婷婷五月情,国产精品久久久久久亚洲小说,runaway韩国电影免费完整版,国产乱在线观看视频,日韩精品首页,欧美在线视频二区

歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū)數(shù)據(jù)科學(xué)實(shí)戰(zhàn)入門(mén)(使用Python和R)/大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū)

包郵 大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū)數(shù)據(jù)科學(xué)實(shí)戰(zhàn)入門(mén)(使用Python和R)/大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū)

出版社：清華大學(xué)出版社出版時(shí)間：2020-07-01
開(kāi)本： 16開(kāi) 頁(yè)數(shù)： 231
中 圖 價(jià):¥34.5(4.9折) 定價(jià)  ¥69.8 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
開(kāi)年大促， 全場(chǎng)包郵
?新疆、西藏除外
溫馨提示：5折以下圖書(shū)主要為出版社尾貨，大部分為全新（有塑封/無(wú)塑封），個(gè)別圖書(shū)品相8-9成新、切口
有劃線標(biāo)記、光盤(pán)等附件不全詳細(xì)品相說(shuō)明>>
本類(lèi)五星書(shū)更多>

大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū)數(shù)據(jù)科學(xué)實(shí)戰(zhàn)入門(mén)(使用Python和R)/大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū) 版權(quán)信息

大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū)數(shù)據(jù)科學(xué)實(shí)戰(zhàn)入門(mén)(使用Python和R)/大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū) 本書(shū)特色

內(nèi)容組織 《數(shù)據(jù)科學(xué)實(shí)戰(zhàn)入門(mén) 使用Python 和R》一書(shū)基于數(shù)據(jù)科學(xué)方法論進(jìn)行內(nèi)容的組織。數(shù)據(jù)科學(xué)方法是一種在科學(xué)框架體系內(nèi)進(jìn)行數(shù)據(jù)分析的階段性、自適應(yīng)和迭代式方法。 1. 問(wèn)題理解階段。首先，需要清晰地闡明項(xiàng)目目標(biāo)；然后將這些目標(biāo)轉(zhuǎn)化為一種可以用數(shù)據(jù)科學(xué)解決的問(wèn)題。 2. 數(shù)據(jù)準(zhǔn)備階段。數(shù)據(jù)清洗/準(zhǔn)備階段很可能是整個(gè)數(shù)據(jù)科學(xué)處理過(guò)程中*費(fèi)力氣的階段。 ● 相關(guān)內(nèi)容參見(jiàn)第3 章：“數(shù)據(jù)準(zhǔn)備”。 3. 探索性數(shù)據(jù)分析階段。在此階段通過(guò)圖形化探索方法獲得對(duì)數(shù)據(jù)的初步認(rèn)識(shí)。 ● 相關(guān)內(nèi)容參見(jiàn)第4 章：“探索性數(shù)據(jù)分析”。 4. 設(shè)置階段。建立數(shù)據(jù)模型的性能基準(zhǔn)，如果需要，可以對(duì)數(shù)據(jù)進(jìn)行分割和平衡處理。 ● 相關(guān)內(nèi)容詳見(jiàn)第5 章：“為建模數(shù)據(jù)做準(zhǔn)備”。 5. 建模階段。建模階段是數(shù)據(jù)科學(xué)研究過(guò)程的核心，在此階段應(yīng)用各種先進(jìn)的算法來(lái)發(fā)現(xiàn)隱藏在數(shù)據(jù)中的一些確實(shí)具有價(jià)值的關(guān)系。 ● 相關(guān)內(nèi)容參見(jiàn)第6 章以及第8~14 章。 6. 評(píng)估階段。確定設(shè)計(jì)的模型是否有價(jià)值，在此階段需要從一系列可選的模型中選擇性能更佳的模型。 ● 相關(guān)內(nèi)容參見(jiàn)第7 章：“模型評(píng)估”。 7. 部署應(yīng)用階段。在此階段需要與管理層協(xié)作來(lái)調(diào)整模型以適應(yīng)實(shí)際部署。

