Анализ данных от входа до расширенного Python от входа до фактического анализа данных Zero Basic Self -Study Учебная книга Компьютерная базовая базовая программа для машинного языка с небольшим черепаховым языком Обучение онлайн -тренировочным книгам
Цена: 729руб. (¥34.5)
Артикул: 567333711219
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:墨涵图书专营店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥86.21 822руб.
¥31.2660руб.
¥198.34 191руб.
¥ 188 133.82 828руб.
|   Основная информация о продукте, пожалуйста, обратитесь к следующему введению | |
| Название продукта: |   Анализ и применение данных Python |
| Автор: | Хуан Хонгмей Чжан Лянджун |
| Рыночная цена: | 49.8 |
| Номер ISBN: | 9787115373045 |
| Издательство: |   Народная публикация и телекоммуникационная пресса |
| Типы продукта: |   Книга |
|   другая справочная информация(Принимая фактический объект) | ||
|   украшение:Мягкая обложка |   открытая книга:16 | язык:Китайский |
|   время публикации:2018-04 |   Версия:1 |   страница: |
|   время печати:2018-04-01 |   раздел:1 | &Nbsp; слова: |
|   каталог | |
| * Глава 1 Обзор анализа данных Python 1 Миссия 1.1 Анализ когнитивных данных 1 1.1.1 Осветите концепцию анализа данных 2 1.1.2 Освоить процесс анализа данных 2 1.1.3 Понимание анализа данных сцена приложения 4 Инструменты Mission 1.2, знакомые с анализом данных Python 5 1.2.1 Понимание анализа данных Обычно используемые инструменты 6 1.2.2 Понимание преимуществ анализа данных Python 7 1.2.3 Понимание анализа данных Python Common Library 7 Миссия 1.3 Распределительная версия Anaconda Python 9 1.3.1 Изучите Anaconda выпуск Python версии 9 версии 9 1.3.2 Установите Anaconda 9 в системе Windows 1.3.3 Установите Anaconda 12 в системе Linux Задача 1.4 Осветите общую функцию Notebook Jupyter 14 1.4.1 Основные особенности ноутбука Jupyter 14 1.4.2 Освоение усовершенствованных функций Notebook Jupyter 16 Резюме 19 После -школы 19 * Глава 2 Основы численного расчета Numpy 21 Задача 2.1 Master Numpy Array объект Ndarray 21 2.1.1 Создание объекта массива 21 2.1.2 Сгенерировать случайное число 27 2.1.3 Доступ с индексированным массивом 29 2.1.4 Измените форму массива 31 Задача 2.2 Master Numpy Matrix и Universal Function 34 2.2.1 Создать Numpy Matrix 34 2.2.2 Осветите функцию UFUNC 37 Задача 2.3 Используйте Numpy для статистического анализа 41 2.3.1 Чтение/написание файла 41 2.3.2 Используйте функции для выполнения простого статистического анализа 44 2.3.3 Реализация задачи 48 Резюме 50 Обучение 50 Обучение 1 Создайте массив и выполните вычисления 50 Обучение 2 Создать шахматную доску 50 После -Упражнения 51 Глава 3 Основы визуализации данных matplotlib 52 Миссия 3.1 освоить основную грамматику и общие параметры рисования 52 3.1.1 Master Pyplot Basic Grammar 53 3.1.2 Установите динамический параметр RC Pyplot 56 Миссия 3.2 Отношения между анализом 59 3.2.1 Нарисуйте разбросанную точку Рисунок 59 3.2.2 Нарисуйте линию складывания Рисунок 62 3.2.3 Реализация задачи 65 Задача 3.3 Характеристики анализа Внутреннее распределение и децентрализация данных 68 3.3.1 Нарисуйте гистограмму 68 3.3.2 Нарисуйте графику торта 70 3.3.3 Нарисуйте диаграмму линии коробки 71 3.3.4 Реализация задачи 73 Резюме 77 Обучение 78 Обучение 1 Анализ 1996 года ～ 2015 г. Популяционные данные включают 78 Обучение 2 Анализ характеристик характеристик каждой характеристики данных о популяции с 1996 по 2015 год 78 После -упражнения 79 Глава 4 Основы статистического анализа пандов 80 Миссия 4.1 Чтение/запись данных различных источников данных 80 4.1.1 Чтение/запись данных базы данных 80 4.1.2 Читать/записать текстовый файл 83 4.1.3 Читать/записать файл Excel 87 4.1.4 Реализация задачи 88 Миссия 4.2 Освоение общей работы DataFrame 89 4.2.1 Просмотреть общие атрибуты DataFrame 89 4.2.2 DataFrame Data 91 4.2.3. 