为你推荐
译者序
作者简介
技术审核员简介
致谢
第1章 简介
1.1 为何选择Python
1.2 何时避免使用Python
1.3 Python中的面向对象编程
1.4 在Python中调用其他语言
1.5 将Python模型作为微服务
1.6 高性能API和并发编程
第2章 Python结构化数据提取、转换和加载
2.1 MySQL
2.2 Elasticsearch
2.3 Neo4j Python驱动
2.4 neo4j-rest-client
2.5 内存数据库
2.6 Python版本MongoDB
2.7 Pandas
2.8 Python非结构化数据提取、转换和加载
第3章 基于Python的监督学习
3.1 使用Python实现降维
3.2 使用Python进行分类
3.3 半监督学习
3.4 决策树
3.5 朴素贝叶斯分类器
3.6 支持向量机
3.7 最近邻分类器
3.8 情绪分析
3.9 图像识别
3.10 使用Python进行回归
3.11 分类和回归
3.12 使模型高估或低估
3.13 处理分类型数据
第4章 无监督学习—聚类
4.1 K均值聚类
4.2 选择K—肘部法则
4.3 距离或相似性度量
4.4 文档上下文的相似性
4.5 什么是层次聚类
4.6 如何判断聚类结果是否良好
第5章 深度学习和神经网络
5.1 反向传播
5.2 反向传播算法
5.3 其他算法
5.4 TensorFlow
5.5 递归神经网络
第6章 时间序列
6.1 变化的分类
6.2 包含趋势的序列分析
6.3 包含周期性的序列数据分析
6.4 从时间序列中去除周期性
6.5 转换
6.6 平稳时间序列
6.7 使用Python进行时间序列分析
6.8 混合ARMA模型
6.9 集成ARMA模型
6.10 傅里叶变换
6.11 一个特殊的场景
6.12 数据缺失
第7章 大数据分析
7.1 Hadoop
7.2 Spark
7.3 云分析
7.4 物联网
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
6.5
