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醫學數據分析(微課版)/大數據應用人才能力培養新形態系列

  • 作者：編者:唐燕//韓愛慶//王麗|責編:孫澍
  • 出版社：人民郵電
  • ISBN：9787115675668
  • 出版日期：2026/01/01
  • 裝幀：平裝
  • 頁數：198
人民幣：RMB 59.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書全面介紹使用Python進行醫學數據分析過程中需要的大數據技術相關的理論知識、Python第三方庫及機器學習演算法模型。全書共9章，第1章介紹醫學數據分析及Python安裝；第2章介紹Python基礎；第3?6章介紹數據分析過程中的文件操作及常用Python庫的運用（使用NumPy進行矩陣運算、使用pandas進行數據預處理及統計分析、使用Matplotlib進行數據可視化分析）；第7、8章介紹機器學習基礎及醫學應用、模型評估及優化；第9章結合前面章節的內容和數據分析流程，介紹進行數據分析實際應用的綜合案例。除第7章外，每章都設計了實訓案例以提高讀者的實戰能力，使讀者快速上手醫學數據分析。
    本書適合作為大數據醫學類及相關專業大數據分析課程的教材，也可供科研人員及對數據分析感興趣的讀者參考。
作者介紹
編者:唐燕//韓愛慶//王麗|責編:孫澍
目錄
第1章  醫學數據分析及Python安裝
  1.1  醫學數據分析概述
    1.1.1  醫學數據的特點
    1.1.2  常用數據分析工具
    1.1.3  醫學數據分析的基本流程
  1.2  搭建Python開發環境
    1.2.1  Python開發環境安裝
    1.2.2  Anaconda集成開發環境
    1.2.3  Python程序的運行
  1.3  Python庫
    1.3.1  Python標準庫
    1.3.2  Python第三方庫
  本章小結
  本章習題
第2章  Python基礎
  2.1  Python編碼規範
    2.1.1  代碼布局與縮進
    2.1.2  註釋
    2.1.3  命名規則
  2.2  Python內置數據類型
    2.2.1  整數類型、浮點數類型、複數類型
    2.2.2  列表、元組、字典、集合
    2.2.3  字元串
  2.3  Python運算符和表達式
    2.3.1  算術運算符
    2.3.2  關係運算符
    2.3.3  邏輯運算符
    2.3.4  特殊運算符
  2.4  Python流程式控制制結構
    2.4.1  順序結構
    2.4.2  選擇結構
    2.4.3  循環結構
  2.5  Python函數
    2.5.1  函數的定義
    2.5.2  函數的調用
    2.5.3  函數的參數
    2.5.4  函數的遞歸與嵌套
    2.5.5  Lambda函數
    2.5.6  常用內置函數
  實訓1  Python基礎編程實踐
  本章小結
  本章習題
  本章上機練習
第3章  文件操作
  3.1  文件操作基礎
    3.1.1  文件操作常用方法
    3.1.2  with語句
  3.2  CSV文件讀寫
    3.2.1  CSV文件讀取
    3.2.2  CSV文件寫入

  3.3  JSON文件讀寫
  3.4  Word、Excel文件讀寫
    3.4.1  Word文件讀寫
    3.4.2  Excel文件讀寫
  實訓2  文件操作案例
  本章小結
  本章習題
  本章上機練習
第4章  使用NumPy進行矩陣運算
  4.1  NumPy概述
    4.1.1  為什麼要學習NumPy
    4.1.2  NumPy的核心優勢
  4.2  NumPy數組對象
    4.2.1  創建數組
    4.2.2  生成隨機數
    4.2.3  數組基本操作
    4.2.4  變換數組形狀
    4.2.5  常用計算和統計函數
  4.3  NumPy矩陣及常用操作
    4.3.1  創建矩陣
    4.3.2  矩陣基本操作
    4.3.3  計算矩陣的相關係數、方差、協方差、標準差
  實訓3  NumPy數據操作案例
  本章小結
  本章習題
  本章上機練習
第5章  使用pandas進行數據預處理及統計分析
  5.1  pandas基本數據類型及數據結構
    5.1.1  pandas基本數據類型
    5.1.2  Series
    5.1.3  DataFrame
  5.2  DataFrame的基本操作
    5.2.1  查看DataFrame屬性
    5.2.2  在DataFrame中查看、修改、增加、刪除數據
  5.3  使用pandas進行數據讀寫、預處理及統計分析
    5.3.1  讀寫不同數據源的數據
    5.3.2  數據異常值的處理
    5.3.3  數據缺失值的處理
    5.3.4  數據重複值的處理
    5.3.5  數據分組和聚合
    5.3.6  數據交叉分析
  實訓4  pandas數據分析案例
  本章小結
  本章習題
  本章上機練習
第6章  使用Matplotlib進行數據可視化分析
  6.1  Matplotlib基本概念及功能
  6.2  繪製折線圖
  6.3  繪製散點圖
  6.4  繪製柱狀圖和直方圖

  6.5  繪製餅狀圖
  6.6  繪製雷達圖
  6.7  繪製氣泡圖
  6.8  繪製熱力圖
  6.9  繪製三維曲線（面）圖
  6.10  繪製詞雲圖
  6.11  繪製圖矩陣
  實訓5  數據可視化分析案例
  本章小結
  本章習題
  本章上機練習
第7章  機器學習基礎及醫學應用
  7.1  機器學習基本概念
  7.2  scikit-learn庫簡介及常用API
    7.2.1  scikit-learn庫常用API
    7.2.2  載入數據集案例實踐
  7.3  線性回歸
    7.3.1  線性回歸的基本原理
    7.3.2  線性回歸案例實踐
  7.4  KNN演算法
    7.4.1  KNN演算法原理
    7.4.2  KNN演算法案例實踐
  7.5  邏輯回歸
    7.5.1  邏輯回歸簡介
    7.5.2  邏輯回歸基本原理
    7.5.3  邏輯回歸案例實踐
  7.6  樸素貝葉斯
    7.6.1  樸素貝葉斯分類器簡介
    7.6.2  樸素貝葉斯演算法原理
    7.6.3  樸素貝葉斯案例實踐
  7.7  決策樹與隨機森林
    7.7.1  決策樹介紹
    7.7.2  隨機森林介紹
    7.7.3  決策樹與隨機森林案例實踐
  7.8  支持向量機演算法
    7.8.1  支持向量機演算法原理
    7.8.2  支持向量機案例實踐
  7.9  關聯規則演算法
    7.9.1  關聯規則演算法原理
    7.9.2  Apriori演算法
    7.9.3  關聯規則演算法案例實踐
  7.10  K-means演算法
    7.10.1  K-means演算法原理
    7.10.2  K-means演算法案例實踐
  本章小結
  本章習題
  本章上機練習
第8章  模型評估及優化
  8.1  模型評估
    8.1.1  模型評估的概念

    8.1.2  模型評估指標
    8.1.3  留出法模型評估
    8.1.4  交叉驗證法模型評估
  8.2  模型優化及網格搜索
    8.2.1  模型優化的概念
    8.2.2  網格搜索法
  實訓6  邏輯回歸分析案例
  實訓7  決策樹預測分析案例
  本章小結
  本章習題
  本章上機練習
第9章  綜合案例
  9.1  案例準備
    9.1.1  案例任務
    9.1.2  工具庫
    9.1.3  數據集
    9.1.4  案例目的
  9.2  案例步驟
    9.2.1  導入相關庫
    9.2.2  本地數據集載入
    9.2.3  描述性統計分析
    9.2.4  數據處理
    9.2.5  模型訓練
    9.2.6  模型評估
  本章小結
  本章上機練習
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