数据科学导论：Python语言实现 PDF 高清版

2020-06-03 09:28:32 类别：Python

更新：2020-06-03 09:28:32
大小：30.2 MB
出版：机械工业出版社
作者：阿尔贝托·博斯凯蒂
类别：Python
格式：PDF

扫二维码手机浏览

资源介绍

给网友朋友们带来一篇Python相关的 PDF电子书资料，由机械工业出版社出版，作者是阿尔贝托·博斯凯蒂，介绍了关于数据科学导论、Python语言方面，格式为PDF，资源大小30.2 MB，目前在Python类资源综合评分为：7.5分。

《数据科学导论:Python语言实现》由两位资深数据科学家撰写，融合其多年从事数据科学相关的教学和科研工作经验，借助现有的Python语法和结构知识，全面而系统地讲解进行数据科学分析和开发的相关工具、技术和*佳实践，包含清晰的代码和简化的示例。通过阅读本书，你将深入理解Python核心概念，成为高效数据科学实践者。

本书共6章，系统介绍了进行数据科学分析和开发所涉及的关键要素。书中首先介绍Python软件及相关工具包的安装和使用；接着不仅讲解数据加载、运算和改写等基本数据准备过程，还详细介绍特征选择、维数约简等高级数据操作方法；并且建立了由训练、验证、测试等过程组成的数据科学流程，结合具体示例深入浅出地讲解了多种机器学习算法；然后介绍了基于图模型的社会网络创建、分析和处理方法；最后讲解数据分析结果的可视化及相关工具的使用方法。

译者序
前言
第1章　新手上路1
1.1　数据科学与Python简介1
1.2　Python的安装2
1.2.1　Python 2还是Python 33
1.2.2　分步安装3
1.2.3　Python核心工具包一瞥4
1.2.4　工具包的安装7
1.2.5　工具包升级9
1.3　科学计算发行版9
1.3.1　Anaconda10
1.3.2　Enthought Canopy10
1.3.3　PythonXY10
1.3.4　WinPython10
1.4　IPython简介10
1.4.1　IPython Notebook12
1.4.2　本书使用的数据集和代码18
1.5　小结25
第2章　数据改写26
2.1　数据科学过程26
2.2　使用pandas进行数据加载与预处理27
2.2.1　数据快捷加载27
2.2.2　处理问题数据30
2.2.3　处理大数据集32
2.2.4　访问其他数据格式36
2.2.5　数据预处理37
2.2.6　数据选择39
2.3　使用分类数据和文本数据41
2.4　使用NumPy进行数据处理49
2.4.1　NumPy中的N维数组49
2.4.2　NumPy ndarray对象基础50
2.5　创建NumPy数组50
2.5.1　从列表到一维数组50
2.5.2　控制内存大小51
2.5.3　异构列表52
2.5.4　从列表到多维数组53
2.5.5　改变数组大小54
2.5.6　利用NumPy函数生成数组56
2.5.7　直接从文件中获得数组57
2.5.8　从pandas提取数据57
2.6　NumPy快速操作和计算58
2.6.1　矩阵运算60
2.6.2　NumPy数组切片和索引61
2.6.3　NumPy数组堆叠63
2.7　小结65
第3章　数据科学流程66
3.1　EDA简介66
3.2　特征创建70
3.3　维数约简72
3.3.1　协方差矩阵72
3.3.2　主成分分析73
3.3.3　一种用于大数据的PCA变型—Randomized PCA76
3.3.4　潜在因素分析77
3.3.5　线性判别分析77
3.3.6　潜在语义分析78
3.3.7　独立成分分析78
3.3.8　核主成分分析78
3.3.9　受限玻耳兹曼机80
3.4　异常检测和处理81
3.4.1　单变量异常检测82
3.4.2　EllipticEnvelope83
3.4.3　OneClassSVM87
3.5　评分函数90
3.5.1　多标号分类90
3.5.2　二值分类92
3.5.3　回归93
3.6　测试和验证93
3.7　交叉验证97
3.7.1　使用交叉验证迭代器99
3.7.2　采样和自举方法100
3.8　超参数优化102
3.8.1　建立自定义评分函数104
3.8.2　减少网格搜索时间106
3.9　特征选择108
3.9.1　单变量选择108
3.9.2　递归消除110
3.9.3　稳定性选择与基于L1的选择111
3.10　小结112
第4章　机器学习113
4.1　线性和逻辑回归113
4.2　朴素贝叶斯116
4.3　K近邻118
4.4　高级非线性算法119
4.4.1　基于SVM的分类算法120
4.4.2　基于SVM的回归算法122
4.4.3　调整SVM123
4.5　组合策略124
4.5.1　基于随机样本的粘合策略125
4.5.2　基于弱组合的分袋策略125
4.5.3　随机子空间和随机分片126
4.5.4　模型序列—AdaBoost127
4.5.5　梯度树提升128
4.5.6　处理大数据129
4.6　自然语言处理一瞥136
4.6.1　词语分词136
4.6.2　词干提取137
4.6.3　词性标注137
4.6.4　命名实体识别138
4.6.5　停止词139
4.6.6　一个完整的数据科学示例—文本分类140
4.7　无监督学习概述141
4.8　小结146
第5章　社会网络分析147
5.1　图论简介147
5.2　图的算法152
5.3　图的加载、输出和采样157
5.4　小结160
第6章　可视化161
6.1　matplotlib基础介绍161
6.1.1　曲线绘图162
6.1.2　绘制分块图163
6.1.3　散点图164
6.1.4　直方图165
6.1.5　柱状图166
6.1.6　图像可视化167
6.2　pandas的几个图形示例169
6.2.1　箱线图与直方图170
6.2.2　散点图171
6.2.3　平行坐标173
6.3　高级数据学习表示174
6.3.1　学习曲线174
6.3.2　验证曲线176
6.3.3　特征重要性177
6.3.4　GBT部分依赖关系图179
6.4　小结180

