-- 會員 / 註冊 --
 帳號:
 密碼:
  | 註冊 | 忘記密碼
站長推薦
NT售價: 395
NT定價: 580
優惠價:79458
NT售價: 195
NT售價: 245
NT售價: 295

3/22 新書到! 3/14 新書到! 3/9 新書到! 3/3 新書到!
C.G.Next購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUGRevit
PhotoShopCorelDrawIllustratorAutoCadMasterCamSolidWorksCreo
CC++Java遊戲程式Linux嵌入式PLCFPGAMatlabNuke
駭客資料庫Oracle搜索引擎影像處理FluentSPSSANSYSUnity
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
C#HadoopPythonstm32手機程式CortexLabviewAndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

Python與數據挖掘

( 簡體 字)
作者:張良均 楊海宏 何子健 楊征等類別:1. -> 程式設計 -> Python
譯者:
出版社:機械工業出版社Python與數據挖掘 3dWoo書號: 45570
詢問書籍請說出此書號!

有庫存
NT售價: 245

出版日:11/1/2016
頁數:175
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787111552611
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
作者序:

譯者序:

前言:

內容簡介:

本書主要分為兩大部分,基礎篇和建模應用篇。基礎篇介紹了有關Python開發環境的搭建、Python基礎入門、函數、面向對象編程、實用模塊和圖表繪制等基礎知識。建模應用篇主要介紹了目前在數據挖掘中的常用的建模方法在Python中的實現函數,并對輸出結果進行了解釋,有助于讀者快速掌握應用Python進行分析挖掘建模的方法。本書配套提供了書中使用的示例代碼及所用的數據,讀者可通過上機實驗,快速掌握書中所介紹的Python的使用方法。
目錄:

第一部分 基礎篇
第1章 數據挖掘概述 2
1.1 數據挖掘簡介 2
1.2 工具簡介 3
1.2.1 WEKA 3
1.2.2 RapidMiner 4
1.2.3 Python 5
1.2.4 R 5
1.3 Python開發環境的搭建 6
1.3.1 Python安裝 6
1.3.2 Python初識 11
1.3.3 與讀者的約定 14
1.4 小結 15
第2章 Python基礎入門 16
2.1 常用操作符 16
2.1.1 算術操作符 17
2.1.2 賦值操作符 17
2.1.3 比較操作符 18
2.1.4 邏輯操作符 18
2.1.5 操作符優先級 18
2.2 數字數據 19
2.2.1 變量與賦值 19
2.2.2 數字數據類型 20
2.3 流程控制 20
2.3.1 if語句 21
2.3.2 while循環 23
2.3.3 for循環 25
2.4 數據結構 27
2.4.1 列表 28
2.4.2 字符串 31
2.4.3 元組 35
2.4.4 字典 36
2.4.5 集合 39
2.5 文件的讀寫 40
2.5.1 改變工作目錄 40
2.5.2 txt文件讀取 41
2.5.3 csv文件讀取 42
2.5.4 文件輸出 43
2.5.5 使用JSON處理數據 43
2.6 上機實驗 44
第3章 函數 47
3.1 創建函數 48
3.2 函數參數 50
3.3 可變對象與不可變對象 52
3.4 作用域 53
3.5 上機實驗 55
第4章 面向對象編程 56
4.1 簡介 56
4.2 類與對象 58
4.3 __init__方法 59
4.4 對象的方法 61
4.5 繼承 65
4.6 上機實驗 68
第5章 Python實用模塊 69
5.1 什么是模塊 69
5.2 NumPy 70
5.3 Pandas 75
5.4 SciPy 81
5.5 scikit-learn 84
5.6 其他Python常用模塊 87
5.7 小結 88
5.8 上機實驗 88
第6章 圖表繪制入門 89
6.1 Matplotlib 89
6.2 Bokeh 94
6.3 其他優秀的繪圖模塊 97
6.4 小結 97
6.5 上機實驗 97
第二部分 建模應用篇
第7章 分類與預測 100
7.1 回歸分析 100
7.1.1 線性回歸 101
7.1.2 邏輯回歸 104
7.2 決策樹 107
7.2.1 ID3算法 107
7.2.2 其他樹模型 111
7.3 人工神經網絡 113
7.4 kNN算法 122
7.5 樸素貝葉斯分類算法 124
7.6 小結 127
7.7 上機實驗 127
第8章 聚類分析建模 129
8.1 K-Means聚類分析函數 129
8.2 系統聚類算法 133
8.3 DBSCAN聚類算法 138
8.4 上機實驗 142
第9章 關聯規則分析 144
9.1 Apriori關聯規則算法 145
9.2 Apriori在Python中的實現 146
9.3 小結 149
9.4 上機實驗 149
第10章 智能推薦 151
10.1 基于用戶的協同過濾算法 152
10.2 基于用戶的協同過濾算法在Python中的實現 154
10.3 小結 157
10.4 上機實驗 157
第11章 時間序列分析 159
11.1 ARIMA模型 159
11.2 小結 171
11.3 上機實驗 172
參考文獻 174
序: