

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)
大数据时代,大数据分析是关键技术。Python是一款优秀的大数据分析软件,本书以Python 3结合第三方源工具行大数据分析,以*小的代价编程实现数据的提取、处理、分析和可视化。 本书分为8章,首先介绍大数据分析的背景和行业应用,给出了数据特征算法分析;然后基于Python 3介绍常用典型第三方大数据分析工具的场景应用;*后比较翔实地阐述大数据分析算法与经典实例应用。 本书适合从事大数据分析的研究人员、计算机或数学等相关专业的从业者参考学习,也可以作为计算机或数学等专业本科高年级或研究生的专业用书。<br/>【推荐语】<br/>本书基于Python 3大数据分析方法中的核心算法与实例,重介绍数据特征算法分析及第三方源库的场景应用,包括NumPy、SciPy、Matplotlib、Pandas、StatsModels、Gensim等在大数据分析中的算法与实例。<br/>【作者】<br/>邓立国,东北大学计算机应用博士毕业。2005年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。<br/>
目录展开

封面页

书名页

版权页

内容简介

前言

第1章 大数据分析概述

1.1 大数据分析背景

1.2 大数据分析的应用

1.3 大数据分析算法

1.4 大数据分析工具

1.5 本章小结

第2章 数据特征算法分析

2.1 数据分布性分析

2.1.1 数据分布特征集中趋势的测定

2.1.2 数据分布特征离散程度的测定

2.1.3 数据分布特征偏态与峰度的测定

2.2 数据相关性分析

2.2.1 数据相关关系

2.2.2 数据相关分析的主要内容

2.2.3 相关关系的测定

2.3 数据聚类性分析

2.3.1 聚类分析定义

2.3.2 聚类类型

2.3.3 聚类应用

2.4 数据主成分分析

2.4.1 主成分分析的原理及模型

2.4.2 数据主成分分析的几何解释

2.4.3 数据主成分的导出

2.4.4 证明主成分的方差是依次递减的

2.4.5 数据主成分分析的计算

2.5 数据动态性分析

2.6 数据可视化

2.7 本章小结

第3章 大数据分析工具:NumPy

3.1 NumPy简介

3.2 NumPy环境安装配置

3.3 ndarray对象

3.4 数据类型

3.5 数组属性

3.6 数组创建例程

3.7 切片和索引

3.8 广播

3.9 数组与元素操作

3.9.1 数值迭代

3.9.2 数组变形

3.9.3 数组翻转

3.9.4 修改维度

3.9.5 数组连接

3.9.6 数组分割

3.9.7 添加/删除元素

3.10 位操作与字符串函数

3.11 数学运算函数

3.12 算术运算

3.13 统计函数

3.14 排序、搜索和计数函数

3.15 字节交换

3.16 副本和视图

3.17 矩阵库

3.18 线性代数模块

3.19 Matplotlib库

3.20 Matplotlib 绘制直方图

3.21 IO文件操作

3.22 NumPy实例:GPS定位

3.23 本章小结

第4章 大数据分析工具:SciPy

4.1 SciPy简介

4.2 文件输入和输出:SciPy.io

4.3 特殊函数:SciPy.special

4.4 线性代数操作:SciPy.linalg

4.5 快速傅里叶变换:sipy.fftpack

4.6 优化器:SciPy.optimize

4.7 统计工具:SciPy.stats

4.8 SciPy实例

4.8.1 最小二乘拟合

4.8.2 函数最小值

4.9 本章小结

第5章 大数据分析工具:Matplotlib

5.1 初级绘制

5.2 图像、子区、子图、刻度

5.3 其他种类的绘图

5.4 本章小结

第6章 大数据分析工具:Pandas

6.1 Pandas系列

6.2 Pandas数据帧

6.3 Pandas面板

6.4 Pandas快速入门

6.5 本章小结

第7章 大数据分析工具:Statsmodels与Gensim

7.1 Statsmodels

7.1.1 Statsmodels统计数据库

7.1.2 Statsmodels典型的拟合模型概述

7.1.3 Statsmodels举例

7.2 Gensim

7.2.1 基本概念

7.2.2 训练语料的预处理

7.2.3 主题向量的变换

7.2.4 文档相似度的计算

7.3 本章小结

第8章 大数据分析算法与实例

8.1 描述统计

8.2 假设检验

8.3 信度分析

8.4 列联表分析

8.5 相关分析

8.6 方差分析

8.6.1 单因素方差分析

8.6.2 多因素方差分析

8.7 回归分析

8.8 聚类分析

8.9 判别分析

8.10 主成分分析

8.11 因子分析

8.12 时间序列分析

8.13 生存分析

8.14 典型相关分析

8.15 RoC分析

8.16 距离分析

8.17 对应分析

8.18 决策树分析

8.19 神经网络—深度学习

8.19.1 深度学习的基本模型

8.19.2 新闻分类实例

8.20 蒙特·卡罗模拟

8.20.1 蒙特·卡罗模拟基本模型

8.20.2 蒙特·卡罗模拟计算看涨期权实例

8.21 关联规则

8.21.1 关联规则的概念

8.21.2 Apriori算法及实例

8.21.3 FP树频集算法

8.22 Uplift Modeling

8.23 集成方法

8.24 异常检测

8.25 文本挖掘

8.26 Boosting算法(提升法和Gradient Boosting)

8.27 本章小结

参考文献

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