了得網計算機/網絡_數據科學導論：Python語言實現（原書第2版）

內容簡介

本書首先介紹了如何在Python3.5中安裝必要的數據科學工具箱；然後引導你進入數據改寫和預處理階段，在其中闡述用於數據分析、探索或處理的數據加載、變換和修復等關鍵的數據科學活動；後，通過介紹主要的機器學習算法、圖分析技術和可視化方法來對數據科學進行概述。

作者簡介

作者簡介阿爾貝托·博斯凱蒂（Alberto Boschetti）數據科學家、信號處理和統計學方面的專家。他是通信工程專業博士，現在倫敦居住和工作。他主要從事自然語言處理、行為分析、機器學習和分布式處理等方面的挑戰性工作。他對工作充滿激情，經常參加學術聚會、研討會及其他學術活動，緊跟數據科學技術發展的前沿。
我要感謝我的家人、朋友和同事！同時，也非常感謝開源社區！
盧卡·馬薩羅（Luca Massaron）數據科學家、市場營銷研究主導者，是多變量統計分析、機器學習和客戶洞察方面的專家。有十年以上解決實際問題的經驗，使用推理、統計、數據挖掘和算法為利益相關者創造了巨大的價值。在意大利他是網絡受眾分析的先鋒，並在Kaggler上獲得排名前十的佳績，隨後一直熱心參與各種與數據及數據分析相關的活動，積極給新手和專業人員講解數據驅動知識發現的潛力。他崇尚大道至簡，堅信理解數據科學的精要能給你帶來巨大收獲。
致Yukiko和Amelia，謝謝你們的愛和包容。“前路無止境，星雲作伴長，雙腳雖遠行，終歸還家鄉。”

