国产性爱av,日本插插视频,精品国产三级?在线观看

免費咨詢熱線

400-615-1233

工作時間-工作日

8:30-17:30

Python數(shù)據(jù)分析與應(yīng)用

意見反饋閱讀 0

出版信息

2023年重慶市高校普通本科重點建設(shè)教材

類　　別：大數(shù)據(jù)與云計算
書　　名：Python數(shù)據(jù)分析與應(yīng)用
主　　編：吳濤徐光俠劉俊
定　　價：45
開　　本：大16開
時　　間：2024年1月
出版社：同濟大學(xué)出版社
書　　號：978-7-5608-8673-2

內(nèi)容摘要

本書共分9章，內(nèi)容包括數(shù)據(jù)分析基礎(chǔ)、Python編程語言、數(shù)據(jù)分析過程、回歸與預(yù)測、聚類分析、分類模型與算法、數(shù)據(jù)降維、社交網(wǎng)絡(luò)數(shù)據(jù)分析、數(shù)據(jù)可視化。全書從實際應(yīng)用出發(fā)，側(cè)重對學(xué)生實踐能力的培養(yǎng)。

本書可作為高等院校云計算與大數(shù)據(jù)專業(yè)及相關(guān)課程的教材，也可供相關(guān)技術(shù)人員參考。

目錄

第1章數(shù)據(jù)分析基礎(chǔ)

1.1 數(shù)據(jù)分析的基本概念

1.1.1 什么是數(shù)據(jù)分析

1.1.2 數(shù)據(jù)分析范式

1.1.3 數(shù)據(jù)分析面臨的問題

1.1.4 相關(guān)概念辨析

1.2 數(shù)據(jù)分析的任務(wù)與方法

1.2.1 分類任務(wù)

1.2.2 回歸任務(wù)

1.2.3 聚類任務(wù)

1.2.4 降維任務(wù)

1.3 領(lǐng)域數(shù)據(jù)與常見數(shù)據(jù)類型

1.3.1 典型的數(shù)據(jù)領(lǐng)域

1.3.2 數(shù)據(jù)類型

1.4 數(shù)據(jù)分析的生態(tài)系統(tǒng)

1.4.1 分布式文件系統(tǒng)

1.4.2 分布式編程框架

1.4.3 機器學(xué)習(xí)與數(shù)據(jù)分析平臺

1.4.4 數(shù)據(jù)可視化工具

1.5 本書的內(nèi)容和組織

思考與練習(xí)

第2章 Python編程語言

2.1 初識Python

2.1.1 概述

2.1.2 Python環(huán)境搭建

2.1.3 Python語法特點

2.1.4 Python的基本數(shù)據(jù)類型

2.2 字符串與流程控制

2.2.1 字符串

2.2.2 流程控制

2.3 列表、元組與字典

2.3.1 列表

2.3.2 元組

2.3.3 字典

2.4 函數(shù)、模塊與包

2.4.1 函數(shù)

2.4.2 模塊

2.4.3 包

2.5 Python異常處理

思考與練習(xí)

第3章數(shù)據(jù)分析過程

3.1 數(shù)據(jù)分析過程的概念

3.1.1 數(shù)據(jù)類型

3.1.2 使用Python的原因

3.1.3 重要的Python庫

3.2 數(shù)據(jù)探索與描述

3.2.1 數(shù)據(jù)導(dǎo)入

3.2.2 中心趨勢

3.2.3 離散度

3.2.4 相關(guān)性

3.3 數(shù)據(jù)預(yù)處理

3.3.1 數(shù)據(jù)清洗

3.3.2 數(shù)據(jù)集成

3.3.3 數(shù)據(jù)變換

3.3.4 數(shù)據(jù)歸約

3.4 機器學(xué)習(xí)

思考與練習(xí)

第4章回歸與預(yù)測

4.1 基本概念

4.2 線性回歸

4.2.1 一元線性回歸

4.2.2 多元線性回歸

4.2.3 最小二乘法

4.3 Logistic回歸

4.3.1 算法原理

4.3.2 算法實例

4.4 嶺回歸

4.4.1 算法原理

4.4.2 代碼實現(xiàn)

4.5 Lasso回歸

4.5.1 算法原理

4.5.2 代碼實現(xiàn)

思考與練習(xí)

