数据分析原理与实践:基于经典算法及Python编程实现朝乐门机械工业

商品名称：	数据分析原理与实践:基于经典算法及Python编程实现
作 者：	朝乐门主编
市 场 价：	89.90元
ISBN 号：	978-7-111-71082-0
出版日期：	2022年8月第1版第1次印刷
开 本：	184mm×240mm·17印张·389千字
出 版 社：	机械工业出版社

本书主要采用理论学习与实践操作并重、上层应用与底层原理相结合的方式讲解数据分析师需要掌握的数据分析基础知识，包括基础理论、关联规则分析、回归分析、分类分析、聚类分析、集成学习、自然语言处理、图像处理和深度学习。每章内容从7个方面展开讲解：包括应用场景、算法原理、核心术语、Python编程实践、重点与难点解读、习题和主要参考文献及推荐阅读书目。

本书在编写过程中不仅充分借鉴了国内外著名大学设立的相关课程、专家学者的代表性成果，以及近几年的热门畅销书，而且也考虑到了国内相关课程的教学以及相关从业人员自学的需求。

本书可以满足数据科学与大数据技术、大数据管理与应用、计算机科学与技术、管理工程、工商管理、数据统计、数据分析、信息管理与信息系统、商业分析等多个专业的教师、学生的教学和学习需要，也适合广大从事数据分析工作的人员学习参考。

第1章数据分析概述

1.1数据分析的基本类型

1.2数据分析与机器学习

1.2.1统计学与机器学习

1.2.2机器学习算法的类型

1.2.3机器学习中的算法、模型、

参数和超参数

1.2.4数据分析中的基础算法

1.2.5数据分析中的高级算法

1.3数据分析的主要流程

1.4数据分析中的算法选择

1.5数据分析中常用的Python包

1.5.1NumPy

1.5.2Pandas

1.5.3Matplotlib

1.5.4Seaborn

1.5.5statsmodels

1.5.6scikitlearn

1.5.7jieba

1.5.8OpenCV

1.5.9TensorFlow和PyTorch

1.6数据分析的注意事项

1.7数据分析的现状与趋势

1.8习题

1.9主要参考文献及推荐阅读书目

第2章关联规则分析

2.1应用场景

2.2算法原理

2.2.1Apriori算法的假设

2.2.2Apriori算法的流程

2.3核心术语

2.3.1事务型数据

2.3.2项集

2.3.3支持度

2.3.4置信度

2.3.5提升度

2.3.6关联规则

2.4Python编程实践——购物车分析

2.4.1业务理解

2.4.2数据读入

2.4.3数据理解

2.4.4数据预处理

2.4.5生成频繁项集

2.4.6计算关联度

2.4.7可视化

2.5重点与难点解读

2.6习题

2.7主要参考文献及推荐阅读书目

第3章回归分析

3.1应用场景

3.2算法原理

3.2.1基本思路

3.2.2评价方法

3.3核心术语