目錄
譯者序
前言
作者簡介
第1章新手上路 1
1.1數據科學與Python簡介 1
1.2Python的安裝 2
1.2.1Python 2還是Python 3 3
1.2.2分步安裝 3
1.2.3工具包的安裝 4
1.2.4工具包升級 6
1.2.5科學計算發行版 6
1.2.6虛擬環境 8
1.2.7核心工具包一瞥 11目錄
譯者序
前言
作者簡介
第1章新手上路 1
1.1數據科學與Python簡介 1
1.2Python的安裝 2
1.2.1Python 2還是Python 3 3
1.2.2分步安裝 3
1.2.3工具包的安裝 4
1.2.4工具包升級 6
1.2.5科學計算發行版 6
1.2.6虛擬環境 8
1.2.7核心工具包一瞥 11
1.3Jupyter簡介 17
1.3.1快速安裝與初次使用 19
1.3.2Jupyter魔術命令 20
1.3.3Jupyter Notebook怎樣幫助數據科學家 22
1.3.4Jupyter的替代版本 26
1.4本書使用的數據集和代碼 27
1.5小結 33
第2章數據改寫 34
2.1數據科學過程 34
2.2使用pandas進行數據加載與預處理 36
2.2.1數據快捷加載 36
2.2.2處理問題數據 38
2.2.3處理大數據集 41
2.2.4訪問其他的數據格式 43
2.2.5數據預處理 44
2.2.6數據選擇 47
2.3使用分類數據和文本數據 49
2.3.1特殊的數據類型——文本 51
2.3.2使用Beautiful Soup抓取網頁 56
2.4使用NumPy進行數據處理 57
2.4.1NmuPy中的N維數組 57
2.4.2NmuPy ndarray對像基礎 58
2.5創建NumPy數組 59
2.5.1從列表到一維數組 60
2.5.2控制內存大小 60
2.5.3異構列表 61
2.5.4從列表到多維數組 62
2.5.5改變數組大小 63
2.5.6利用NumPy函數生成數組 64
2.5.7直接從文件中獲得數組 65
2.5.8從pandas提取數據 65
2.6NumPy快速操作和計算 66
2.6.1矩陣運算 68
2.6.2NumPy數組切片和索引 69
2.6.3NumPy數組堆疊 71
2.7小結 72
第3章數據科學流程 73
3.1EDA簡介 73
3.2創建新特征 77
3.3維數約簡 78
3.3.1協方差矩陣 79
3.3.2主成分分析 80
3.3.3一種用於大數據的PCA變型——RandomizedPCA 82
3.3.4潛在因素分析 83
3.3.5線性判別分析 84
3.3.6潛在語義分析 85
3.3.7獨立成分分析 85
3.3.8核主成分分析 85
3.3.9t-分布鄰域嵌入算法 87
3.3.10受限玻爾茲曼機 87
3.4異常檢測和處理 89
3.4.1單變量異常檢測 89
3.4.2EllipticEnvelope 90
3.4.3OneClassSVM 94
3.5驗證指標 96
3.5.1多標號分類 97
3.5.2二值分類 99
3.5.3回歸 100
3.6測試和驗證 100
3.7交叉驗證 103
3.7.1使用交叉驗證迭代器 105
3.7.2采樣和自舉方法 107
3.8超參數優化 108
3.8.1建立自定義評分函數 110
3.8.2減少網格搜索時間 112
3.9特征選擇 113
3.9.1基於方差的特征選擇 113
3.9.2單變量選擇 114
3.9.3遞歸消除 115
3.9.4穩定性選擇與基於L1的選擇 116
3.10將所有操作包裝成工作流程 118
3.10.1特征組合和轉換鏈接 118
3.10.2構建自定義轉換函數 120
3.11小結 121
第4章機器學習 122
4.1準備工具和數據集 122
4.2線性和logistic回歸 124
4.3樸素貝葉斯 126
4.4K近鄰 127
4.5非線性算法 129
4.5.1基於SVM的分類算法 129
4.5.2基於SVM的回歸算法 131
4.5.3調整SVM（優化） 132
4.6組合策略 133
4.6.1基於隨機樣本的粘合策略 134
4.6.2基於弱分類器的bagging策略 134
4.6.3隨機子空間和隨機分片 135
4.6.4隨機森林和Extra-Trees 135
4.6.5從組合估計概率 137
4.6.6模型序列——AdaBoost 138
4.6.7梯度樹提升 139
4.6.8XGBoost 140
4.7處理大數據 142
4.7.1作為範例創建一些大數據集 142
4.7.2對容量的可擴展性 143
4.7.3保持速度 144
4.7.4處理多樣性 145
4.7.5隨機梯度下降概述 147
4.8深度學習 148
4.9自然語言處理一瞥 153
4.9.1詞語分詞 153
4.9.2詞干提取 154
4.9.3詞性標注 154
4.9.4命名實體識別 155
4.9.5停止詞 156
4.9.6一個完整的數據科學例子——文本分類 156
4.10無監督學習概覽 158
4.11小結 165
第5章社交網絡分析 166
5.1圖論簡介 166
5.2圖的算法 171
5.3圖的加載、輸出和采樣 177
5.4小結 179
第6章可視化、發現和結果 180
6.1matplotlib基礎介紹 180
6.1.1曲線繪圖 181
6.1.2繪制分塊圖 182
6.1.3數據中的關繫散點圖 183
6.1.4直方圖 184
6.1.5柱狀圖 185
6.1.6圖像可視化 186
6.1.7pandas的幾個圖形示例 188
6.1.8散點圖 190
6.1.9平行坐標 192
6.2封裝matplotlib命令 193
6.2.1Seaborn簡介 194
6.2.2增強EDA性能 197
6.3交互式可視化工具Bokeh 201
6.4高級數據學習表示 203
6.4.1學習曲線 204
6.4.2確認曲線 205
6.4.3隨機森林的特征重要性 206
6.4.4GBT部分依賴關繫圖形 207
6.4.5創建MA-AAS預測服務器 208
6.5小結 212
附錄A增強Python基礎 213

