幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python科學與工程數據分析實戰/大數據與人工智慧技術叢書

  • 作者：編者:李曉東|責編:黃芝//薛陽
  • 出版社：清華大學
  • ISBN：9787302657088
  • 出版日期：2024/05/01
  • 裝幀：平裝
  • 頁數：310
人民幣：RMB 89.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以Python 3.10.7為平台，以實際應用為背景，通過概述+演算法+經典應用的形式，深入淺出地介紹Python數據分析的相關知識。全書共9章，主要內容包括Python概述、科學計算庫、開源科學集、數據分析利器、數據分析的可視化、基於回歸的數據分析、基於分類的數據分析、基於聚類的數據分析、數據特徵分析等。通過學習本書，讀者可領略到Python的簡單、易學、易讀、易維護等特點，同時也可感受到利用Python實現數據分析應用領域廣泛，功能強大。
    本書可作為高等學校相關專業本科生和研究生的教學用書，也可作為相關專業科研人員、學者、工程技術人員的參考用書。
作者介紹
編者:李曉東|責編:黃芝//薛陽
目錄
第1章  掀開Python面紗
  1.1  Python環境搭建
    1.1.1  Python的安裝
    1.1.2  pip安裝第三方庫
    1.1.3  編輯器Jupyter Notebook
  1.2  尋求幫助
  1.3  基本命令
    1.3.1  數字
    1.3.2  變數
    1.3.3  運算符
  1.4  數據類型
  1.5  字元串操作
  1.6  元素的集合
    1.6.1  列表
    1.6.2  元組
    1.6.3  字典
    1.6.4  集合
第2章  科學計算庫
  2.1  必需庫的安裝
  2.2  NumPy概述
  2.3  NumPy的數據類型
  2.4  NumPy數組
    2.4.1  NumPy數組的創建
    2.4.2  NumPy切片
    2.4.3  NumPy索引
    2.4.4  NumPy迭代
    2.4.5  NumPy數組操作
    2.4.6  NumPy算術函數
  2.5  NumPy統計函數
  2.6  NumPy排序
  2.7  NumPy線性代數
    2.7.1  矩陣和向量積
    2.7.2  行列式
    2.7.3  求解線性方程
    2.7.4  矩陣特徵值和特徵向量
  2.8  矩陣分解
    2.8.1  Cholesky分解
    2.8.2  QR分解
    2.8.3  SVD（奇異值）分解
  2.9  范數和秩
    2.9.1  矩陣的范數
    2.9.2  矩陣的秩
第3章  開源科學集
  3.1  SciPy常量模塊
    3.1.1  常量
    3.1.2  單位類型
  3.2  SciPy優化器
  3.3  SciPy稀疏矩陣
    3.3.1  coo_matrix存儲方式
    3.3.2  csr_matrix存儲方式

    3.3.3  csc_matrix存儲方式
    3.3.4  lil_matrix存儲方式
    3.3.5  dok_matrix存儲方式
    3.3.6  dia_matrix存儲方式
    3.3.7  bsr_matrix存儲方式
  3.4  SciPy圖結構
    3.4.1  鄰接矩陣
    3.4.2  連接組件
    3.4.3  Dijkstra最短路徑
    3.4.4  Floyd Warshall演算法
    3.4.5  Bellman-Ford演算法
  3.5  SciPy空間數據
    3.5.1  三角測量
    3.5.2  凸包
    3.5.3  K-D樹
    3.5.4  距離矩陣
  3.6  SciPy插值
    3.6.1  一維插值
    3.6.2  二維插值
    3.6.3  樣條插值
  3.7  SciPy顯著性檢驗
    3.7.1  統計假設
    3.7.2  t檢驗
    3.7.3  KS檢驗
  3.8  邊緣檢測
第4章  數據分析利器
  4.1  Pandas數據結構
    4.1.1  系列
    4.1.2  數據結構
    4.1.3  面板
  4.2  統計性描述
  4.3  Pandas重建索引
  4.4  Pandas迭代與排序
    4.4.1  Pandas迭代
    4.4.2  Pandas排序
  4.5  Pandas統計函數
  4.6  Pandas分組與聚合
  4.7  數據缺失
    4.7.1  數據缺失的原因
    4.7.2  檢查缺失值
    4.7.3  缺失值的計算
    4.7.4  清理/填充缺失數據
    4.7.5  丟失缺失的值
    4.7.6  替換丟失/通用值
  4.8  Pandas連接
  4.9  Pandas CSV文件
  4.10  Pandas的JSON文件
第5章  數據分析的可視化
  5.1  初識Matplotlib
  5.2  基本二維繪圖

