当前位置:首页 > 程序设计 >
《Python数据科学:技术详解与商业实践》电子书封面

Python数据科学:技术详解与商业实践

  • 发布时间:2019年06月11日 14:11:15
  • 作者:常国珍
  • 大小:154 MB
  • 类别:Python电子书
  • 格式:PDF
  • 版本:影印版
  • 评分:9.9

    Python数据科学:技术详解与商业实践 PDF 影印版

      给大家带来的一篇关于Python相关的电子书资源,介绍了关于Python、数据科学、技术详解、商业实践方面的内容,本书是由机械工业出版社出版,格式为PDF,资源大小154 MB,常国珍编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.1。

      内容介绍

      Python数据科学:技术详解与商业实践

      Python数据科学:技术详解与商业实践

      读者评价

      虽然我不是搞金融数据的,但这本书上的很多思路和方法却是可以借鉴的,希望以后能够多一些研究非金融类的其它行业的数据挖掘的人
      课程和书同步的,上课免费拿了一本~课程讲的很详细,书就略过了一些琐碎的知识点了。非常全面,感觉是今年在数据方面特别好的内容了。非常推荐
      近几年Python成为数据科学行业中大受欢迎的编程语言,初看了一下目前录,这本书为总结一下数据科学家和工程师几个最实用的python库以各种函数。如果你是正在学习Python的学生,我想你能从书中找到学习的重心。  关键是这几个作者都还是蛮牛的数据科学专家。
      客户洞察是分析型客户关系管理的核心,是实现客户智能的必要手段,其旨在增加CRM系统的商业分析与辅助决策能力。分析型CRM需要整合外部客户数据、渠道数据和大量交易数据,并从中提取出隐含有用的信息,这便是数据科学的用武之地。客户生命周期是客户洞察中最常用的分析工具,企业对初次接触的客户了解甚少,随着交往时间的延长,对其洞察越深入,分析主题越丰富。本课程就按照客户产品生命周期逐步展开数据科学的不同议题

      内容介绍

      本书共19章,第1章介绍数据科学中涉及的基本领域;第2~3章介绍与数据工作紧密相关的Python语言基础;第4章讲解描述性统计分析在宏观业务领域的分析;第5章讲解数据规整、清洗的重要技能;第6章介绍数据科学领域实用的四大统计检验;第7章讲解当被解释变量为连续变量时,如何使用线性回归作预测;第8章讲解使用逻辑回归作评分卡模型;第9章讲解另外一个可解释模型——决策树。第10~12章分别讲解了BP神经网络、朴素贝叶斯、近邻域、支持向量机的原理和在决策类模型中的运用;第13~14章作为一个整体讲解商业分析场景下的信息压缩;第15章以产品推荐作为案例,讲解发现事件与事件伴生关系的关联分析和序列分析算法;第16章使用欺诈识别案例讲解当被解释变量分布极 端不平衡时的处理方法;第17章继续使用欺诈识别案例讲解集成学习算法;第18章讲解了使用效应分解和ARIMA方法实现宏观业务指标预测;第19章用案例展现了分类和聚类模型的CRISP-DM和SEMMA流程。