前言

前言“千裡之行，始於足下。”
——老前604—531）數據科學屬於一門相對較新的知識領域，它成功融合了線性代數、統計建模、可視化、計算語言學、圖形分析、機器學習、商業智能、數據存儲和檢索等眾多學科。
Python編程語言在過去十年已經征服了科學界，現在是數據科學實踐者不可或缺的工具，也是每一個有抱負的數據科學家的工具。Python為數據分析、機器學習和算法求解提供了快速、可靠、跨平臺、成熟的開發環境。無論之前在數據科學應用中阻止你掌握Python的原因是什麼，我們將通過簡單的分步化解和示例導向的方法幫你解決，幫助你在演示數據集和實際數據集上使用直接有效的Python工具。前言“千裡之行，始於足下。”
——老前604—531）數據科學屬於一門相對較新的知識領域，它成功融合了線性代數、統計建模、可視化、計算語言學、圖形分析、機器學習、商業智能、數據存儲和檢索等眾多學科。
Python編程語言在過去十年已經征服了科學界，現在是數據科學實踐者不可或缺的工具，也是每一個有抱負的數據科學家的工具。Python為數據分析、機器學習和算法求解提供了快速、可靠、跨平臺、成熟的開發環境。無論之前在數據科學應用中阻止你掌握Python的原因是什麼，我們將通過簡單的分步化解和示例導向的方法幫你解決，幫助你在演示數據集和實際數據集上使用直接有效的Python工具。
作為第2版，本書對第1版內容進行了更新和擴展。以的Jupyter Notebook（包括可互換內核，一個真正支持多種編程語言的數據科學繫統）為基礎，本書包含了NumPy、pandas和Scikit-learn等庫的所有主要更新。此外，本書還提供了不少新內容，包括深度學習（基於Theano和Tensorflow的Keras）、漂亮的數據可視化（Seaborn和ggplot）和Web部署（使用bottle）等。本書首先使用單源方法，展示如何在版Python（3.5）中安裝基本的數據科學工具箱，這意味著本書中的代碼可以在Python 2.7上重用。接著，將引導你進入完整的數據改寫和預處理階段，主要闡述用於數據分析、探索或處理的數據加載、變換、修復等關鍵數據科學活動。後，本書將完成數據科學精要的概述，介紹主要的機器學習算法、圖分析技術和可視化方法，其中，可視化工具將更易於向數據科學專家或商業用戶展示數據處理結果。
本書內容第1章介紹Jupyter Notebook，演示怎樣使用程序手冊中的數據。
第2章對數據科學流程進行概述，詳細分析進行數據準備和處理所使用的關鍵工具，這些工具將在采用機器學習算法和建立假設實驗計劃之前使用。
第3章討論所有可能有助於結果改進甚至提升的數據操作技術。
第4章深入研究Scikit-learn包中的主要機器學習算法，例如線性模型、支持向量機、樹集成和無監督聚類技術等。
第5章介紹圖的概念，它可以表示為偏離預測或目標的有趣矩陣。這是目前數據科學界的研究熱點，期待利用圖的技術來研究復雜的社交網絡。
第6章介紹使用matplotlib進行可視化的基本方法，以及如何使用pandas進行探索性數據分析（EDA），如何使用Seaborn和Bokeh實現漂亮的可視化，還包括如何建立提供所需要信息的Web服務器。
附錄包括一些Python示例和說明，重點介紹Python語言的主要特點，這些都是從事數據科學工作必須了解的。
閱讀準備本書用到的Python及其他數據科學工具（從IPython到Scikit-learn）都能在網上免費下載。要運行本書附帶的源代碼，需要一臺裝有Windows、Linux或Mac OS等操作繫統的計算機。本書將分步介紹Python解釋器的安裝過程，以及運行示例所需要的工具和數據。
讀者對像如果你有志於成為數據科學家，並擁有一些數據分析和Python方面的基礎知識，本書將助你在數據科學領域快速入門。對於有R語言或Matlab編程經驗的數據分析人員，本書也可以作為一個全面的參考書，提高他們在數據操作和機器學習方面的技能。
代碼下載你可以從http://www.packtpub.com通過個人賬號下載你所購買書籍的樣例源碼。你也可以訪問華章圖書官網http://www.hzbook.com，通過注冊並登錄個人賬號下載本書的源代碼。
彩圖下載我們還提供了一個PDF文件，其中包含本書中使用的截圖和彩圖，可以幫助讀者更好地了解輸出的變化。文件可以從以下地址下載：http://www.packtpub.com/sites/default/files/downloads/PythonDataScienceEssentialsSecondEdition_colorImages.pdf。

商品搜索

商品分类

【醫學】

【各大出版社】