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

AI+Python醫學數據分析實踐

  • 作者：編者:余本國//韓惠蕊//傅渝健|責編:張敏
  • 出版社：清華大學
  • ISBN：9787302699187
  • 出版日期：2025/09/01
  • 裝幀：平裝
  • 頁數：230
人民幣：RMB 79.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本為零編程基礎的數據分析人員編寫的科研入門用書，從基礎的Python知識出發，逐步引導讀者深入機器學習領域，涵蓋了主流機器學習模型。通過具體項目案例，幫助讀者理解機器學習在交叉學科中的應用，並且提供實用的AI工具，指導讀者進行代碼實現與應用的進一步提升。無論是初學者還是有一定基礎的讀者，本書都能幫助你快速提升機器學習實戰能力，走在技術前沿。
作者介紹
編者:余本國//韓惠蕊//傅渝健|責編:張敏
目錄
基礎篇
  第1章  Python語法基礎
    1.1  引言
    1.2  Python編輯器
    1.3  語法規範
    1.4  數據類型
    1.5  運算符
    1.6  流程式控制制
      1.6.1  選擇結構
      1.6.2  循環結構
    1.7  常用函數
  第2章  NumPy和Pandas
    2.1  NumPy
      2.1.1  數組的創建
      2.1.2  數組的操作
      2.1.3  條件篩選
    2.2  Pandas
      2.2.1  Series的創建與訪問
      2.2.2  DataFrame的創建與訪問
      2.2.3  條件篩選
      2.2.4  數據的增刪改
      2.2.5  排序
      2.2.6  索引重置
    2.3  讀存數據
      2.3.1  讀取數據
      2.3.2  保存數據
    2.4  Pandas其他操作
  第3章  數據可視化Matplotlib
    3.1  Matplotlib基本繪圖
      3.1.1  基本操作
      3.1.2  中文符號的顯示
    3.2  繪圖
      3.2.1  餅圖
      3.2.2  散點圖
  第4章  數據處理
    4.1  統計性描述
    4.2  異常值處理
      4.2.1  重複值的處理
      4.2.2  缺失值的處理
    4.3  數據列計算
      4.3.1  對數據進行替換
      4.3.2  數據分組
      4.3.3  數據排序
  第5章  基因序列查找與翻譯
    5.1  讀取查找基因序列
    5.2  翻譯蛋白質序列
進階篇
  第6章  機器學習入門
    6.1  分類演算法
    6.2  回歸演算法

    6.3  聚類演算法
    6.4  常見的演算法模型
  第7章  心臟病風險預測分析
    7.1  準備工作
    7.2  數據讀取與處理
    7.3  模型建立與效果評價
      7.3.1  決策樹模型
      7.3.2  隨機森林模型
      7.3.3  XGBoost模型
      7.3.4  CatBoost模型
  第8章  模型Shap解讀與保存部署
    8.1  Shap解讀模型
      8.1.1  Shap值計算
      8.1.2  摘要圖（Summary Plot）
      8.1.3  Shap特徵貢獻圖
      8.1.4  依賴圖（Dependence Plot）
      8.1.5  力圖（Force Plot）
      8.1.6  熱圖（Heatmap）
    8.2  模型保存
    8.3  模型調用
  第9章  胎兒健康多分類預測實現及模型評價
    9.1  數據讀取與處理
      9.1.1  數據預處理——編碼
      9.1.2  數據集劃分
    9.2  特徵篩選
      9.2.1  遞歸特徵消除與交叉驗證優化特徵選擇
      9.2.2  遞歸特徵消除與交叉驗證結果可視化
    9.3  模型構建
    9.4  XGBoost模型預測與分類性能評估
    9.5  XGBoost模型的混淆矩陣
    9.6  宏平均ROC曲線
      9.6.1  XGBoost模型的ROC曲線和宏平均AUC計算
      9.6.2  宏平均ROC曲線繪製
    9.7  Shap值計算及特徵貢獻解釋
      9.7.1  繪製模型特徵貢獻圖
      9.7.2  模型單樣本解釋——瀑布圖
  第10章  帕金森病患者特徵選擇回歸預測實現
    10.1  數據準備
    10.2  RF回歸模型的創建與訓練
    10.3  特徵重要性分析
    10.4  特徵選擇
      10.4.1  蒙特卡洛模擬和交叉驗證
      10.4.2  最佳特徵選擇
    10.5  網格搜索和參數優化
    10.6  模型評價
    10.7  預測結果可視化
  第11章  Python實現單細胞RNA測序數據分析
    11.1  準備工作
    11.2  單細胞數據讀取與預處理
      11.2.1  數據讀取

      11.2.2  質量控制
    11.3  單細胞RNA測序數據分析
      11.3.1  數據規範化
      11.3.2  找特徵
      11.3.3  數據縮放
      11.3.4  主成分分析（PCA）
      11.3.5  構建圖
      11.3.6  聚類
      11.3.7  尋找差異基因
    11.4  註釋細胞類型
實戰篇
  第12章  論文復現：可解釋的急性腎損傷預測模型
    12.1  數據讀取
    12.2  構建模型
      12.2.1  AdaBoost
      12.2.2  ANN
      12.2.3  DT
      12.2.4  ET
      12.2.5  GBM
      12.2.6  KNN
      12.2.7  LightGBM
      12.2.8  LR
      12.2.9  RF
      12.2.10  SVM
      12.2.11  XGBoost
    12.3  模型特徵的選擇
      12.3.1  模型選擇
      12.3.2  基於Shap的特徵選擇
    12.4  模型重構
    12.5  利用Shap對模型進行解釋
高級AI篇
  第13章  PandasAI智能分析
    13.1  安裝PandasAI
    13.2  開始使用
    13.3  存儲數據集
    13.4  載入數據集
  第14章  Trae智能分析
    14.1  安裝Trae
    14.2  AI編寫代碼
    14.3  AI生成完整代碼
  附錄A  模型App部署
    A.1  部署準備
    A.2  生成URL
  附錄B  隨機森林參數調優與缺失值處理
    B.1  超參數調優
    B.2  隨機森林缺失值處理

  • 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