大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū)數(shù)據(jù)科學(xué)實(shí)戰(zhàn)入門(mén)(使用Python和R)/大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū) 內(nèi)容簡(jiǎn)介

《數(shù)據(jù)科學(xué)實(shí)戰(zhàn)入門(mén)  使用Python和R》一書(shū)將使你深入了解數(shù)據(jù)科學(xué)很流行的兩大開(kāi)源平臺(tái)：Python和R。     當(dāng)前數(shù)據(jù)科學(xué)很好熱門(mén)。Python和R是世界更流行的兩個(gè)開(kāi)源數(shù)據(jù)科學(xué)工具。在本書(shū)中，你將逐步學(xué)習(xí)如何使用更優(yōu)選的技術(shù)，針對(duì)現(xiàn)實(shí)世界的業(yè)務(wù)問(wèn)題提供切實(shí)可行的解決方案。     本書(shū)為沒(méi)有數(shù)據(jù)分析和編程經(jīng)驗(yàn)的讀者編寫(xiě)。章專(zhuān)門(mén)為初學(xué)者講解Pyhton和R的基礎(chǔ)知識(shí)。此后的每一章都提供了使用Python和R解決數(shù)據(jù)科學(xué)問(wèn)題的分步說(shuō)明和實(shí)踐演練。     對(duì)于那些有數(shù)據(jù)分析經(jīng)驗(yàn)的讀者而言，他們將一站式學(xué)習(xí)如何使用Python和R進(jìn)行數(shù)據(jù)科學(xué)實(shí)踐。本書(shū)的主題涵蓋數(shù)據(jù)準(zhǔn)備、探索性數(shù)據(jù)分析、準(zhǔn)備建模數(shù)據(jù)、決策樹(shù)、模型評(píng)估、錯(cuò)誤分類(lèi)代價(jià)、樸素貝葉斯分類(lèi)、神經(jīng)網(wǎng)絡(luò)、聚類(lèi)、回歸建模、降維和關(guān)聯(lián)規(guī)則挖掘。此外，本書(shū)還包含一些令人興奮的新主題，如隨機(jī)森林和廣義線性模型。     本書(shū)在每章的結(jié)尾提供了大量的練習(xí)，共有500多道習(xí)題。通過(guò)實(shí)踐性的分析習(xí)題，讀者將能輕松應(yīng)對(duì)使用真實(shí)數(shù)據(jù)集解決有趣業(yè)務(wù)問(wèn)題的挑戰(zhàn)。

大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū)數(shù)據(jù)科學(xué)實(shí)戰(zhàn)入門(mén)(使用Python和R)/大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū) 目錄