以上就是本次关于书籍资源的介绍和部分内容，我们还整理了以往更新的其它相关电子书资源内容，可以在下方直接下载，关于相关的资源我们在下方做了关联展示，需要的朋友们也可以参考下。

下载地址

下载地址：网盘下载

Python相关资源

学习心得

19小时33分钟前回答

python怎么爬取数据

在学习python的过程中，学会获取网站的内容是我们必须要掌握的知识和技能，今天就分享一下爬虫的基本流程，只有了解了过程，我们再慢慢一步步的去掌握它所包含的知识 Python网络爬虫大概需要以下几个步骤：一、获取网站的地址有些网站的网址十分的好获取，显而易见，但是有些网址需要我们在浏览器中经过分析得出二、获取网站的地址有些网站的网址十分的好获取，显……

12小时31分钟前回答

利用python操作SQLite数据库及文件操作详解

前言最近在工作中遇到一个需求，就是要把SQLite数据中没有存储的文件名的文件删除掉，想来想去还是决定用python。所以也就花了一天半的时间学习了下，随手写了个小例子，下面话不多说了，感兴趣的朋友们一起来看看详细的介绍吧。直接上代码要用到的头文件包 #coding=utf-8#!/usr/bin/python#!/usr/bin/env pythonimport osimport shutilimport sqlite3 定义记录变量 #记录所文件数sumCount=0;#记录留……

10小时14分钟前回答

python3 json数据格式的转换(dumps/loads的使用、dict to str/str to dict、json字符串/字典的相互转换)

python3 json数据格式的转换（dumps/loads的使用、dict to str/str to dict、json字符串/字典的相互转换） Python3 JSON 数据解析 JSON (JavaScript Object Notation) 是一种轻量级的数据交换格式。它基于ECMAScript的一个子集。 Python3 中可以使用 json 模块来对 JSON 数据进行编解码，它包含了两个函数： json.dumps(): 对数据进行编码。 json.loads(): 对数据进行解码。在写网络爬虫的时候，有时候会抓取到一些js……

23小时25分钟前回答

python之从文件读取数据到list的实例讲解

背景：文件内容每一行是由N个单一数字组成的，每个数字之间由制表符区分，比如： 0 4 3 1 2 2 1 0 3 1 2 0 …… 现在需要将每一行数据存为一个list，然后所有行组成一个大的list 工具： 1.strip()：用于移除字符串头尾指定的字符，默认为空格，返回是字符串 2.split()：通过指定分隔符对字符串进行切片，返回是字符串组成的list 实例： #!/usr/bin/python #coding=utf-8 def readfile(filename): with o……

3小时20分钟前回答

用Python将Excel数据导入到SQL Server的例子

使用环境：Win10 x64 Python：3.6.4 SqlServer：2008R2 因为近期需要将excel导入到SQL Server，但是使用的是其他语言，闲来无事就尝试着用python进行导入，速度还是挺快的，1w多条数据，也只用了1s多，代码也比较简单，就不多解释了。用到的库有xlrd(用来处理excel)，pymssql(用来连接使用sql server) import xlrdimport pymssqlimport datetime# 连接本地sql server 地址用户名密码数据库conn = pymssql.connect("127.……