了得網計算機/網絡_Julia數據科學應用

編輯推薦

★ 數據科學流程概覽，並通過Julia實現一個示例，說明了其中的關鍵點。
★ Julia IDE的選擇。
★ 程序結構與函數。
★ 數據工程中的任務，如數據導入、數據清理、數據格式化和數據存儲，以及如何執行數據預處理。
★ 數據可視化，以及一些簡單但非常強大的用來進行數據探索的方法。
★ 數據降維和特征評價。
★ 各種機器學習方法，從非監督式學習（不同類型的聚類方法）到監督式學習（決策樹、*森林、
基礎神經網絡、回歸樹和極限學習機）。
★ 圖分析，包括找出不同實體之間的聯繫以及如何對其進行挖掘以獲取有用的知識。
本書主要內容包括：
本書的目標是教你如何使用Julia語言來應對現實世界中數據科學的艱巨挑戰。在介紹了Julia對於數據科學社區的重要性和若干數據科學基本準則之後，本書講解了Julia基礎知識，包括如何安裝Julia及其功能強大的程序庫。本書通過豐富的示例展示了如何使用Julia命令、數據集和函數。
本書介紹並描述了專用的腳本和軟件包。針對在數據科學流程中經常會遇到的問題，本書提供了有代表性的實用示例，並引導你通過Julia使用公開的數據集來解決這些問題。在很多情況下，使用現成的軟件包和內置函數就可以完成任務。
本書每一章都包括一些思考題和練習，來幫助你加強學習效果，指導你使用Julia從頭開始創建一個數據科學應用。

內容簡介

數據科學通過各種統計學和機器學習的技術與方法，將數據轉換為有用的信息或知識。Julia是一種在數據科學領域逐漸流行起來的語言。
《Julia數據科學應用》會提出一繫列在數據科學流程中常見的、有代表性的實際問題，並指導讀者使用Julia去解決這些問題。全書共13章，涵蓋了Julia基礎知識、工作環境搭建、語言基礎和高級內容、數據科學應用、數據可視化、機器學習方法（包括無監督式學習方法和監督式學習方法）、圖分析方法等重要的話題。附錄部分給出了學習和使用Julia的一些有用的參考資料，還給出了各章的思考題的答案。
本書適合對數據科學的知識和應用方法感興趣的讀者閱讀，特別適合有志於學習Julia並從事數據科學相關工作的人員學習參考。

作者簡介

Zacharias Voulgaris博士出生於希臘雅典。他就讀於克裡特理工大學生產工程與管理專業，後轉而學習計算機科學，在倫敦城市大學獲得了信息繫統與技術的碩士學位，此後，又研究數據科學，在倫敦大學獲得了機器學*學位。他曾經在佐治亞理工大學工作並任研究員，他還擔任過SEO經理、數據科學家，還做過Microsoft公司的程序經理，負責Bing的數據分析流程。除了數據科學，他對新技術、文學和音樂抱有濃厚的興趣。

第 1章 Julia簡介1

1.1 Julia如何提高數據科學水平2

1.1.1 數據科學工作流程3

1.1.2 Julia被數據科學社區接受的過程5

1.2 Julia 擴展6

1.2.1 包的質量6

1.2.2 找到新的包6
第 1章 Julia簡介1

1.1 Julia如何提高數據科學水平2

1.1.1 數據科學工作流程3

1.1.2 Julia被數據科學社區接受的過程5

1.2 Julia 擴展6

1.2.1 包的質量6

1.2.2 找到新的包6

1.3 關於本書7

第 2章建立數據科學工作環境9

2.1 Julia IDE9

2.1.1 Juno10

2.1.2 IJulia11

2.1.3 其他IDE12

2.2 Julia擴展包13

2.2.1 找到並選擇擴展包13

2.2.2 安裝擴展包14

2.2.3 使用擴展包15

2.2.4 破解擴展包16

2.3 IJulia基礎16

2.3.1 文件處理16

2.3.2 在.jl文件中組織代碼19

2.3.3 引用代碼20

2.3.4 工作目錄20

2.4 要使用的數據集21

2.4.1 數據集描述21

2.4.2 下載數據集23

2.4.3 加載數據集24

2.5 在Julia中實現一個簡單的機器學習算法25

2.5.1 算法描述26

2.5.2 算法實現27

2.5.3 算法測試30

2.6 將工作區保存到數據文件32

2.6.1 將數據保存為分隔值文件32

2.6.2 將數據保存為Julia數據文件33

2.6.3 將數據保存為文本文件35

2.7 幫助36

2.8 小結36

2.9 思考題37

第3章 Julia入門39

3.1 數據類型39

3.2 數組42

3.2.1 數組基礎42

3.2.2 在數組中引素43

3.2.3 多維數組44

3.3 字典44

3.4 基本命令與函數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 數學函數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 數組與字典函數53