第1章 數(shù)據(jù)科學(xué)導(dǎo)引 1

1.1 為何學(xué)習(xí)數(shù)據(jù)科學(xué) 1

1.2 何為數(shù)據(jù)科學(xué) 1

1.3 數(shù)據(jù)科學(xué)方法論 2

1.4 數(shù)據(jù)科學(xué)任務(wù) 5

1.4.1 描述 5

1.4.2 估計(jì) 6

1.4.3 分類(lèi) 6

1.4.4 聚類(lèi) 6

1.4.5 預(yù)測(cè) 6

1.4.6 關(guān)聯(lián) 7

1.5 習(xí)題 7

第2章 Python和R語(yǔ)言基礎(chǔ) 9

2.1 下載Python 9

2.2 Python編程基礎(chǔ) 10

2.2.1 在Python中使用注釋 10

2.2.2 在Python中執(zhí)行命令 11

2.2.3 在Python中導(dǎo)入軟件包 11

2.2.4 將數(shù)據(jù)引入Python 12

2.2.5 在Python中保存輸出 13

2.2.6 訪問(wèn)Python中的記錄和變量 14

2.2.7 在Python中設(shè)置圖形 16

2.3 下載R和RStudio 18

2.4 R語(yǔ)言編程基礎(chǔ) 19

2.4.1 在R中使用注釋 20

2.4.2 在R中執(zhí)行命令 20

2.4.3 在R中導(dǎo)入軟件包 20

2.4.4 將數(shù)據(jù)導(dǎo)入R 21

2.4.5 在R中保存輸出 23

2.4.6 在R中訪問(wèn)記錄和變量 24

2.5 習(xí)題 26

第3章 數(shù)據(jù)準(zhǔn)備 29

3.1 銀行營(yíng)銷(xiāo)數(shù)據(jù)集 29

3.2 問(wèn)題理解階段 29

3.2.1 明確闡明項(xiàng)目目標(biāo) 29

3.2.2 將這些目標(biāo)轉(zhuǎn)化為數(shù)據(jù)科學(xué)問(wèn)題 30

3.3 數(shù)據(jù)準(zhǔn)備階段 30

3.4 添加索引字段 31

3.4.1 如何使用Python添加索引字段 31

3.4.2 如何使用R添加索引字段 32

3.5 更改誤導(dǎo)性字段值 33

3.5.1 如何使用Python更改誤導(dǎo)性字段值 33

3.5.2 如何使用R更改誤導(dǎo)性字段值 35

3.6 將分類(lèi)數(shù)據(jù)重新表示為數(shù)字 36

3.6.1 如何使用Python重新表達(dá)分類(lèi)字段值 37

3.6.2 如何使用R重新表達(dá)分類(lèi)字段值 38

3.7 標(biāo)準(zhǔn)化數(shù)字字段 39

3.7.1 如何使用Python標(biāo)準(zhǔn)化數(shù)字字段 40

3.7.2 如何使用R標(biāo)準(zhǔn)化數(shù)字字段 40

3.8 識(shí)別異常值 40

3.8.1 如何使用Python識(shí)別異常值 41

3.8.2 如何使用R識(shí)別異常值 42

3.9 習(xí)題 43

第4章 探索性數(shù)據(jù)分析 47

4.1 EDA對(duì)比HT 47

4.2 疊加了response的條形圖 47

4.2.1 如何使用Python構(gòu)建疊加的條形圖 49

4.2.2 如何使用R構(gòu)建疊加的條形圖 50

4.3 列聯(lián)表 51

4.3.1 如何使用Python構(gòu)建列聯(lián)表 52

4.3.2 如何使用R構(gòu)建列聯(lián)表 53

4.4 疊加有響應(yīng)的柱狀圖 54

4.4.1 如何使用Python構(gòu)建疊加柱狀圖 55

4.4.2 如何使用R構(gòu)建疊加柱狀圖 58

4.5 基于預(yù)測(cè)值的分箱 59

4.5.1 如何使用Python基于預(yù)測(cè)值執(zhí)行分箱 61

4.5.2 如何使用R基于預(yù)測(cè)值執(zhí)行分箱 63

4.6 習(xí)題 64

第5章 為建模數(shù)據(jù)做準(zhǔn)備 69

5.1 迄今完成的任務(wù) 69

5.2 數(shù)據(jù)分區(qū) 69

5.2.1 如何使用Python對(duì)數(shù)據(jù)進(jìn)行分區(qū) 70

5.2.2 如何使用R對(duì)數(shù)據(jù)進(jìn)行分區(qū) 71

5.3 驗(yàn)證數(shù)據(jù)分區(qū) 72