      目录

      • 前言
      • 第1章数据科学家的武器库
      • 1.1数据科学的基本概念
      • 1.2数理统计技术
      • 1.2.1描述性统计分析
      • 1.2.2统计推断与统计建模
      • 1.3数据挖掘的技术与方法
      • 1.4描述性数据挖掘算法示例
      • 1.4.1聚类分析——客户细分
      • 1.4.2关联规则分析
      • 1.5预测性数据挖掘算法示例
      • 1.5.1决策树
      • 1.5.2KNN算法
      • 1.5.3Logistic回归
      • 1.5.4神经网络
      • 1.5.5支持向量机
      • 1.5.6集成学习
      • 1.5.7预测类模型讲解
      • 1.5.8预测类模型评估概述
      • 第2章Python概述
      • 2.1Python概述
      • 2.1.1Python简介
      • 2.1.2Python与数据科学
      • 2.1.3Python2与Python3
      • 2.2Anaconda Python的安装、使用
      • 2.2.1下载与安装
      • 2.2.2使用Jupyter Notebook
      • 2.2.3使用Spyder
      • 2.2.4使用conda或pip管理
      • 第三方库
      • 第3章数据科学的Python编程基础
      • 3.1Python的基本数据类型
      • 3.1.1字符串(str)
      • 3.1.2浮点数和整数(float、int)
      • 3.1.3布尔值(Bool:True/False)
      • 3.1.4其他
      • 3.2Python的基本数据结构
      • 3.2.1列表(list)
      • 3.2.2元组(tuple)
      • 3.2.3集合(set)
      • 3.2.4字典(dict)
      • 3.3Python的程序控制
      • 3.3.1三种基本的编程结构简介
      • 3.3.2顺承结构
      • 3.3.3分支结构
      • 3.3.4循环结构
      • 3.4Python的函数与模块
      • 3.4.1Python的函数
      • 3.4.2Python的模块
      • 3.5Pandas读取结构化数据
      • 3.5.1读取数据
      • 3.5.2写出数据
      • 第4章描述性统计分析与绘图
      • 4.1描述性统计进行数据探索
      • 4.1.1变量度量类型与分布类型
      • 4.1.2分类变量的统计量
      • 4.1.3连续变量的分布与集中趋势
      • 4.1.4连续变量的离散程度
      • 4.1.5数据分布的对称与高矮
      • 4.2制作报表与统计制图
      • 4.3制图的步骤
      • 第5章数据整合和数据清洗
      • 5.1数据整合
      • 5.1.1行列操作
      • 5.1.2条件查询
      • 5.1.3横向连接
      • 5.1.4纵向合并
      • 5.1.5排序
      • 5.1.6分组汇总
      • 5.1.7拆分、堆叠列
      • 5.1.8赋值与条件赋值
      • 5.2数据清洗
      • 5.2.1重复值处理
      • 5.2.2缺失值处理
      • 5.2.3噪声值处理
      • 5.3RFM方法在客户行为分析上的运用
      • 5.3.1行为特征提取的RFM方法论
      • 5.3.2使用RFM方法计算变量
      • 5.3.3数据整理与汇报
      • 第6章数据科学的统计推断基础
      • 6.1基本的统计学概念
      • 6.1.1总体与样本
      • 6.1.2统计量
      • 6.1.3点估计、区间估计和中心极限定理
      • 6.2假设检验与单样本t检验
      • 6.2.1假设检验
      • 6.2.2单样本t检验
      • 6.3双样本t检验
      • 6.4方差分析(分类变量和连续变量关系检验)
      • 6.4.1单因素方差分析
      • 6.4.2多因素方差分析
      • 6.5相关分析(两连续变量关系检验)
      • 6.5.1相关系数
      • 6.5.2散点矩阵图
      • 6.6卡方检验(二分类变量关系检验)
      • 6.6.1列联表
      • 6.6.2卡方检验
      • 第7章客户价值预测:线性回归模型与诊断
      • 7.1线性回归
      • 7.1.1简单线性回归
      • 7.1.2多元线性回归
      • 7.1.3多元线性回归的变量筛选
      • 7.2线性回归诊断
      • 7.2.1残差分析
      • 7.2.2强影响点分析
      • 7.2.3多重共线性分析
      • 7.2.4小结线性回归诊断
      • 7.3正则化方法
      • 7.3.1岭回归
      • 7.3.2LASSO回归
      • 第8章Logistic回归构建初始信用评级
      • 8.1Logistic回归的相关关系分析
      • 8.2Logistic回归模型及实现
      • 8.2.1Logistic回归与发生比
      • 8.2.2Logistic回归的基本原理
      • 8.2.3在Python中实现Logistic回归
      • 8.3Logistic回归的极大似然估计
      • 8.3.1极大似然估计的概念
      • 8.3.2Logistics回归的极大似然估计
      • 8.4模型评估
      • 8.4.1模型评估方法
      • 8.4.2ROC曲线的概念
      • 8.4.3在Python中实现ROC曲线
      • 第9章使用决策树进行初始信用评级
      • 9.1决策树概述
      • 9.2决策树算法
      • 9.2.1ID3建树算法原理
      • 9.2.2C4.5建树算法原理
      • 9.2.3CART建树算法原理
      • 9.2.4决策树的剪枝
      • 9.3在Python中实现决策树
      • 9.3.1建模
      • 9.3.2模型评估
      • 9.3.3决策树的可视化
      • 9.3.4参数搜索调优
      • 第10章神经网络
      • 10.1神经元模型
      • 10.2单层感知器
      • 10.3BP神经网络
      • 10.4多层感知器的scikitlearn代码实现
      • 第11章分类器入门:最近邻域与朴素贝叶斯
      • 11.1KNN算法
      • 11.1.1KNN算法原理
      • 11.1.2在Python中实现KNN算法
      • 11.2朴素贝叶斯分类
      • 11.2.1贝叶斯公式
      • 11.2.2朴素贝叶斯分类原理
      • 11.2.3朴素贝叶斯的参数估计
      • 11.2.4在Python中实现朴素贝叶斯
      • 第12章高级分类器:支持向量机
      • 12.1线性可分与线性不可分
      • 12.2线性可分支持向量机
      • 12.2.1函数间隔和几何间隔
      • 12.2.2学习策略
      • 12.2.3对偶方法求解
      • 12.2.4线性可分支持向量机例题
      • 12.3线性支持向量机与软间隔最大化
      • 12.4非线性支持向量机与核函数
      • 12.4.1核函数
      • 12.4.2非线性支持向量机的学习
      • 12.4.3示例与Python实现
      • 12.5使用支持向量机的案例
      • 第13章连续变量的特征选择与转换
      • 13.1方法概述
      • 13.2主成分分析
      • 13.2.1主成分分析简介
      • 13.2.2主成分分析原理
      • 13.2.3主成分分析的运用
      • 13.2.4在Python中实现主成分分析
      • 13.3基于主成分的冗余变量筛选
      • 13.4因子分析
      • 13.4.1因子分析模型
      • 13.4.2因子分析算法
      • 13.4.3在Python中实现因子分析
      • 第14章客户分群与聚类
      • 14.1聚类算法概述
      • 14.2聚类算法基本概念
      • 14.2.1变量标准化与分布形态转换
      • 14.2.2变量的维度分析
      • 14.3聚类模型的评估
      • 14.4层次聚类
      • 14.4.1层次聚类原理
      • 14.4.2层次聚类在Python中的实现
      • 14.5基于划分的聚类
      • 14.5.1kmeans聚类原理
      • 14.5.2kmeans聚类