4.2.4 Реализация задачи 104 Миссия 4.3 Преобразование и обработка данных временных рядов 107 4.3.1 Конвертированное время строки является стандартным временем 107 4.3.2 Извлечение информации о последовательности времени 109 4.3.3 Добавить или вычесть данные времени 110 4.3.4 Реализация задачи 111 Задача 4.4 Используйте агрегацию пакетов для расчета в группе 113 4.4.1 Используйте метод Groupby для разделения данных 114 4.4.2 Используйте метод AGG для агрегирования данных 116 4.4.3 Используйте метод применения для агрегирования данных 119 4.4.4 Используйте метод преобразования для агрегирования данных 121 4.4.5 Реализация задачи 121 Миссия 4.5 Создание перспективной таблицы и перекрестной таблицы 123 4.5.1 Используйте функцию pivot_table для создания перспективной таблицы 123 4.5.2 Используйте функцию CrosShab для создания перекрестной таблицы 127 4.5.3 Реализация задачи 128 Резюме 130 Обучение 130 Обучение 1 Прочитайте и просмотрите основную информацию основной таблицы данных сетевого кредита P2P 130 Обучение 2 ТАБЛИЦА ИНФОРМАЦИИ ИНФОРМАЦИИ ИНФОРМАЦИЯ И ИНФОРМАЦИЯ ВЕЛИКА ТАБЛИЦА ИНФОРМАЦИЯ Таблица 130 Обучение 3 Используйте метод агрегации пакетов для дальнейшего анализа таблицы обновления информации пользователя и информации о входе в систему Таблица 131 Обучение 4 Преобразование длинных и ширины для таблицы обновления информации и информации о входе в систему Таблица 131 После -класс упражнения 131 Глава 5 Использование Pandas для предварительной обработки данных 133 Задача 5.1 слияние данных 133 5.1.1 Данные слияния стека 133 5.1.2 Первичный ключ комбинированный 5.1.3 Перекрытие и слияние данных 139 5.1.4 Реализация задачи 140 Задача 5.2 Данные очистки 141 5.2.1 Обнаружение и обработка повторения 141 5.2.2 Обнаружение и обработка пропущенных значений 146 5.2.3 Обнаружение и обработка аномального значения 149 5.2.4 Реализация задачи 152 Задача 5.3 Стандартизированные данные 154 5.3.1 Данные стандартизации отъезда 154 5.3.2 Данные стандартизации стандартизации 155 5.3.3 Стандартизированные данные десятичного фиксированного стандарта 156 5.3.4 Реализация задачи 157 Миссия 5.4 Данные о конверсии 158 5.4.1 Данные категории обработки тупых переменных 158 5.4.2 Дискретные непрерывные данные 160 5.4.3 Реализация задачи 162 Резюме 163 Практика 164 Обучение 1 Вставьте пользовательские данные об электроэнергетике. Отсутствие потерянной стоимости 164 Обучение 2 Потеря линии слияния, тенденция использования электроэнергии и данные тревоги 164. Обучение 3 Стандартизированное моделирование. После -класс упражнения 165 Глава 6 Использование Scikit-Learn для построения модели 167 Миссия 6.1 Используйте конвертер Sklearn для обработки данных 167 6.1.1 Набор данных в наборах данных модуль 167 6.1.2 Разделите набор данных на учебный набор и набор тестов 170 6.1.3 Используйте конвертер Sklearn для предварительной обработки данных и уменьшения размеров 172 6.1.4 Реализация задачи 174 Миссия 6.2 Строительство и оценка кластерной модели 176 6.2.1 Используйте оценку Sklearn для создания кластерной модели 176 6.2.2 Модель