Julia数据科学应用 PDF 扫描清晰版

数据科学通过各种统计学和机器学习的技术与方法，将数据转换为有用的信息或知识。Julia是一种在数据科学领域逐渐流行起来的语言。

《Julia数据科学应用》会提出一系列在数据科学流程中常见的、有代表性的实际问题，并指导读者使用Julia去解决这些问题。全书共13章，涵盖了Julia基础知识、工作环境搭建、语言基础和高 级内容、数据科学应用、数据可视化、机器学习方法（包括无监督式学习方法和监督式学习方法）、图分析方法等重要的话题。附录部分给出了学习和使用Julia的一些有用的参考资料，还给出了各章的思考题的答案。

本书适合对数据科学的知识和应用方法感兴趣的读者阅读，特别适合有志于学习Julia并从事数据科学相关工作的人员学习参考。

目录

• 第 1章 Julia简介 1
• 1.1 Julia如何提高数据科学水平 2
• 1.1.1 数据科学工作流程 3
• 1.1.2 Julia被数据科学社区接受的过程 5
• 1.2 Julia 扩展 6
• 1.2.1 包的质量 6
• 1.2.2 找到新的包 6
• 1.3 关于本书 7
• 第 2章 建立数据科学工作环境 9
• 2.1 Julia IDE 9
• 2.1.1 Juno 10
• 2.1.2 IJulia 11
• 2.1.3 其他IDE 12
• 2.2 Julia扩展包 13
• 2.2.1 找到并选择扩展包 13
• 2.2.2 安装扩展包 14
• 2.2.3 使用扩展包 15
• 2.2.4 破解扩展包 16
• 2.3 IJulia基础 16
• 2.3.1 文件处理 16
• 2.3.2 在.jl文件中组织代码 19
• 2.3.3 引用代码 20
• 2.3.4 工作目录 20
• 2.4 要使用的数据集 21
• 2.4.1 数据集描述 21
• 2.4.2 下载数据集 23
• 2.4.3 加载数据集 24
• 2.5 在Julia中实现一个简单的机器学习算法 25
• 2.5.1 算法描述 26
• 2.5.2 算法实现 27
• 2.5.3 算法测试 30
• 2.6 将工作区保存到数据文件 32
• 2.6.1 将数据保存为分隔值文件 32
• 2.6.2 将数据保存为Julia数据文件 33
• 2.6.3 将数据保存为文本文件 35
• 2.7 帮助 36
• 2.8 小结 36
• 2.9 思考题 37
• 第3章 Julia入门 39
• 3.1 数据类型 39
• 3.2 数组 42
• 3.2.1 数组基础 42
• 3.2.2 在数组中引用多个元素 43
• 3.2.3 多维数组 44
• 3.3 字典 44
• 3.4 基本命令与函数 45
• 3.4.1 print()和println() 46
• 3.4.2 typemax()和typemin() 46
• 3.4.3 collect() 47
• 3.4.4 show() 47
• 3.4.5 linspace() 48
• 3.5 数学函数 48
• 3.5.1 round() 48
• 3.5.2 rand()和randn() 49
• 3.5.3 sum() 52
• 3.5.4 mean() 53
• 3.6 数组与字典函数 53
• 3.6.1 in 53
• 3.6.2 append!() 54
• 3.6.3 pop!() 54
• 3.6.4 push!() 55
• 3.6.5 splice!() 55
• 3.6.6 insert!() 56
• 3.6.7 sort()和sort!() 57
• 3.6.8 get() 57
• 3.6.9 keys()和values() 58
• 3.6.10 length()和size() 58
• 3.7 其他函数 59
• 3.7.1 time() 59
• 3.7.2 条件语句 59
• 3.7.3 string() 61
• 3.7.4 map() 62
• 3.7.5 versioin() 62
• 3.8 运算符、循环语句与条件语句 62
• 3.8.1 运算符 63
• 3.8.2 循环语句 64
• 3.8.3 break命令 66
• 3.9 小结 66
• 3.10 思考题 67
• 第4章 Julia进阶 68
• 4.1 字符串处理 68
• 4.1.1 split() 69
• 4.1.2 join() 70
• 4.1.3 正则表达式函数 70
• 4.2 定制函数 74
• 4.2.1 函数结构 74
• 4.2.2 匿名函数 75
• 4.2.3 多分派 75
• 4.2.4 函数示例 76
• 4.3 实现简单算法 77
• 4.4 创建完整解决方案 79
• 4.5 小结 83
• 4.6 思考题 84
• 第5章 Julia数据科学应用概述 85
• 5.1 数据科学工作流程 85
• 5.2 数据工程 88
• 5.2.1 数据准备 88
• 5.2.2 数据探索 90
• 5.2.3 数据表示 92
