8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 17.98 руб.

Практический анализ данных (оригинальная книга 2) [Midea] Гектор Cuesta Dr. Sampath Kumar Big Data Series

Цена: 722руб.    (¥40.12)
Артикул: 560963716783

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:鑫达图书专营店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥ 59.9 32576руб.
¥ 336 2554 585руб.
¥ 211 1262 266руб.
¥ 261.8 170.83 071руб.
  • Информация о товаре
  • Фотографии

   Основная информация о продукте
наименование товара:  
Автор:  &Миддот;
Рыночная цена:  59.00
Номер ISBN:  9787111579212
Версия:  1-1
Дата публикации:  2017-09
Количество страниц:  236
Слова:  147
Издательство:   Machinery Industry Press
   каталог
Cingents
Переводчик
об авторе
Введение
Предисловие
Глава 1 начало 1
1.1 Компьютерная наука 1
1.2 Искусственный интеллект 2
1.3 машинное обучение 2
1.4 Статистика 2
1.5 Математика 2
1.6 Знание в профессиональных областях 3
1.7 Данные, информация и знания 3
1.7.1 Взаимность между данными, информацией и знаниями 3
1.7.2 Суть данных 4
1.8 Процесс анализа данных 5
1.8.1 Вопрос 6
1.8.2 Подготовка данных 6
1.8.3 Исследование данных 7
1.8.4 Прогнозируемое моделирование 7
1.8.5 Визуализация результатов 8
1.9 из количественных и качественных данных 9
1.10 Важность визуализации данных 9
1.11 Большие данные 10
1.12 Самоалквенос 12
1.12.1 Датчик и камера 12
1.12.2 Анализ социальной сети 13
1.13 Инструменты и упражнения этой книги 13
1.13.1 Зачем использовать Python14
1.13.2 Зачем использовать MLPY14
1.13.3 Зачем использовать D3.JS14
1.13.4 Зачем использовать mongodb15
1.14 Резюме 15
Глава 2 Данные предварительно обработки 16
2.1 Источник данных 16
2.1.1 Данные с открытым исходным кодом 17
2.1.2 Текстовый файл 18
2.1.3 Excel File 18
2.1.4 SQL База данных 18
2.1.5 База данных NOSQL 19
2.1.6 Multimedia 20
2.1.7.
2.2 Очистка данных 22
2.2.1 Статистический метод 23
2.2.2 Анализ текста 23
2.2.3 Преобразование данных 25
2.3 Формат данных 25
2.3.1 CSV26
2.3.2 JSON27
2.3.3 XML28
2.3.4 Yaml29
2.4 Данные около 30
2.4.1 Фильтр и выборка 30
2.4.2 -Алгоритм ящика 30 30
2.4.3 Сокращение измерения 31
2.5 Начните с помощью инструмента OpenRefine 32
2.5.1 Текст Facet33
2.5.2 кластер 33
2.5.3 Текстовый фильтр 34
2.5.4 Числовой Facet34
2.5.5 Преобразование данных 35
2.5.6 Вывод данных 36
2.5.7 Запись истории операции 36
2.6 Сводка 37
Глава 3 Визуализация 38
3.1 Визуальный обзор 39
3.2 Используйте визуализацию веб -версии 39
3.3 Изучение науки визуализации 39
3.4 Визуализация искусства 40
3.5 Визуальный жизненный цикл 40
3.6 Различные данные различных типов визуализации 41
3.6.1 HTML41
3.6.2 DOM42
3.6.3 CSS42
3.6.4 JavaScript43
3.6.5 SVG43
3.7 Начните использовать D3.js43
3.7.1 Столб Рисунок 44
3.7.2 торт Рисунок 48
3.7.3 Sanda Point Рисунок 50
3.7.4 Одиночный рисунок 52
3.7.5 Multi -Line Diagram 55
3.8 Интерактивная и анимация 59
3.9 Данные в социальных сетях 61
3.10 Сводка визуального анализа 62
3.11 Резюме 62
Глава 4 Классификация текста 63
4.1 Обучение и классификация 63
4.2 Байесовская категория 64
4.3 Тестер электронной почты 65
4.4 Данные 66
4.5 Алгоритм 68
4.6 Точность классификатора 71
4.7 Резюме 73
Глава 5 Поиск изображения на основе сходства 74
5.1 Поиск сходства изображений 74
5.2 Динамические правила времени 75
5.3 Обработка набора данных изображения 77
5.4 выполнить DTW77
5.5 Анализ результатов 79
5.6 Резюме 81
Глава 6 Цена акций SIMS 82
6.1 Финансовые временные ряды 82
6.2 Случайная прогулка симуляция 83
6.3 Метод Монте -Карло 84
6.4 Создание случайного числа 85
6.5 Реализуйте 86 с D3.JS
6.6 Аналитик заслуг 91
6.7 Резюме 93
Глава 7 Прогнозирование цена золота 94
7.1 Данные временных рядов обработки 94
7.2 плавные временные ряды 97
7.3 Линейная регрессия 100
7.4 Данные—
7.5 Нелинейная регрессия 101
7.5.1 Возврат ядерного гребня 102
7.5.2 Сквозь посторонняя ценовая последовательность 104
7.5.3 Прогноз гладкой временной последовательности 105
7.5.4 Значение прогноза сравнения 106
7.6 Резюме 107
Глава 8 Используйте метод поддержки векторной машины для анализа 108
8.1 Понять несколько переменных набор данных 109
8.2 Сокращение размера 111