кластера оценки 179 6.2.3 Реализация задачи 182 Миссия 6.3 Строительство и оценка классификационной модели 183 6.3.1 Используйте оценку Sklearn для создания классификационной модели 183 6.3.2 Модель классификации оценки 186 6.3.3 Реализация задачи 188 Задача 6.4 Строительство и оценить модель регрессии 190 6.4.1 Используйте оценку Sklearn для создания модели линейной регрессии 190 6.4.2 Оценка возврата модели 193 6.4.3 Реализация миссии 194 Резюме 196 Практика 196 Обучение 1 Используйте Sklearn для обработки набора данных Wine and Wine_quality 196 Обучение 2 Строительство модели кластера K-Means на основе набора данных вина 196 Обучение 3 Строительная модель классификации SVM на основе набора данных Wine Data 197 Обучение 4 Создайте регрессионную модель на основе набора данных Wine_quality 197 После -класс упражнение 198 Глава 7 Анализ ценности клиента авиакомпании 199 Задача 7.1 Понимает текущий статус и анализ ценных значений клиентов авиакомпаний 199 7.1.1 Изучите текущую ситуацию авиакомпании 200 7.1.2 Понимание анализа ценности клиента 201 201 7.1.3 Шаги и процессы, знакомые с анализом значений авиационной стоимости клиента 201 Задача 7.2 Предварительная обработка данных клиента авиации 202 7.2. 7.2.2. 7.2.3 5 Особенности стандартизированной модели LRFMC 206 7.2.4 Реализация задачи 207 Задача 7.3 Используйте алгоритм K-средних для группы клиентов 209 209 7.3.1 Изучить алгоритм кластера K-средних 209 7.3.2 Анализ результатов кластера 210 7.3.3 Приложение 213 модели 213 7.3.4 Реализация задачи 214 Резюме 215 Обучение 215 Обучение 1 Обработка данных кредитных карт ненормальное значение 215 Обучение 2 Строительная кредитная карта Кредитная оценка клиентов Оценка Оценки 217 Обучение 3 Construct K-Means Cluster Model 218 После -класс упражнения 218 Глава 8 Анализ прогноза фискальных доходов 220 Задача 8.1 Фон и метод прогноза фискального дохода 220 8.1.1 Анализ прогноза фискальных доходов 220 8.1.2 Как понять прогноз фискального дохода 222 8.1.3 Шаги и процессы знакомства с прогнозом финансового дохода 223 Задача 8.2 Анализ корреляции характеристик данных финансового дохода 223 8.2.1 Понимание корреляционного анализа 223 8.2.2 Результат расчета анализа 224 8.2.3 Реализация задачи 225 Задача 8.3 Ключевые функции Lasso return для выбора прогноза фискальных доходов 225 8.3.1 Учите Lasso return 226 8.3.2 АНАЛИЗ ЛАССО Результат возврата 227 8.3.3 Реализация задачи 227 Задача 8.4 Используйте серый прогноз и SVR для создания прогноза фискальных доходов 228 8.4.1 Ученится алгоритм прогноза серого 228 8.4.2 Понимание алгоритма SVR 229 8.4.3 Результаты анализа и прогнозирования 232 8.4.4 Реализация задачи 234 Резюме 236 Обучение 236 Обучение 1 Найдите коэффициент корреляции между характеристиками корпоративного подоходного налога 236 Обучение 2 Выберите ключевую особенность прогноза корпоративного подоходного налога 237 Обучение 3 Строительство прогноза корпоративного подоходного налога Модель 237 После -класс упражнения 237 Глава 9 Анализ поведения пользователей и идентификация событий домашних водонагревателей 239 Задача 9.1 Изучите фон и шаги анализа поведения пользователя домашнего водонагревателя 239 9.1.1 Проанализируйте текущее состояние индустрии водонагревателя 240 9.1.2 Понимание основной ситуации данных сбора данных водонагревателя 240 9.1.3 Знакомые шаги и процессы анализа поведения пользователя домашнего водонагревателя 241 Миссия 9.2 Предварительная обработка водонагревателя Пользовательские данные о воде 242 9.2.1 Удалить избыточные функции 242 9.2.2 Divident of Water Event 243 9.2.3 Определите длинный порог одного водного события 244 9.2.4 Реализация задачи 246 Задача 9.3 Создание характеристик использования воды и скрининга инцидента использования воды 247 9.3.1 Строительство длины и частоты воды 248 9.3.2. 