    5.2.1  折線圖
    5.2.2  散點圖
    5.2.3  條形圖
    5.2.4  餅圖
    5.2.5  箱線圖
    5.2.6  等高線圖
  5.3  三維繪圖
    5.3.1  三維坐標軸
    5.3.2  三維點和線
    5.3.3  三維等高線圖
    5.3.4  表面三角測量
    5.3.5  非結構化圖像
    5.3.6  三維體元素
  5.4  小提琴圖
第6章  基於回歸的數據分析
  6.1  簡單線性回歸
    6.1.1  線性回歸概述
    6.1.2  簡單線性回歸的實現
  6.2  多元回歸
    6.2.1  多項式回歸概述
    6.2.2  多項式回歸的實現
  6.3  廣義線性回歸
    6.3.1  函數模型
    6.3.2  邊界決策函數
    6.3.3  廣義回歸的實現
  6.4  嶺回歸
  6.5  套索回歸
    6.5.1  全子集演算法
    6.5.2  貪心演算法
    6.5.3  正則化
  6.6  非線性回歸
    6.6.1  K最近鄰回歸
    6.6.2  核回歸
第7章  基於分類的數據分析
  7.1  KNN分類器
  7.2  線性分類器
  7.3  邏輯分類
    7.3.1  邏輯回歸概述
    7.3.2  邏輯回歸原理
    7.3.3  邏輯分類的實現
  7.4  貝葉斯分類
    7.4.1  貝葉斯分類相關知識
    7.4.2  貝葉斯原理
    7.4.3  貝葉斯分類的實現
  7.5  決策樹
    7.5.1  決策樹概述
    7.5.2  樹的相關術語
    7.5.3  決策樹演算法
    7.5.4  信息熵
    7.5.5  信息增益

    7.5.6  信息增益率
    7.5.7  決策樹的應用
  7.6  隨機森林
    7.6.1  隨機森林概述
    7.6.2  特徵重要評估
    7.6.3  隨機森林的實現
第8章  基於聚類的數據分析
  8.1  聚類的分類
  8.2  k-means聚類
    8.2.1  k-means聚類的基本原理
    8.2.2  演算法流程
    8.2.3  隨機分配聚類質心
    8.2.4  k-means演算法的優缺點
    8.2.5  k-means演算法的變體
  8.3  Mean Shift聚類
    8.3.1  Mean Shift演算法介紹
    8.3.2  Mean Shift演算法的思想
    8.3.3  概率密度梯度
    8.3.4  Mean Shift向量的修正
    8.3.5  Mean Shift演算法流程
  8.4  譜聚類
    8.4.1  譜聚類的原理
    8.4.2  譜聚類演算法描述
    8.4.3  譜聚類演算法中的重要屬性
    8.4.4  譜聚類的實現
  8.5  層次聚類演算法
    8.5.1  自頂向下的層次聚類演算法
    8.5.2  自底向上的層次聚類演算法
    8.5.3  簇間相似度的計算方法
    8.5.4  層次聚類演算法的實現
  8.6  密度聚類
    8.6.1  密度聚類的原理
    8.6.2  DBSCAN密度定義
    8.6.3  DBSCAN密度聚類的思想
    8.6.4  DBSCAN聚類演算法
    8.6.5  DBSCAN聚類的實現
第9章  數據特徵分析
  9.1  數據表達
    9.1.1  啞變數轉換類型特徵
    9.1.2  數據的裝箱處理
    9.1.3  數據的分箱處理
  9.2  互動式與多項式特徵
    9.2.1  添加互動式特徵
    9.2.2  添加多項式特徵
  9.3  自動化特徵選擇
    9.3.1  單變數特徵選擇
    9.3.2  基於模型的特徵選擇
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032