5.4 平衡訓(xùn)練數(shù)據(jù)集 73

5.4.1 如何使用Python平衡訓(xùn)練數(shù)據(jù)集 73

5.4.2 如何使用R平衡訓(xùn)練數(shù)據(jù)集 75

5.5 建立模型性能基準(zhǔn) 76

5.6 習(xí)題 78

第6章 決策樹(shù) 81

6.1 決策樹(shù)簡(jiǎn)介 81

6.2 分類(lèi)與回歸樹(shù) 83

6.2.1 如何使用Python構(gòu)建CART決策樹(shù) 83

6.2.2 如何使用R構(gòu)建CART決策樹(shù) 86

6.3 用于構(gòu)建決策樹(shù)的C5.0算法 88

6.3.1 如何使用Python構(gòu)建C5.0決策樹(shù) 89

6.3.2 如何使用R構(gòu)建C5.0決策樹(shù) 90

6.4 隨機(jī)森林 91

6.4.1 如何使用Python構(gòu)建隨機(jī)森林 92

6.4.2 如何使用R構(gòu)建隨機(jī)森林 92

6.5 習(xí)題 93

第7章 模型評(píng)估 97

7.1 模型評(píng)估簡(jiǎn)介 97

7.2 分類(lèi)評(píng)價(jià)措施 97

7.3 靈敏度和特異度 99

7.4 精確度、召回率和Fβ分?jǐn)?shù) 99

7.5 模型評(píng)估方法 100

7.6 模型評(píng)估的應(yīng)用示例 100

7.7 說(shuō)明不對(duì)稱(chēng)的錯(cuò)誤成本 104

7.8 比較考慮和不考慮不相等錯(cuò)誤成本的模型 106

7.9 數(shù)據(jù)驅(qū)動(dòng)的錯(cuò)誤成本 107

7.10 習(xí)題 110

第8章 樸素貝葉斯分類(lèi) 113

8.1 樸素貝葉斯簡(jiǎn)介 113

8.2 貝葉斯定理 113

8.3 *大化后驗(yàn)假設(shè) 114

8.4 分類(lèi)條件獨(dú)立性 114

8.5 樸素貝葉斯分類(lèi)的應(yīng)用 115

8.5.1 Python中的樸素貝葉斯 120

8.5.2 R中的樸素貝葉斯 123

8.6 習(xí)題 126

第9章 神經(jīng)網(wǎng)絡(luò) 129

9.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 129

9.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 129

9.3 連接權(quán)重和組合函數(shù) 131

9.4 sigmoid激活函數(shù) 133

9.5 反向傳播 133

9.6 神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用 134

9.7 解釋神經(jīng)網(wǎng)絡(luò)模型中的權(quán)重 136

9.8 如何在R中使用神經(jīng)網(wǎng)絡(luò) 137

9.9 習(xí)題 138

第10章 聚類(lèi) 141

10.1 聚類(lèi)的定義 141

10.2 k均值聚類(lèi)算法簡(jiǎn)介 142

10.3 k均值聚類(lèi)的應(yīng)用 143

10.4 簇驗(yàn)證 144

10.5 如何使用Python執(zhí)行k均值聚類(lèi) 145

10.6 如何使用R執(zhí)行k均值聚類(lèi) 147

10.7 習(xí)題 149

第11章 回歸建模 151

11.1 估計(jì)任務(wù) 151

11.2 回歸建模描述 151

11.3 多元回歸建模的應(yīng)用 152

11.4 如何使用Python執(zhí)行多重回歸建模 154

11.5 如何使用R執(zhí)行多重回歸建模 156

11.6 用于估計(jì)的模型評(píng)估 158

11.6.1 如何使用Python進(jìn)行估計(jì)模型評(píng)估 159

11.6.2 如何使用R進(jìn)行估計(jì)模型評(píng)估 161

11.7 逐步回歸 162

11.8 回歸的基準(zhǔn)模型 163

11.9 習(xí)題 164

第12章 降維 169

12.1 降維的必要性 169

12.2 多重共線性 170

12.3 使用方差膨脹因子識(shí)別多重共線性 173

12.3.1 如何使用Python識(shí)別多重共線性 174