9.3.3 Скрининг -кандидат в купальный инцидент 250 9.3.4 Реализация задачи 251 Задача 9.4 Анализ поведенческих событий BP BP Модель 255 9.4.1. Принцип Алгоритма Алгоритма нейронной сети BP 255 9.4.2 Строительная модель 259 9.4.3 Модель оценки 260 9.4.4 Реализация задачи 260 Резюме 263 Обучение 263 Обучение 1 Данные клиента оператора стирки 263 Обучение 2 фильтровать данные оператора клиента 264 Обучение 3 Создание модели прогнозирования нейронной сети 265 После -класс упражнения 265 Приложение A 267 Приложение B 270 Ссылка 295 |
|   замечательный контент | |
| ...... | |
|   Введение | |
| Эта книга руководствуется задачей, всесторонне вводит процесс анализа данных и применение библиотеки анализа данных Python и подробно объясняет метод использования Python для решения фактических задач предприятия.В книге есть 9 глав:* 1 Глава представляет базовые знания основных понятий анализа данных;* 2 ～ 6 представляет широко используемую библиотеку и ее применение анализа данных Python, охватывающего численное расчет Numpy, визуализацию данных Matplotlib, панды Статистический анализ, использование, использование Pandas проводит предварительную обработку данных и использует Scikit-Learn для создания модели для более подробного объяснения метода анализа данных Python; Данные предприятия.За исключением* 1 главы, главы этой книги включают в себя упражнения по обучению и класс.Эта книга может использоваться в качестве учебника для специалистов по технологиям больших данных в колледжах и университетах, или ее также можно использовать в качестве книги «Самостоятельно» для энтузиастов технологий больших данных. |
|   Введение в автора | |
| Чжан Лянджун, менеджер проекта «Информационная система», и инициатор Национального конкурса данных студентов студентов Тедди Кубка (www.tipdm.org). Профессор неполный рабочий день в Южно-Китайском Университете Нормального Университета и Гуандонского технологического университета и директор Общества промышленности и прикладной математики Гуандунга. Он имеет опыт работы в крупных высокотехнологичных предприятиях и университетах и в основном занимается планированием, исследованиями, разработками и консалтинговыми обучениями для добычи больших данных и его применения. Национальные компьютерные технологии и программное обеспечение Профессиональная техническая квалификация (уровень) Экзамен. Непрерывное образование и инструктор по обучению аналитика данных CDA. Он опубликовал более 20 документов, связанных с интеллектуальным анализом данных, получила 12 патентов на национальные изобретения, отредактировал книги «Практические учебные пособия для нейронных сетей», «Рабочие данные: практическое анализ случаев», «Анализ пихологического случая и добыча полезных ископаемых» и председательствовал на 9 научных и технологических проектов. Получил сертификат SAS, сертификат Data Mining Data Mining и Hadoop Development, с опытом работы в области проекта и отраслевым опытом в области питания, телекоммуникаций, банковских, производственных предприятий, электронной коммерции и электронного правительства. |
··········