      以上就是本次介绍的Python电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:ES6标准入门

      下一篇:Spring Cloud与Docker高并发微服务架构设计实施

      展开 +

      收起 -

      • 《Python数据科学:技术详解与商业实践》PDF下载

      Python相关电子书
      Python和HDF5大数据应用
      Python和HDF5大数据应用 高质量中文版

      本书向任何有Python数据分析基本背景的人介绍如何在Python下使用HDF5。适合有基础的Python开发者,尤其适合要使用Python开发数据存储和处理等相关应用的读者阅读参考,感兴趣的小伙伴们可以下载参考一下

      立即下载
      Python数据分析基础
      Python数据分析基础 中文高质量版

      《Python数据分析基础》零编程经验也可学会用Python语言进行数据分析,python基础知识介绍、csv文件和Excel文件读写、数据库操作等。

      立即下载
      Python数据科学入门
      Python数据科学入门 中文扫描版

      这本书讲述了Python语言的数据科学基础知识,涵盖数据采集、清洗、存储、检索、转换、可视化、高级数据分析等方面,欢迎下载

      立即下载
      Python数据可视化
      Python数据可视化 影印中文版

      本书介绍了利用Python实现数据可视化。并介绍了数据、信息与知识之间的关系,想要学习Python数据可视化的同学可以下载参考一下

      立即下载
      Python全栈数据工程师养成攻略
      Python全栈数据工程师养成攻略 超清视频版

      本书介绍了数据工程和Python语法,随后讲解如何获取和存储数据,并实现简单的静态可视化,帮助读者将学习到关于Web建站的一些基础和进阶知识

      立即下载
      Python数据科学指南
      Python数据科学指南 清晰扫描版

      本书是Python数据分析编程入门,详细介绍了Python在数据科学中的应用,60多个实用的开发技巧,帮你探索Python及其强大的数据科学能力

      立即下载
      利用Python进行数据分析
      利用Python进行数据分析 完整第2版

      本书涵盖大量具体的实践建议,以及大量综合应用方法,教大家如何利用各种Python库高效地解决各式各样的数据分析问题,这里提供利用Python进行数据分析英文原版下载,附件集合了第二版英文原文、第二版的笔记精要、以及第二版原书的代码

      立即下载
      Python数据科学手册
      Python数据科学手册 超清扫描版

      这本书是以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书,讲述了个Python数据科学中的重点工具包、Matplotlib、NumPy等对象

      立即下载
      Python3爬虫、数据清洗与可视化实战
      Python3爬虫、数据清洗与可视化实战 含源码版

      这是一套通过实战教初学者学习采集数据、清洗和组织数据进行分析及可视化的Python读物。以Python爬虫技术应用实战为主,适合Python 初学者及高等院校的相关专业学生

      立即下载
      读者留言
      qq_39974

      qq_39974 提供上传

      资源
      44
      粉丝
      27
      喜欢
      399
      评论
      15

      Copyright 2018-2020 xz577.com 码农之家

      本站所有电子书资源不再提供下载地址,只分享来路

      版权投诉 / 书籍推广 / 赞助:QQ:520161757