书籍详情
《数据科学概念与实践维贾伊》[31M]百度网盘|亲测有效|pdf下载

  • 数据科学概念与实践维贾伊

  • 出版社:互动创新图书专营店
  • 热度:11195
  • 上架时间:2024-06-30 09:08:33
  • 价格:0.0
书籍下载
点击下载
书籍预览
查看链接
免责声明

本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正

内容介绍

 书[0名0]：  (正版特价)数据科[0学0]概念与实践（原书[0第0]2版）|233728
 图书定价： 119元
 图书作者： [美]维贾伊·库图（Vijay Kotu） 巴拉·德斯潘德（Bala Deshpande）
 出版社：  [1机1]械工业出版社
 出版日期：  2020-09-04 0:00:00
 ISBN号： 9787111663041
 开本： 16开
 页数： 368
 版次： 1-1
 作者简介
关于我们
客户服务
友情链接
 内容简介
数据科[0学0]已[纟巠]成为从数据中[扌是]取价值的基本工具，任何企业都可以将数据收集、存储和处理作为其业务的一部分。本书搭建了一个易于理解的概念框架，帮助读者掌握数据科[0学0]的基础[0知0]识，并在[0学0]习理论的过程中同步使用RapidMiner平台进行实践。书中将分享实用的数据分析方[0法0]，讨论如何揭示隐藏的模式和关系，无论你是[亲斤]手还是专家，都能借助这些方[0法0]做出更[女子]的决策和预测。本书非常适合[0商0]务用户、数据分析师、[0商0]务分析师、工程师和分析专家以及任何与数据打交道的人。
 目录

