Python数据科学实战

基本信息

• 商品名称：Python数据科学实战
• 作者：(英)罗恩·乔普拉//阿伦·英格兰//穆罕默德·努尔丁·阿拉丁|责编:杨静华|译者:温旭红//李勍
• 定价：89.8
• 出版社：中国水利水电
• 书号：9787517091868

其他参考信息（以实物为准）

• 出版时间：2021-08-01
• 印刷时间：2021-08-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：268
• 字数：415千字

内容提要

本书首先向您介绍数据 科学，然后教您安装和搭建 数据分析编程环境所需的软 件包。在机器学习中，您将 学习机器学习的三项主要技 术：监督学习、无监督学习 和强化学习。您还将探索基 本的分类与回归技术，如支 持向量机、决策树以及逻辑 回归等。
     在前面的章节中，您将 学习Python语言的基本功能 、数据结构和语法，这些语 言用于轻松处理大型数据集 。您将学习用于矩阵计算和 数据操作的Numpy库和 Pandas库、学习如何使用 Matplotlib创建可定制的可 视化图表，并应用Boostinq 算法XGBoost进行预测。
     在后面的章节中，您将 学习用于图像识别的卷积神 经网络（CNN）、深度学习 算法。您还将学习如何将人 类的语言输入到神经网络中 ，建立一个可以处理语境信 息的模型，以及创建人类语 言处理系统进行结果预测。
     学习完本书，您将能够 理解并实现许多新的数据科 学算法，并且有信心使用本 课程以外的工具或库进行操 作。
    

目录

第1章 数据科学和数据预处理导论
1.1 引言
1.2 Python库
1.3 构建机器学习模型的路线图
1.4 数据表示方式
练习1：加载样本数据集，创建特征矩阵和目标矩阵
1.5 数据清洗
练习2：删除缺失数据
练习3：填补缺失数据
练习4：查找并删除数据中的异常值
1.6 数据整合
练习5：整合数据
1.7 数据转换
练习6：用数字替换分类数据
练习7：使用标签编码方法将分类数据转换为数值数据
练习8：使用One-Hot编码将分类数据转换为数值数据
1.8 不同量纲的数据
练习9：使用StandardScaler()方法实现缩放
练习10：使用MinMaxScaler()方法实现缩放
1.9 数据离散化
练习11：连续数据的离散化
1.10 训练和测试数据
练习12：拆分数据为训练集和测试集
作业1：使用银行营销订阅数据集进行预处理
1.11 监督学习
1.12 无监督学习
1.13 强化学习
1.14 性能指标
1.15 偏差和方差
1.16 本章小结
第2章 数据可视化
2.1 引言
2.2 函数法
练习13：函数法——折线图
练习14：函数法——在图中添加第二条线
作业2：折线图
练习15：创建柱状图
作业3：柱状图
练习16：函数法——直方图
练习17：函数法——箱线图
练习18：散点图
2.3 面向对象法创建子图
练习19：使用子图的单线图
练习20：使用子图的多线图
作业4：使用子图的多种绘图类型
2.4 本章小结
第3章 基于Scikit-Learn库的机器学习简介
3.1 引言
3.2 线性回归与逻辑回归简介
3.3 简单线性回归