• 5.3 数据建模 93
• 5.3.1 数据发现 93
• 5.3.2 数据学习 94
• 5.4 信息萃取 96
• 5.4.1 数据产品创建 96
• 5.4.2 知识、交付物与可视化产品 97
• 5.5 保持开放型思维 99
• 5.6 在实际问题中应用数据科学流程 99
• 5.6.1 数据准备 99
• 5.6.2 数据探索 100
• 5.6.3 数据表示 101
• 5.6.4 数据发现 101
• 5.6.5 数据学习 102
• 5.6.6 数据产品创建 102
• 5.6.7 知识、交付物和可视化产品 103
• 5.7 小结 103
• 5.8 思考题 105
• 第6章 Julia数据工程 106
• 6.1 数据框 106
• 6.1.1 创建并填充数据框 107
• 6.1.2 数据框基础 108
• 6.1.3 引用数据框中的特定变量 109
• 6.1.4 探索数据框 109
• 6.1.5 筛选数据框 110
• 6.1.6 在数据框变量上应用函数 111
• 6.1.7 使用数据框进行工作 111
• 6.1.8 修改数据框 113
• 6.1.9 对数据框的内容进行排序 113
• 6.1.10 数据框的一些补充建议 114
• 6.2 导入与导出数据 115
• 6.2.1 使用.json数据文件 115
• 6.2.2 保存数据到.json文件 115
• 6.2.3 将数据文件加载到数据框 116
• 6.2.4 保存数据框到数据文件 116
• 6.3 数据清洗 117
• 6.3.1 数值型数据的清洗 117
• 6.3.2 文本型数据的清洗 118
• 6.4 数据格式化与转换 119
• 6.4.1 数值型数据的格式化 119
• 6.4.2 文本数据的格式化 119
• 6.4.3 数据类型的重要性 120
• 6.5 对数值型数据进行转换 120
• 6.5.1 标准化 121
• 6.5.2 离散化（分箱）与二值化 122
• 6.5.3 二值变量转换为连续型变量（仅对于二值分类问题） 123
• 6.5.4 文本数据转换 124
• 6.5.5 大小写标准化 124
• 6.5.6 向量化 124
• 6.6 初步的特征评价 126
• 6.6.1 回归 126
• 6.6.2 分类 126
• 6.6.3 特征评价补充说明 127
• 6.7 小结 128
• 6.8 思考题 129
• 第7章 探索数据集 130
• 7.1 倾听数据 130
• 本章要使用的扩展包 131
• 7.2 计算基本统计量和相关性 131
• 7.2.1 变量概要 133
• 7.2.2 变量之间的相关性 134
• 7.2.3 两个变量之间的可比性 136
• 7.3 绘制统计图 136
• 7.3.1 图形语法 137
• 7.3.2 为可视化准备数据 137
• 7.3.3 箱线图 138
• 7.3.4 条形图 138
• 7.3.5 折线图 139
• 7.3.6 散点图 140
• 7.3.7 直方图 143
• 7.3.8 导出统计图到文件 144
• 7.4 假设检验 145
• 7.4.1 检验的基础知识 145
• 7.4.2 错误类型 146
• 7.4.3 灵敏度与特异度 146
• 7.4.4 显著性水平与检验力 146
• 7.4.5 KRUSKAL-WALLIS检验 147
• 7.4.6 T-检验 147
• 7.4.7 卡方检验 149
• 7.5 其他检验 151
• 7.6 统计检验附加说明 151
• 7.7 案例研究：探索OnlineNewsPopularity数据集 151
• 7.7.1 变量统计 152
• 7.7.2 可视化 153
• 7.7.3 假设 154
• 7.7.4 奇妙的T-SNE方法 155
• 7.7.5 结论 156
• 7.8 小结 156
• 7.9 思考题 159
• 第8章 构建数据空间 160
• 8.1 主成分分析 161
• 8.1.1 在Julia中使用PCA 162
• 8.1.2 独立成分分析：主成分分析的常用替代方法 164
• 8.2 特征评价与选择 165
• 8.2.1 方法论概述 165
• 8.2.2 在Julia中使用余弦相似度进行特征评价与选择 166
• 8.2.3 在Julia中使用DID进行特征评价与选择 168
• 8.2.4 特征评价与选择方法的优缺点 170
• 8.3 其他数据降维技术 170
• 8.3.1 其他降维方法概述 171
• 8.3.2 何时使用高 级降维方法 172
• 8.4 小结 172
• 8.5 思考题 173
• 第9章 数据抽样与结果评价 175
• 9.1 抽样技术 175
• 9.1.1 基本抽样 176
• 9.1.2 分层抽样 176
• 9.2 分类问题的性能指标 177
• 9.2.1 混淆矩阵 177
• 9.2.2 准确度 178
• 9.2.3 精 确度与召回度 180
• 9.2.4 F1指标 181