12.3.2 如何使用R識(shí)別多重共線性 175

12.4 主成分分析 177

12.5 主成分分析的應(yīng)用 178

12.6 我們應(yīng)該提取多少分量 179

12.6.1 特征值準(zhǔn)則 179

12.6.2 方差解釋比例的準(zhǔn)則 180

12.7 執(zhí)行k = 4的PCA 180

12.8 主成分分析的驗(yàn)證 181

12.9 如何使用Python進(jìn)行主成分分析 182

12.10 如何使用R進(jìn)行主成分分析 184

12.11 何時(shí)多重共線性不是問(wèn)題 187

12.12 習(xí)題 187

第13章 廣義線性模型 191

13.1 廣義線性模型概述 191

13.2 線性回歸是一種廣義線性模型 192

13.3 作為廣義線性模型的邏輯回歸 192

13.4 邏輯回歸模型的應(yīng)用 193

13.4.1 如何使用Python執(zhí)行邏輯回歸 194

13.4.2 如何使用R執(zhí)行邏輯回歸 195

13.5 泊松回歸 196

13.6 泊松回歸模型的應(yīng)用 197

13.6.1 如何使用Python執(zhí)行泊松回歸 197

13.6.2 如何使用R執(zhí)行泊松回歸 199

13.7 習(xí)題 199

第14章 關(guān)聯(lián)規(guī)則 203

14.1 關(guān)聯(lián)規(guī)則簡(jiǎn)介 203

14.2 關(guān)聯(lián)規(guī)則挖掘的簡(jiǎn)單示例 203

14.3 支持度、信任度和提升度 204

14.4 挖掘關(guān)聯(lián)規(guī)則 206

14.5 確認(rèn)我們的指標(biāo) 211

14.6 置信差準(zhǔn)則 212

14.7 置信商準(zhǔn)則 213

14.8 習(xí)題 215

附錄A 數(shù)據(jù)匯總與可視化 219


展開(kāi)全部

大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū)數(shù)據(jù)科學(xué)實(shí)戰(zhàn)入門(mén)(使用Python和R)/大數(shù)據(jù)應(yīng)用與技術(shù)叢書(shū) 作者簡(jiǎn)介

Chantal D. Larose博士是東康涅狄格州立大學(xué)(ECSU)統(tǒng)計(jì)學(xué)與數(shù)據(jù)科學(xué)的助理教授。她已經(jīng)參與撰寫(xiě)了三本有關(guān)數(shù)據(jù)科學(xué)和預(yù)測(cè)性分析的著作，并在ECSU和紐約州立大學(xué)新帕爾茲分校(SUNY New Paltz)參與開(kāi)發(fā)了數(shù)據(jù)科學(xué)相關(guān)程序。 Daniel T. Larose博士是中央康涅狄格州立大學(xué)數(shù)據(jù)科學(xué)和統(tǒng)計(jì)學(xué)的教授，數(shù)據(jù)科學(xué)項(xiàng)目主任。他在數(shù)據(jù)科學(xué)、數(shù)據(jù)挖掘、預(yù)測(cè)性分析和統(tǒng)計(jì)學(xué)方面出版了多本著作。

暫無(wú)評(píng)論……
書(shū)友推薦
本類(lèi)暢銷(xiāo)
返回頂部
中圖網(wǎng)
在線客服
主站蜘蛛池模板： 99久久精品免费观看国产 | 99视频九九精品视频在线观看 | 婷婷视频在线观看 | 99re视频在线 | 国产美女在线观看 | 久久久不卡国产精品一区二区 | 国产日韩欧美在线视频免费观看 | 精品久久一区二区三区 | 激情中文网 | 美女午夜色视频在线观看 | 久久精品国产国产精品四凭 | 欧美日韩在线视频一区 | 男女男精品视频免费观看 | 99精品国产免费久久久久久下载 | 久久亚洲国产高清 | 色亚洲天堂 | 久久www成人看片 | 亚洲欧美经典 | 视频国产在线 | 玖玖在线国产精品 | 绝密者电视剧40集在线观看 | 青青伊人久久 | 中国国产一国产一级毛片视频 | 日本久久久久久久中文字幕 | 黄色在线视屏 | 殴美性生活视频 | 国产羞羞视频在线观看 | 五月天激情婷婷大综合 | 五月天激情久久综合一区 | 欧美视频在线观看免费最新 | 久久精品国产99久久无毒不卡 | 全免费a级毛片 | 日韩视频在线观看一区 | 久久综合社区 | 每日更新在线观看 | 成人黄色小电影 | 国产高清视频免费观看 | 国产色婷婷精品综合在线观看 | 日韩综合 | 欧美午夜视频在线 | 99久久综合 |