Python大数据分析算法与实例电子书

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