[Подлинное пятно] Анализ данных Python и фактическое борьба с фактическим боем. Второе издание для анализа добычи и моделирования моделирования с большими данными и анализ данных.
Цена: 986руб. (¥54.8)
Артикул: 608097663863
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:鑫达图书专营店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥99.81 795руб.
¥33594руб.
¥139.72 512руб.
¥49.8896руб.
Детали предмета
| Заголовок: | [Подлинное] Анализ данных Python и фактические бои (2 -е издание) | |
| Цена книги: | 79 Юань |
| Автор книги: | Zhang Liangjun Tan Liyun Liu Mingjun Jiang Jianming |
| Издательство: | Machinery Industry Press |
| Дата публикации: | 2019-10-30 |
| Номер ISBN: | 9787111640028 |
| формат: | 16 |
| Количество страниц: | 351 |
| Версия: | 1-1 |
| об авторе |
| Zhang Liangjun Tan Liyun Liu Mingjun Jiang Jianming: Zhang Liangjun Старшие эксперты по добыче и анализу больших данных, эксперты по распознаванию моделей и эксперты по технологиям ИИ.Благодаря более 10 -летнему опыту в области интеллектуального анализа и анализа больших данных, он хорошо разбирается в данных и анализе данных о реализации данных таких технологий, как Python, R, Hadoop, Matlab и т. Д., И в исследовании анализа данных AI. такие технологии, как машинное обучение. Он предоставил приложения для добычи данных и консалтинговые услуги для сотен крупных предприятий, таких как телекоммуникации, власть, правительство, интернет, производство, розничная торговля, банковская деятельность, биология, химические вещества и медицину. Южный Китайский Университет, Университет экономики и права Чжуннана, Технологический университет Гуандун, Университет Технологии XIAN, Университет науки и технологии Гуанси, Университет Чунцин Цзяотонг, Университет электронных наук и техники Гийлина и т. Д. Более 10 лучших книг, таких как «Анализ данных языка R и фактическая боевая деятельность», «Maning Data Maning: Практический анализ случаев», «Анализ больших данных Hadoop и фактический боевой бой», с совокупными продажами более 300 000 экземпляров. |
| краткое введение |
| Если нет реальной ситуации с иностранцами, на английском языке существуют некоторые тонкие различия, и нам будет трудно испытать это.Например, готовьте книги, делайте поддельную бухгалтерскую книгу вместо кулинарных книг;Внешняя торговля Big Coffee Yibing записала 366 настроений, с которыми он столкнулся, и использовал метод сравнительного анализа, чтобы легко учиться и испытать“ прямо правильно” От ежедневных сессий повседневной жизни до деловых электронных писем, которые соответствующим образом отправляют слова, а затем, чтобы избавиться от жесткости в бизнес -общении, то же значение является гибким и диверсифицированным.Многие фрагменты в книге - это факты и истории, которые произошли из -за неправильного понимания и выражений, когда они имели дело с иностранцами в Соединенных Штатах и повседневной жизни.Коррекция ошибок, улучшение и обогащение английского языка, давайте начнем сейчас.Просто откройте любую страницу, чтобы убедиться, что вы -открываете глаза и немедленно изучите подлинный английский. |
| Оглавление |