3.6.1 in53

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 其他函數59

3.7.1 time()59

3.7.2 條件語句59

3.7.3 string()61

3.7.4 map()62

3.7.5 versioin()62

3.8 運算符、循環語句與條件語句62

3.8.1 運算符63

3.8.2 循環語句64

3.8.3 break命令66

3.9 小結66

3.10 思考題67

第4章 Julia進階68

4.1 字符串處理68

4.1.1 split()69

4.1.2 join()70

4.1.3 正則表達式函數70

4.2 定制函數74

4.2.1 函數結構74

4.2.2 匿名函數75

4.2.3 多分派75

4.2.4 函數示例76

4.3 實現簡單算法77

4.4 創建完整解決方案79

4.5 小結83

4.6 思考題84

第5章 Julia數據科學應用概述85

5.1 數據科學工作流程85

5.2 數據工程88

5.2.1 數據準備88

5.2.2 數據探索90

5.2.3 數據表示92

5.3 數據建模93

5.3.1 數據發現93

5.3.2 數據學習94

5.4 信息萃取96

5.4.1 數據產品創建96

5.4.2 知識、交付物與可視化產品97

5.5 保持開放型思維99

5.6 在實際問題中應用數據科學流程99

5.6.1 數據準備99

5.6.2 數據探索100

5.6.3 數據表示101

5.6.4 數據發現101

5.6.5 數據學習102

5.6.6 數據產品創建102

5.6.7 知識、交付物和可視化產品103

5.7 小結103

5.8 思考題105

第6章 Julia數據工程106

6.1 數據框106

6.1.1 創建並填充數據框107

6.1.2 數據框基礎108

6.1.3 引用數據框中的特定變量109

6.1.4 探索數據框109

6.1.5 篩選數據框110

6.1.6 在數據框變量上應用函數111

6.1.7 使用數據框進行工作111

6.1.8 修改數據框113

6.1.9 對數據框的內容進行排序113

6.1.10 數據框的一些補充建議114

6.2 導入與導出數據115

6.2.1 使用.json數據文件115

6.2.2 保存數據到.json文件115

6.2.3 將數據文件加載到數據框116

6.2.4 保存數據框到數據文件116

6.3 數據清洗117

6.3.1 數值型數據的清洗117

6.3.2 文本型數據的清洗118

6.4 數據格式化與轉換119

6.4.1 數值型數據的格式化119

6.4.2 文本數據的格式化119

6.4.3 數據類型的重要性120

6.5 對數值型數據進行轉換120

6.5.1 標準化121

6.5.2 離散化（分箱）與二值化122

6.5.3 二值變量轉換為連續型變量（僅對於二值分類問題）123

6.5.4 文本數據轉換124

6.5.5 大小寫標準化124

6.5.6 向量化124

6.6 初步的特征評價126

6.6.1 回歸126

6.6.2 分類126

6.6.3 特征評價補充說明127

6.7 小結128

6.8 思考題129

第7章探索數據集130

7.1 傾聽數據130

本章要使用的擴展包131

7.2 計算基本統計量和相關性131

7.2.1 變量概要133

7.2.2 變量之間的相關性134

7.2.3 兩個變量之間的可比性136

7.3 繪制統計圖136

7.3.1 圖形語法137

7.3.2 為可視化準備數據137

7.3.3 箱線圖138

7.3.4 條形圖138

7.3.5 折線圖139

7.3.6 散點圖140

7.3.7 直方圖143

7.3.8 導出統計圖到文件144

7.4 假設檢驗145

7.4.1 檢驗的基礎知識145

7.4.2 錯誤類型146

7.4.3 靈敏度與特異度146

7.4.4 顯著性水平與檢驗力146

7.4.5 KRUSKAL-WALLIS檢驗147

7.4.6 T-檢驗147

7.4.7 卡方檢驗149

7.5 其他檢驗151

7.6 統計檢驗附加說明151

7.7 案例研究：探索OnlineNewsPopularity數據集151

7.7.1 變量統計152

7.7.2 可視化153

7.7.3 假設154

7.7.4 奇妙的T-SNE方法155

7.7.5 結論156

7.8 小結156

7.9 思考題159

第8章構建數據空間160

8.1 主成分分析161

8.1.1 在Julia中使用PCA162

8.1.2 獨立成分分析：主成分分析的常用替代方法164

8.2 特征評價與選擇165

8.2.1 方法論概述165

8.2.2 在Julia中使用餘弦相似度進行特征評價與選擇166

8.2.3 在Julia中使用DID進行特征評價與選擇168