• 9.2.5 误判成本 181
• 9.2.6 受试者工作特征（ROC）曲线及相关指标 182
• 9.3 回归问题的性能指标 185
• 9.3.1 MSE及其变种RMSE 186
• 9.3.2 SSE 187
• 9.3.3 其他指标 187
• 9.4 K折交叉验证（KFCV） 188
• 9.4.1 在Julia中应用KFCV 189
• 9.4.2 KFCV小提示 189
• 9.5 小结 190
• 9.6 思考题 192
• 第 10章 无监督式机器学习 193
• 10.1 无监督式学习基础知识 193
• 10.1.1 聚类的类型 194
• 10.1.2 距离的度量 195
• 10.2 使用K-均值算法分组数据 196
• 10.2.1 使用Julia实现K-均值聚类 197
• 10.2.2 对K-均值算法的使用建议 198
• 10.3 密度和DBSCAN算法 199
• 10.3.1 DBSCAN算法 199
• 10.3.2 在Julia中应用DBSCAN 200
• 10.4 层次聚类 201
• 10.4.1 在Julia中使用层次聚类 201
• 10.4.2 何时使用层次聚类 203
• 10.5 聚类的验证方式 203
• 10.5.1 Silhouettes 203
• 10.5.2 关于聚类验证的一些建议 204
• 10.6 关于有效进行聚类的一些建议 204
• 10.6.1 处理高维数据 205
• 10.6.2 标准化 205
• 10.6.3 可视化建议 205
• 10.7 小结 206
• 10.8 思考题 207
• 第 11章 监督式机器学习 209
• 11.1 决策树 210
• 11.1.1 在Julia中使用决策树 211
• 11.1.2 关于决策树的一些建议 214
• 11.2 回归树 214
• 11.2.1 在Julia中实现回归树 215
• 11.2.2 关于回归树的一些建议 216
• 11.3 随机森林 216
• 11.3.1 在Julia中使用随机森林进行分类 216
• 11.3.2 在Julia中使用随机森林进行回归 218
• 11.3.3 关于随机森林的一些建议 219
• 11.4 基本神经网络 220
• 11.4.1 在Julia中使用神经网络 221
• 11.4.2 关于神经网络的一些建议 223
• 11.5 极限学习机 224
• 11.5.1 在Julia中使用ELM 224
• 11.5.2 关于ELM的一些建议 226
• 11.6 用于回归分析的统计模型 227
• 11.6.1 在Julia中使用统计回归 227
• 11.6.2 关于统计回归的一些建议 230
• 11.7 其他监督式学习系统 230
• 11.7.1 提升树 230
• 11.7.2 支持向量机 230
• 11.7.3 直推式系统 231
• 11.7.4 深度学习系统 232
• 11.7.5 贝叶斯网络 232
• 11.8 小结 233
• 11.9 本章思考题 235
• 第 12章 图分析 236
• 12.1 图的重要性 237
• 12.2 定制数据集 239
• 12.3 图的统计量 240
• 12.4 环的检测 242
• 用Julia检测环 243
• 12.5 连通子图 244
• 12.6 团 245
• 12.7 图的路径 246
• 12.8 生成树 248
• 12.8.1 在Julia中实现MST 249
• 12.8.2 用文件保存和加载图 250
• 12.9 Julia在图分析中的作用 251
• 12.10 小结 252
• 12.11 思考题 254
• 第 13章 更上一层楼 255
• 13.1 Julia社区 255
• 13.1.1 与其他Julia用户进行交流 255
• 13.1.2 代码库 256
• 13.1.3 视频文件 256
• 13.1.4 新闻 257
• 13.2 学以致用 257
• 13.2.1 从这些特征开始 258
• 13.2.2 关于这个项目的一些思考 259
• 13.3 在数据科学中使用Julia的思考 260
• 13.3.1 不断提高Julia编程水平 260
• 13.3.2 贡献Julia项目 261
• 13.3.3 Julia在数据科学中的未来 262
• 附录A 下载安装Julia与IJulia 264
• 附录B 与Julia相关的一些常用站点 266
• 附录C 本书所用的扩展包 268
• 附录D Julia与其他平台的集成 269
• D.1 Julia与R的集成 269
• D.1.1 在R中运行Julia脚本 269
• D.1.2 在Julia中运行R脚本 270
• D.2 Julia与Python的集成 270
• D.2.1 在Python中运行Julia脚本 270
• D.2.2 在Julia中运行Python脚本 271
• 附录E Julia中的并行处理 272
• 附录F 各章思考题答案 275