8.2.1 Линейный дифференциальный анализ 112
8.2.2 Анализ основного композиции 112
8.3 Используйте вспомогательную машину 114
8.3.1 Основная функция 115
8.3.2 Двойная спиральная задача 116
8.3.3 Реализация SVM116 в MLPY
8.4 Care 119
Глава 9 Метод использования ячеек автоматических машин для моделирования инфекционных заболеваний 120
9.1 Введение в эпидемиологию 120
9.2 Популярная модель болезни 122
9.2.1 SIR MODEL 122
9.2.2 Используйте Scipy для решения постоянного дифференциального уравнения модели SIR 123
9.2.3 SIRS MODEL 124
9.3 Моделирование автоматической машины Cell 125
9.3.1 Cell, State, Grid и Andaying Domain 126
9.3.2 Общая модель случайного доступа 127
9.4 Модель модели SIRS в CA до D3.JS 127
9.5 Резюме 135
Глава 10 Общество приложений Рисунок 136
10.1 Структура рисунка 136
10.1.1 Неограниченный рисунок 137
10.1.2 Есть направление Рисунок 137
10.2 Анализ социальной сети 137
10.3 Захватить Facebook Рисунок 138
10.4 Используйте Gephi, чтобы воспроизвести рис. 139
10.5 Статистический анализ 142
10,6 градусов распределение 144
10.6.1 Рисунок рецепт света Рисунок 145
10.6.2 Концентрация 146
10.7 Преобразовать GDF в JSON148
10.8 Выполнение может быть визуализировано в среде D3.JS 150
10.9 Резюме 154
Глава 11 Анализ данных Twitter 155
11.1 Анализ данных Twitter 155
11.1.1 Tweet156
11.1.2 фанаты 156
11.1.3 Популярные темы 156
11.2 Используйте OAuth для доступа к Twitter API157
11.3 Начните использовать Twython158
11.3.1 Используйте Twython, чтобы сделать простой запрос 159
11.3.2 Получите данные расписания 163
11.3.3 Получить данные фанатов 165
11.3.4 Получите местоположение и тренд. 167
11.3.5 Получите пользовательские данные 168
11.3.6 API Stream 169
11.4 Резюме 171
Глава 12 Используйте MongoDB для обработки и агрегации данных 172
12.1 Начните с использованием mongodb172
12.1.1 База данных 173
12.1.2 Эпизоды 175
12.1.3 Файл 175
12.1.4 Mongo Shell175
12.1.5 INSERT/UPDATE/DELETE176
12.1.6 Запрос 177
12.2 Подготовка данных 178
12.2.1 Используйте OpenRefine для преобразования данных 179
12.2.2 Вставьте файл 180 через Pimongo
12.3 Пакет 182
12.4 Кадр агрегации 184
12.4.1 Линия фильма 184
12.4.2 Выражение 185
12.5 Резюме 186
Глава 13 Используйте метод MapReduce 188
13.1 Обзор MapReduce 188
13.2 Модель программирования 189
13.3 Используйте MapReduce190 в MongoDB
13.3.1 Функция карты 190
13.3.2 Уменьшите функцию 191
13.3.3 Используйте Mongo Shell191
13.3.4 Используйте jupyter193
13.3.5 Используйте Pymongo194
13.4 Набор ввода фильтра 195
13,5 пакета и агрегации 196
13.6 Статистический высокий словарный запас 198 в твите
13.7 Сводка 201
Глава 14 Используйте Юпитер и Вакари для онлайн -анализа данных 202
14.1 Начните использовать Wakari202
14.2 Начните использовать блокнот Юпитера 205
14.3 Обработка изображений через PIL 208
14.3.1 Откройте изображение 208
14.3.2 Отображение изображений концерта Рисунок 208
14.3.3 Фильтр 209
14.3.4 Операция 211
14.3.5 Преобразование 212
14.4 Начните использовать Pandas213
14.4.1 Последовательность времени дегустации 213
14.4.
14.4.3 Пакет, агрегация и связанная с ним 219
14.5 Поделитесь своим блокнотом 221
14.6 Резюме 224
Глава 15 Используйте Apache Spark для обработки данных 225
15.1 Платформа обработки данных 226
15.1.1 платформа Cloudera 226
15.1.2 Установить Cloudera VM227
15.2 Обзор распределенной файловой системы 229
15.2.1 Конкретные этапы использования распределенной файловой системы Hadoop (HDFS) 229
15.2.2 Используйте веб -интерфейс HUE для выполнения управления файлами 230
15.3 Apache Spark Обзор 231
15.3.1 Экосистема Spark's 231
15.3.2 Модель программирования Spark 232
15.3.3 Apache начал

   Введение
    Книга охватывает широкий спектр инструментов анализа данных и алгоритмов для анализа классификации, анализа кластеризации, визуализации данных, моделирования данных и прогнозирования.Цель этой книги - помочь читателям понять данные и найти соответствующие модели, тенденции, отношения и важные выводы.Практические проекты, включенные в книгу, в полной мере используют MongoDB, D3.JS и Python Language, а также используют фрагменты кода и подробные описания, чтобы представить основную концепцию этой книги.