| Предисловие Основная глава Глава 1 Основная основа 2 1.1 Стушение хорошо известной цепной компании 2 1.2 От службы общественного питания до добычи данных 4 1.3 Основные задачи добычи данных 5 1.4 Процесс моделирования данных 5 1.4.1 Определение и целевой раскопки 6 1.4.2 Отбор данных 6 1.4.3 Исследование данных 7 1.4.4 Предварительная обработка данных 8 1.4.5 Моделирование майнинга 8 1.4.6 Оценка модели 8 1.5 Инструмент моделирования общих данных 9 1.6 Little Element 11 Глава 2 Введение в анализ данных Python 12 2.1 Построить платформу для разработки Python 14 2.1.1 Вопросы для рассмотрения 14 2.1.2 Строительство базовой платформы 14 2.2 Python использует запись 16 2.2.1 Метод работы 16 2.2.2 Базовая команда 17 2.2.3 Структура данных 19 2.2.4 Введение и добавление библиотек 24 2.3 Инструмент анализа данных Python 26 2.3.1 NumPy 27 2.3.2 SciPy 28 2.3.3 Matplotlib 29 2.3.4 pandas 31 2.3.5 StatsModels 33 2.3.6 scikit-learn 33 2.3.7 Keras 34 2.3.8 Gensim 36 2.4 Дополнительные приложения используют настройки 37 2.5 Резюме 38 Глава 3 Изучение данных 39 3.1 Анализ качества данных 39 3.1.1 Анализ потерянной стоимости 40 3.1.2 Анализ аномального значения 40 3.1.3 Анализ согласованности 44 3.2 Анализ функций данных 44 3.2.1 Анализ распределения 44 3.2.2 Сравнительный анализ 48 3.2.3 Статистический доступный анализ 51 3.2.4 Циклический анализ 54 3.2.5 Анализ вкладов 55 3.2.6 Связанный анализ 58 3.3 Функция основных данных Python 62 3.3.1 Основная статистическая функция 62 3.3.2 Развернуть статистическую функцию 66 3.3.3 Функция статистического рисования 67 3.4 Резюме 74 Глава 4 Предварительная обработка данных 75 4.1 Очистка данных 75 4.1.1 Обработка значений удачи 75 4.1.2 За исключением аномального значения 80 4.2 Интеграция данных 80 4.2.1 Признание сущности 81 4.2.2 РЕССУНДОЕ ОПИСАНИЕ 81 4.2.3 Преобразование данных 81 4.2.4 Простая функция преобразование 81 4.2.5 Стандартизирован 82 4.2.6 Непрерывный атрибут дискретный 84 4.2.7 Структура атрибутов 87 4.2.8 Вейвлет -преобразование 88 4.3 Данные около 91 4.3.1 Атрибуты около 91 4.3.2 Числовое значение составляет около 95 4.4 Python Основные данные предварительной обработки. Функция 98 4.5 Резюме 101 Глава 5 моделирование раскопок 102 5.1 Классификация и прогноз 102 5.1.1 Процесс реализации 103 5.1.2 Алгоритм общей классификации и прогнозирования 103 5.1.3 Анализ возврата 104 5.1.4 Дерево решений 108 5.1.5 Искусственная нейронная сеть 115 5.1.6 Оценка классификации и прогноза. 5.1.7 Модель прогнозирования классификации Python. Особенности 125 5.2 кластерный анализ 125 5.2.1 Алгоритм общего кластерного анализа 126 5.2.2 Алгоритм кластера K-среднего 127 5.2.3 Оценка алгоритмов кластерного анализа 132 5.2.4 Алгоритм основного кластерного анализа Python 133 5.3 Правила ассоциации 135 5.3.1 Обычно используется связанный алгоритм правил 136 5.3.2 Apriori Algorithm 136 5.4 Режим времени 142 5.4.1 Алгоритм временных рядов 142 5.4.2 Предварительная обработка временной последовательности 143 5.4.3 Анализ стабильной временной последовательности 145 5.4.4 Анализ последовательности лиц 148 5.4.5 Алгоритм основного режима режима Python 156 5.5 Обнаружение точки растяжения 159 5.5.1. Причина и тип 160 групповой точки 5.5.2 Метод обнаружения точек на расстоянии 160 5.5.3 Метод обнаружения точек выхода на основе модели 161 5.5.4 Метод обнаружения точек кластеризации на основе кластера класса 164 5.6 Резюме 167 Фактический бой Глава 6 Анализ и прогноз факторов финансового дохода 170 6.1 Фон и раскопки Цель 170 6.2 Метод анализа и процесс 171 6.2.1 Шаг анализа и процесс 172 6.2.2 Анализ исследования данных 172 6.2.3 Предварительная обработка данных 176 6.2.4 Строительство модели 178 6.3 Играя в эксперимент 184 6.4 Расширение мышления 185 6.5 Резюме 186 ГЛАВА 7 АНАЛИЗ Авиакомпании Авиакомпании 187 7.1 Фон и раскопки. 