│ 3ds Max│ Maya│ Rhino│ After Effects│ SketchUp│ ZBrush│ Painter│ Unity│
│ PhotoShop│ AutoCad│ MasterCam│ SolidWorks│ Creo│ UG│ Revit│ Nuke│
│ C#│ C│ C++│ Java│ 遊戲程式│ Linux│ 嵌入式│ PLC│ FPGA│ Matlab│
│ 駭客│ 資料庫│ 搜索引擎│ 影像處理│ Fluent│ VR+AR│ ANSYS│ 深度學習│
│ 單晶片│ AVR│ OpenGL│ Arduino│ Raspberry Pi│ 電路設計│ Cadence│ Protel│
│ Hadoop│ Python│ Stm32│ Cortex│ Labview│ 手機程式│ Android│ iPhone│
可查書名,作者,ISBN,3dwoo書號 目前顯示有庫存 顯示全部書籍 詳細書籍分類

R用戶Python學習指南：數據科學方法 ( 簡體 字)
作者：[印度]A. 奧利（A. Ohri）	類別：1. -> 程式設計 -> R語言 　　　2. -> 程式設計 -> Python
譯者：
出版社：機械工業出版社	3dWoo書號： 50218 詢問書籍請說出此書號！ 【缺書】 NT售價： 345 元
出版日：11/13/2018
頁數：248
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：9787111611950
作者序　|　譯者序　|　前言　|　內容簡介　|　目錄　|　序
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序：
譯者序：
前言：
內容簡介： 掌握一門語言、一種工具已不足以應對當今的數據分析任務，本書旨在解決這一問題，針對了解R但不熟悉Python（或了解Python但不熟悉R）的從業人員，詳解講解了兩種語言的編程技巧和轉換方法，提供大量實戰案例，不討論理論細節。
目錄： 譯者序 前言 第1章　Python、R和R數據科學簡介1 1.1　什么是Python1 1.2　什么是R2 1.3　什么是數據科學2 1.4　數據科學家的未來3 1.5　什么是大數據4 1.6　商務分析與數據科學5 1.7　數據科學家可用的工具6 1.8　用于數據科學的Python添加包7 1.9　Python和R之間的異同8 1.9.1　為什么R用戶應該了解有關Python的更多信息8 1.9.2　為什么Python用戶應該了解有關R的更多信息9 1.10　教程9 1.11　同時使用R和Python9 1.12　其他軟件和Python13 1.13　將SAS與Jupyter一起使用13 1.14　如何將Python和R用于大數據分析13 1.15　什么是云計算15 1.16　如何在云上使用Python和R15 1.17　Python和R商業版本及其他替代版本16 1.17.1　數據科學家的常用Linux命令17 1.17.2　學習Git18 1.18　數據驅動的決策32 1.18.1　企業管理戰略框架：非MBA和MBA的數據驅動決策指南32 1.18.2　商務分析的其他框架37 參考文獻40 第2章　數據輸入41 2.1　pandas中的數據輸入41 2.2　網頁抓取數據輸入44 2.3　來自RDBMS的數據輸入48 2.3.1　Windows教程50 2.3.2　安裝50 2.3.3　配置ODBC52 第3章　數據檢查和數據質量62 3.1　數據格式62 3.1.1　將字符串轉換為日期和時間63 3.1.2　將數據框轉換為NumPy數組并返回Python66 3.2　數據質量68 3.3　數據檢查71 3.4　數據選擇74 3.4.1　隨機選擇數據76 3.4.2　條件選擇76 3.5　R中的數據檢查79 3.5.1　來自R ggplot2添加包中的diamond數據集83 3.5.2　修改R中的日期格式和字符串86 3.5.3　管理R中的字符串88 參考文獻88 第4章　探索性數據分析89 4.1　根據分析分組89 4.2　數值數據89 4.3　分類數據91 第5章　統計建模102 5.1　回歸的概念102 5.1.1　OLS103 5.1.2　R方103 5.1.3　p值104 5.1.4　異常值104 5.1.5　多重共線性和異方差性104 5.2　相關關系不是因果關系105 5.2.1　關于數據科學家統計的說明106 5.2.2　中心趨勢的度量107 5.2.3　分散度的度量107 5.2.4　概率分布110 5.3　R和Python中的線性回歸114 5.4　R和Python中的Logistic回歸132 5.4.1　其他概念136 5.4.2　ROC曲線和AUC137 5.4.3　偏差與方差137 參考文獻138 第6章　數據可視化139 6.1　數據可視化的概念139 6.1.1　數據可視化的歷史139 6.1.2　Anscombe案例研究140 6.1.3　加載添加包141 6.1.4　獲得均值和標準差142 6.1.5　結論1144 6.1.6　數據可視化144 6.1.7　結論2146 6.2　Tufte關于數據可視化的工作147 6.3　Stephen Few關于儀表盤的設計147 6.4　基本繪圖149 6.5　高級繪圖156 6.6　交互式繪圖160 6.7　空間分析160 6.8　R中的數據可視化160 6.8.1　關于RStudio IDE共享R代碼的注意事項166 6.8.2　關于共享Jupyter筆記的注意事項167 6.8.3　特別說明：關于Python的完整教程168 參考文獻180 第7章　機器學習變得更容易181 7.1　刪除最終決策樹模型中不需要的列186 7.2　時間序列207 7.3　關聯分析211 7.4　清洗語料庫并制作詞袋221 7.4.1　聚類分析224 7.4.2　Python中的聚類分析224 第8章　結論和總結233
序：