第5章聚類分析

5.1 基本概念

5.1.1 什么是聚類分析

5.1.2 不同的簇類型

5.2 K-means聚類

5.2.1 算法原理

5.2.2 算法實例

5.3 DBSCAN聚類

5.3.1 DBSCAN算法

5.3.2 算法實例

5.4 譜聚類算

5.4.1 相似度矩陣

5.4.2 算法原理

5.4.3 優(yōu)點與缺點

5.4.4 算法實例

5.5 近鄰傳播算法

5.5.1 算法原理

5.5.2 優(yōu)點與缺點

5.5.3 算法實例

思考與練習(xí)

第6章分類模型與算法

6.1 基本概念

6.2 K近鄰算法

6.2.1 算法原理

6.2.2 算法實例

6.3 樸素貝葉斯分類算法

6.3.1 算法原理

6.3.2 算法實例

6.4 決策樹分類法

6.4.1 算法原理

6.4.2 算法實例

6.5 隨機森林分類法

6.5.1 算法原理

6.5.2 算法實例

思考與練習(xí)

第7章數(shù)據(jù)降維

7.1 基本概念

7.1.1 為什么要降維

7.1.2 降維技術(shù)

7.2 線性降維

7.2.1 無監(jiān)督降維PCA

7.2.2 使用scikit-learn實現(xiàn)PCA

7.2.3 監(jiān)督壓縮LDA

7.2.4 使用scikit-learn實現(xiàn)LDA

7.3 非線性降維

7.3.1 LLE降維

7.3.2 ISOMAP降維

7.3.3 MDS降維

思考與練習(xí)

第8章網(wǎng)絡(luò)數(shù)據(jù)分析

8.1 基本概念

8.1.1 社交網(wǎng)絡(luò)的定義

8.1.2 社會價值與應(yīng)用

8.2 結(jié)點排序

8.2.1 主要方法

8.2.2 評價指標(biāo)

8.3 鏈路預(yù)測

8.3.1 主要方法

8.3.2 評價指標(biāo)

8.4 社團檢測

8.4.1 社團檢測方法

8.4.2 評價指標(biāo)

思考與練習(xí)

第9章數(shù)據(jù)可視化

9.1 基本概念

9.2 Matplotlib庫

9.2.1 Matplotlib庫介紹

9.2.2 Matplotlib庫安裝

9.3 Pyplot方法

9.3.1 Pyplot基礎(chǔ)語法

9.3.2 Pyplot動態(tài)rc參數(shù)

9.4 線性圖

9.4.1 繪制散點圖

9.4.2 繪制折線圖

9.5 分布圖

9.5.1 繪制直方圖

9.5.2 繪制餅狀圖

9.5.3 繪制箱線圖

9.6 完善圖形

9.6.1 添加文本

9.6.2 添加網(wǎng)格

9.6.3 添加圖例

9.7 高級可視化

9.7.1 多面板圖形繪制

9.7.2 mplot3D圖繪制

9.7.3 networkx網(wǎng)絡(luò)圖繪制

9.7.4 heatmap熱力圖繪制

思考與練習(xí)

參考文獻(xiàn)

相關(guān)圖書

Python數(shù)據(jù)挖掘技術(shù)

主編：孫玉榮張佳

本書主要介紹數(shù)據(jù)挖掘的基本技術(shù)和應(yīng)用，全書共分11章，主要內(nèi)容包括數(shù)據(jù)挖掘概述、Python數(shù)據(jù)挖掘基礎(chǔ)、數(shù)據(jù)獲取與預(yù)處理技術(shù)、數(shù)
￥49.8
Python程序設(shè)計

主編：金松林

本書深入淺出地介紹了Python編程語言的基礎(chǔ)知識及簡單的數(shù)據(jù)處理技術(shù)。全書共分10章，主要內(nèi)容包括初識Python，數(shù)據(jù)類型、變量與運
￥45
Python計算機視覺應(yīng)用（全彩版）

主編：劉國華

本書是依托Python語言講解計算機視覺的基礎(chǔ)理論與算法，并通過大量示例細(xì)致分析了圖像形成和處理技術(shù)、圖像特征提取、圖像分割、圖
￥69.8
Python程序設(shè)計簡明教程

主編：張春飛

本書分為10章，內(nèi)容包括Python語言概述、初識Python、選擇結(jié)構(gòu)與循環(huán)結(jié)構(gòu)、Python組合數(shù)據(jù)類型、函數(shù)、面向?qū)ο蟪绦蛟O(shè)計、模塊及第
￥49.9