logo
分类于: 编程语言 计算机基础 云计算&大数据 人工智能

简介

Python数据科学:技术详解与商业实践: Data Science with Python :Technical Detail and Business Practice

Python数据科学:技术详解与商业实践: Data Science with Python :Technical Detail and Business Practice 0.0分

资源最后更新于 2020-03-29 02:38:40

作者:常国珍赵仁乾张秋剑

出版社:出版社机械工业出版社

出版日期:2018-07

ISBN:9787111603092

文件格式: pdf

标签: 编程 编程语言 软件工程 Python 计算机与互联网 软件方法学

简介· · · · · ·

本书是一本集数据分析、数据挖掘、机器学习为一体,面向商业实战的养成式学习手册。为有志从事数据科学工作的读者提供系统化的学习路径,使读者掌握数据科学的理念、思路与分析步骤。本书力图淡化技术,对于方法的介绍也尽量避免涉及过多的数学内容,而且都辅以图形进行形象地展现。本书将不同算法看作功能各异的工具,比如用于煮饭的闷锅、用于炒菜的炒锅,每种工具的操作方式都应该遵循相应的说明书,因此对于每种算法我们强调其假设、适用条件与商业数据分析主题的匹配。我们在实践教学中发现,业务经验丰富和有较好商业模式理解能力的学员,在掌握数据科学的技能方面具有明显的优势。这主要是因为这类学员有较强的思辨能力和分析能力,学习的目的性和质量意识较强,不只是简单地模仿和套用数学公式,所以本书也注重对读者思辩能力和分析能力的培养。常国珍、赵仁乾、张秋剑著。

想要: 点击会收藏到你的 我的收藏,可以在这里查看

已收: 表示已经收藏

Tips: 注册一个用户 可以通过用户中心得到电子书更新的通知哦

目录

  1. 前言
  2. 第1章 数据科学家的武器库
  3. 第2章 Python概述
  4. 第3章 数据科学的Python编程基础
  5. 第4章 描述性统计分析与绘图
  6. 第5章 数据整合和数据清洗
  7. 第6章 数据科学的统计推断基础
  8. 第7章 客户价值预测:线性回归模型与诊断
  9. 第8章 Logistic回归构建初始信用评级
  10. 第9章 使用决策树进行初始信用评级
  11. 第10章 神经网络
  12. 第11章 分类器入门:最近邻域与朴素贝叶斯
  13. 第12章 高级分类器:支持向量机
  14. 第13章 连续变量的特征选择与转换
  15. 第14章 客户分群与聚类
  16. 第15章 关联规则
  17. 第16章 排序模型的不平衡分类处理
  18. 第17章 集成学习
  19. 第18章 时间序列建模
  20. 第19章 商业数据挖掘案例
  21. 附录A 数据说明
  22. 参考文献