7.2 Метод анализа и процесс 188 7.2.1 Шаг анализа и процесс 189 7.2.2 Анализ исследования данных 189 7.2.3. Предварительная обработка данных 200 7.2.4 7.2.5 Приложение 212 модели 212 7.3 Играть в эксперимент 214 7.4 Экспансионное мышление 215 7.5 Резюме 216 Глава 8 Анализ розничных покупок продуктов 217 8.1 Фон и раскопки Цель 217 8.2 Метод анализа и процесс 218 8.2.1 Анализ исследования данных 219 8.2.2 Предварительная обработка данных 224 8.2.3 Строительство модели 226 8.3 Игра в эксперимент 232 8.4 Расширение мышления 233 8.5 Резюме 233 Глава 9 Оценка качества воды на основе водных изображений 234 9.1 Фон и раскопки Цель 234 9.2 Метод анализа и процесс 235 9.2.1 Шаг и процесс анализа 236 9.2.2 Предварительная обработка данных 236 9.2.3 Строительство модели 240 9.2.4 Оценка качества воды 241 9.3 Игра в эксперимент 242 9.4 Экспансионное мышление 242 9.5 Резюме 243 Глава 10 Анализ поведения пользователей водонагревателя домохозяйства 244 10.1 Фон и раскопки Цель 244 10.2 Метод анализа и процесс 245 10.2.1 Анализ исследования данных 246 10.2.2 Предварительная обработка данных 249 10.2.3 Строительство модели 260 10.2.4 Проверка модели 261 10.3 Играть в эксперимент 262 10.4 Экспансионное мышление 264 10.5 Резюме 265 Глава 11 e -Commerce веб -сайт Анализ поведения пользователей и рекомендации по обслуживанию 266 11.1 Цель фон и раскопок 266 11.2 Метод анализа и процесс 267 11.2.1 Шаг анализа и процесс 267 11.2.2 Data Draw 269 11.2.3 Анализ исследования данных 270 11.2.4 Предварительная обработка данных 279 11.2.5 Создание модели 283 Smart Reversation 283 11.3 Игра в эксперимент 291 11.4 Расширение мышление 293 11.5 Резюме 293 Глава 12 e -Commerce Обзор продукта Данные смалищный анализ 294 12.1 Цель Фон и раскопок 294 12.2 Метод анализа и процесс 295 12.2.1 Комментарий предварительно обрабатывает 296 12.2.2 Комментарий Раздел 297 12.2.3 Строительная модель 303 12.3 Играть в эксперимент 315 12.4 Расширение мышления 316 12.5 Резюме 318 Увеличивать Глава 13 Платформа моделирования данных с открытым исходным кодом (TIPDM) 320 на основе двигателя Python 13.1 Профиль платформы 321 13.1.1 Шаблон 321 13.1.2 Источник данных 322 13.1.3 Проект 323 13.1.4 Системный компонент 324 13.1.5 TIPDM Моделирование данных Моделирования платформы локализации 326 13.2. 13.2.1 Данные импорта 329 13.2.2 Настройка входного источника 331 13.2.3 Компонент обработки потери потерь на конфигурации 332 13.2.4 Запись конфигурации Выбранный компонент 334 13.2.5 Компонент стандартизации данных конфигурации 334 13.2.6 Настройка компонента K-среднего 336 13.3 Резюме 339 |
| Выбор редактора |
| Hands-on Data Analysis and Data Mining with Python Анализ данных Python и фактические бои (Версия 2) Zhang Liangjun Tan Liyun Liu Mingjun Jiang Jianming ◎ ◎ Лучшая книга была обновлена, и первое издание первого издания превысило 100 000 экземпляров. Написано экспертами с более чем 10 -летним анализом больших данных и опытом раскопок, предоставляя среду на доске, исходный код, данные моделирования, обучение PPT |