8.2.4 特征評價與選擇方法的優缺點170

8.3 其他數據降維技術170

8.3.1 其他降維方法概述171

8.3.2 何時使用高級降維方法172

8.4 小結172

8.5 思考題173

第9章數據抽樣與結果評價175

9.1 抽樣技術175

9.1.1 基本抽樣176

9.1.2 分層抽樣176

9.2 分類問題的性能指標177

9.2.1 混淆矩陣177

9.2.2 準確度178

9.2.3 精確度與召回度180

9.2.4 F1指標181

9.2.5 誤判成本181

9.2.6 受試者工作特征（ROC）曲線及相關指標182

9.3 回歸問題的性能指標185

9.3.1 MSE及其變種RMSE186

9.3.2 SSE187

9.3.3 其他指標187

9.4 K折交叉驗證（KFCV）188

9.4.1 在Julia中應用KFCV189

9.4.2 KFCV小提示189

9.5 小結190

9.6 思考題192

第 10章無監督式機器學習193

10.1 無監督式學習基礎知識193

10.1.1 聚類的類型194

10.1.2 距離的度量195

10.2 使用K-均值算法分組數據196

10.2.1 使用Julia實現K-均值聚類197

10.2.2 對K-均值算法的使用建議198

10.3 密度和DBSCAN算法199

10.3.1 DBSCAN算法199

10.3.2 在Julia中應用DBSCAN200

10.4 層次聚類201

10.4.1 在Julia中使用層次聚類201

10.4.2 何時使用層次聚類203

10.5 聚類的驗證方式203

10.5.1 Silhouettes203

10.5.2 關於聚類驗證的一些建議204

10.6 關於有效進行聚類的一些建議204

10.6.1 處理高維數據205

10.6.2 標準化205

10.6.3 可視化建議205

10.7 小結206

10.8 思考題207

第 11章監督式機器學習209

11.1 決策樹210

11.1.1 在Julia中使用決策樹211

11.1.2 關於決策樹的一些建議214

11.2 回歸樹214

11.2.1 在Julia中實現回歸樹215

11.2.2 關於回歸樹的一些建議216

11.3 隨機森林216

11.3.1 在Julia中使用隨機森林進行分類216

11.3.2 在Julia中使用隨機森林進行回歸218

11.3.3 關於隨機森林的一些建議219

11.4 基本神經網絡220

11.4.1 在Julia中使用神經網絡221

11.4.2 關於神經網絡的一些建議223

11.5 極限學習機224

11.5.1 在Julia中使用ELM224

11.5.2 關於ELM的一些建議226

11.6 用於回歸分析的統計模型227

11.6.1 在Julia中使用統計回歸227

11.6.2 關於統計回歸的一些建議230

11.7 其他監督式學習繫統230

11.7.1 提升樹230

11.7.2 支持向量機230

11.7.3 直推式繫統231

11.7.4 深度學習繫統232

11.7.5 貝葉斯網絡232

11.8 小結233

11.9 本章思考題235

第 12章圖分析236

12.1 圖的重要性237

12.2 定制數據集239

12.3 圖的統計量240

12.4 環的檢測242

用Julia檢測環243

12.5 連通子圖244

12.6 團245

12.7 圖的路徑246

12.8 生成樹248

12.8.1 在Julia中實現MST249

12.8.2 用文件保存和加載圖250

12.9 Julia在圖分析中的作用251

12.10 小結252

12.11 思考題254

第 13章更上一層樓255

13.1 Julia社區255

13.1.1 與其他Julia用戶進行交流255

13.1.2 代碼庫256

13.1.3 視頻文件256

13.1.4 新聞257

13.2 學以致用257

13.2.1 從這些特征開始258

13.2.2 關於這個項目的一些思考259

13.3 在數據科學中使用Julia的思考260

13.3.1 不斷提高Julia編程水平260

13.3.2 貢獻Julia項目261

13.3.3 Julia在數據科學中的未來262

附錄A 下載安裝Julia與IJulia264

附錄B 與Julia相關的一些常用站點266

附錄C 本書所用的擴展包268

附錄D Julia與其他平臺的集成269

D.1 Julia與R的集成269

D.1.1 在R中運行Julia腳本269

D.1.2 在Julia中運行R腳本270

D.2 Julia與Python的集成270

D.2.1 在Python中運行Julia腳本270

D.2.2 在Julia中運行Python腳本271

附錄E Julia中的並行處理272

附錄F 各章思考題答案275

商品搜索

商品分类

【醫學】

【各大出版社】