赞誉
译者序
序言
前言
致谢
作者简介
[0第0]1章　简介 1
1.1　AI、[1机1]器[0学0]习和数据科[0学0] 2
1.2　什么是数据科[0学0] 3
1.2.1　[扌是]取有意义的模式 3
1.2.2　构建表示模型 3
1.2.3　统计、[1机1]器[0学0]习和计算的结合 4
1.2.4　[0学0]习算[0法0] 4
1.2.5　相关[令页]域 4
1.3　数据科[0学0]的案例 5
1.3.1　体量 5
1.3.2　维度 5
1.3.3　复杂问题 6
1.4　数据科[0学0]的分类 6
1.5　数据科[0学0]的算[0法0] 7
1.6　本书路线图 8
1.6.1　数据科[0学0]入门 8
1.6.2　练习使用RapidMiner 8
1.6.3　核心算[0法0] 9
参考文献 11
[0第0]2章　数据科[0学0]过程 12
2.1　先验[0知0]识 13
2.1.1　目标 13
2.1.2　[1主1]题范围 14
2.1.3　数据 14
2.1.4　因果关系与相关性 15
2.2　数据准备 15
2.2.1　数据探索 15
2.2.2　数据质量 16
2.2.3　缺失值 16
2.2.4　数据类型和转换 16
2.2.5　转换 17
2.2.6　异常值 17
2.2.7　特征选择 17
2.2.8　数据采样 17
2.3　建模 18
2.3.1　训练数据集和测试数据集 18
2.3.2　[0学0]习算[0法0] 19
2.3.3　模型[0评0]估 20
2.3.4　集成模型 20
2.4　应用 21
2.4.1　生产准备 21
2.4.2　技术整合 21
2.4.3　响应时间 21
2.4.4　模型刷[亲斤] 22
2.4.5　同化 22
2.5　[0知0]识 22
参考文献 23
[0第0]3章　数据探索 24
3.1　数据探索的目标 24
3.2　数据集 25
3.3　描述性统计 26
3.3.1　单变量探索 27
3.3.2　多变量探索 28
3.4　数据可视化 30
3.4.1　单变量的可视化 31
3.4.2　多变量的可视化 34
3.4.3　可视化高维数据 38
3.5　数据探索的路线图 40
参考文献 41
[0第0]4章　分类 42
4.1　决策树 42
4.1.1　工作原理 42
4.1.2　实现过程 47
4.1.3　小结 55
4.2　规则归纳 56
4.2.1　工作原理 58
4.2.2　实现过程 60
4.2.3　小结 63
4.3　k-NN（k-近邻） 63
4.3.1　工作原理 64
4.3.2　实现过程 69
4.3.3　小结 71
4.4　朴素贝叶斯 71
4.4.1　工作原理 72
4.4.2　实现过程 77
4.4.3　小结 79
4.5　人工神[纟巠]网络 80
4.5.1　工作原理 82
4.5.2　实现过程 84
4.5.3　小结 86
4.6　支持向量[1机1] 87
4.6.1　工作原理 89
4.6.2　实现过程 91
4.6.3　小结 95
4.7　集成[0学0]习 95
4.7.1　工作原理 97
4.7.2　实现过程 98
4.7.3　小结 105
参考文献 105
[0第0]5章　回归方[0法0] 107
5.1　线性回归 107
5.1.1　工作原理 108
5.1.2　实现过程 112
5.1.3　检查点 117
5.2　逻辑回归 120
5.2.1　工作原理 122
5.2.2　实现过程 124
5.2.3　总结要点 127
5.3　总结 127
参考文献 127
[0第0]6章　关联分析 128
6.1　挖掘关联规则 129
6.1.1　项集 130
6.1.2　规则生成 132
6.2　Apriori算[0法0] 133
6.3　频繁模式增长算[0法0] 136
6.3.1　工作原理 136
6.3.2　实现过程 138
6.4　总结 141
参考文献 141
[0第0]7章　聚类 142
7.1　k-means聚类 145
7.1.1　工作原理 147
7.1.2　实现过程 149
7.2　DBSCAN聚类 153
7.2.1　工作原理 153
7.2.2　实现过程 155
7.3　自组织映[身寸] 158
7.3.1　工作原理 159
7.3.2　实现过程 161
参考文献 166
[0第0]8章　模型[0评0]估 168
8.1　混淆矩阵 169
8.2　ROC和AUC 170
8.3　[扌是]升曲线 172
8.4　实现过程 174
8.5　总结 177
参考文献 178
[0第0]9章　文本挖掘 179
9.1　工作原理 180
9.1.1　词频–逆文档频率 180
9.1.2　词语 181
9.2　实现过程 184
9.2.1　实现1：关键词聚类 184
9.2.2　实现2：预测博客作者的性别 187
9.3　总结 193
参考文献 194
[0第0]10章　深度[0学0]习 195
10.1　AI冬天 197
10.1.1　AI冬天：20世纪70年代 197
10.1.2　冬季解冻：20世纪80年代 198
10.1.3　人工智能的春夏：2006年至今 200
10.2　工作原理 201
10.2.1　神[纟巠]网络的回归模型 201
10.2.2　梯度下降[0法0] 202
10.2.3　需要反向传播 204
10.2.4　分类[0超0]过2个：softmax 205
10.2.5　卷积神[纟巠]网络 207
10.2.6　密集层 211
10.2.7　随[1机1]失活层 211
10.2.8　循环神[纟巠]网络 212
10.2.9　自动编码器 213
10.2.10　相关AI模型 213
10.3　实现过程 214
10.4　总结 217
参考文献 218
[0第0]11章　推荐引擎 219
11.1　推荐引擎的概念 221
11.2　协同过滤 225
11.2.1　基于邻域的方[0法0] 226
11.2.2　矩阵分解 233
11.3　基于内容的过滤 238
11.3.1　用户画像的计算 239
11.3.2　有监督[0学0]习方[0法0] 245
11.4　混合推荐器 249
11.5　总结 250
参考文献 251
[0第0]12章　时间序列预测 253
12.1　时间序列分解 256
12.1.1　[纟巠]典分解 258
12.1.2　实现过程 258
12.2　基于平滑的方[0法0] 260
12.2.1　简单预测方[0法0] 260
12.2.2　指数平滑 261
12.2.3　实现过程 263
12.3　基于回归的方[0法0] 264
12.3.1　回归 265
12.3.2　周期性回归 266
12.3.3　集成移动平均自回归模型 268
12.3.4　周期性ARIMA 272
12.4　[1机1]器[0学0]习方[0法0] 274
12.4.1　窗口化 275
12.4.2　神[纟巠]网络自回归 280
12.5　性能[0评0]估 282
12.5.1　验证数据集 282
12.5.2　滑动窗口验证 283
12.6　总结 284
参考文献 285
[0第0]13章　异常检测 286
13.1　概念 286
13.1.1　异常点的原因 286
13.1.2　异常检测技术 288
13.2　基于距离的异常点检测 289
13.2.1　工作原理 290
13.2.2　实现过程 291
13.3　基于密度的异常点检测 293
13.3.1　工作原理 293
13.3.2　实现过程 294
13.4　局部异常因子 295
13.4.1　工作原理 295
13.4.2　实现过程 296
13.5　总结 297
参考文献 298
[0第0]14章　特征选择 299
14.1　分类特征选择方[0法0] 299
14.2　[1主1]成分分析 301
14.2.1　工作原理 301
14.2.2　实现过程 302
14.3　基于信息理论的过滤 306
14.4　基于卡方的过滤 307
14.5　包裹式特征选择 309
14.6　总结 313
参考文献 313
[0第0]15章　RapidMiner入门 314
15.1　用户界[mian]和术语 314
15.2　数据导入和导出工具 317
15.3　数据可视化工具 320
15.4　数据转换工具 321
15.5　采样和缺失值工具 324
15.6　[0优0]化工具 327
15.7　与R的集成 332
15.8　总结 332
参考文献 333
附录　数据科[0学0]算[0法0]的比较 334

 编辑推荐
数据科[0学0]
概念与实践（原书[0第0]2版）
[ 美 ]　　　　 维贾伊·库图（Vijay Kotu）
巴拉·德斯潘德（Bala Deshpande） 著
黄智濒 白鹏　 译
Data Science
Concepts and Practice，Second Edition

相关推荐
微服务架构设计模式克里斯理查森架构师计算机编程书籍
实用电子元器件与电路基础第4版第四版
金融级IT架构数字银行的云原生架构解密精装版