|
-- 會員 / 註冊 --
|
|
|
|
Anaconda數據科學實戰 ( 簡體 字) |
作者:[美]嚴玉星(Yuxing Yan)、詹姆斯·嚴(James Yan) | 類別:1. -> 程式設計 -> Python |
譯者: |
出版社:人民郵電出版社 | 3dWoo書號: 52588 詢問書籍請說出此書號!【缺書】 NT售價: 395 元 |
出版日:5/1/2020 |
頁數:284 |
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:9787115534507 |
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:Anaconda是一個強大的開源數據科學平臺,它將很多好的工具整合在一起,極大地簡化了使用者的工作流程,并能夠幫助使用者解決一系列數據科學難題。 《Anaconda數據科學實戰》旨在通過一系列示例,引導讀者在編碼和圖表中了解Anaconda的強大之處。本書包括12章,結合R、Python、Octave和Julia等4種編程語言,從平臺的安裝和配置開始,循序漸進地引導讀者掌握數據集的獲取、數據可視化、統計建模、管理包、Anaconda的優化、無監督學習、監督學習、數據預測分析、云、分布式計算等內容。 本書示例豐富,講解細致,作者不僅在金融領域有著深厚的積累,還有著豐富的教學經驗。對于那些有興趣了解金融領域數據科學的讀者,以及普通的數據分析師或數據科學從業者,本書都是一個不錯的選擇。在閱讀本書之前,我們希望讀者具備R或Python的基本編程知識,以及線性代數相關的基本知識。 |
目錄:第 1章 Anaconda生態系統 1 1.1 簡介 1 1.1.1 通過Anaconda使用 Jupyter的理由 2 1.1.2 在無須預裝的情況下 使用Jupyter 2 1.2 Miniconda 5 1.3 Anaconda云 5 1.4 查找幫助 6 1.5 總結 8 1.6 問題回顧及練習 9 第 2章 Anaconda安裝 11 2.1 安裝Anaconda 11 2.2 測試Python 13 2.3 使用IPython 14 2.4 通過Jupyter使用Python 16 2.5 Spyder簡介 17 2.6 通過Conda安裝R 19 2.7 安裝Julia并鏈接到Jupyter 20 2.8 安裝Octave并鏈接到Jupyter 21 2.9 查找幫助 23 2.10 總結 25 2.11 問題回顧及練習 25 第3章 數據基礎 27 3.1 數據源 28 3.2 UCI機器學習 28 3.3 Python包pandas簡介 31 3.4 輸入數據的幾種方式 32 3.4.1 使用R輸入數據 33 3.4.2 使用Python輸入數據 34 3.5 Quandl數據分發平臺簡介 36 3.6 處理缺失數據 39 3.7 數據排序 42 3.7.1 切割數據集 45 3.7.2 合并不同數據集 45 3.7.3 數據輸出 48 3.8 Python包cbsodata簡介 49 3.9 Python包datadotworld簡介 50 3.10 R包haven和foreign簡介 51 3.11 R包dslabs簡介 52 3.12 生成Python數據集 53 3.13 生成R數據集 55 3.14 總結 56 3.15 問題回顧及練習 56 第4章 數據可視化 59 4.1 數據可視化的重要性 59 4.2 R數據可視化 60 4.3 Python數據可視化 66 4.4 Julia數據可視化 69 4.5 繪制簡單圖形 71 4.5.1 各種條狀圖、餅圖和 直方圖 74 4.5.2 添加趨勢 75 4.5.3 添加圖解和其他說明 76 4.6 R可視化包 79 4.7 Python可視化包 81 4.8 Julia可視化包 82 4.9 動態可視化 83 4.9.1 將圖片存儲為pdf 86 4.9.2 將動態可視化存儲 為HTML文件 86 4.10 總結 87 4.11 問題回顧及練習 87 第5章 在Anaconda中統計建模 90 5.1 線性模型簡介 91 5.2 在R、Python、Julia和Octave 中運行線性回歸 92 5.3 臨界值和決策規則 96 5.4 F檢驗、臨界值和決策規則 97 5.5 處理缺失數據 104 5.5.1 清除缺失數據 104 5.5.2 用其他值替換缺失 數據 105 5.6 檢測及處理異常值 106 5.7 幾個多元線性模型 108 5.8 共線性及其解決方案 111 5.9 一個模型的性能測量 113 5.10 總結 113 5.11 問題回顧及練習 113 第6章 管理包 117 6.1 包、模塊和工具箱簡介 118 6.2 使用包的兩個示例 118 6.3 查找所有R包 123 6.4 查找所有Python包 124 6.5 查找所有Julia包 125 6.6 查找所有Octave包 126 6.7 R中的任務視圖 126 6.8 查找手冊 128 6.9 包依賴 129 6.10 R包管理 130 6.11 Python包管理 132 6.12 Julia包管理 133 6.13 Octave包管理 134 6.14 包管理器conda 135 6.15 在R和Python中創建 程序集 137 6.16 查找環境變量 138 6.17 總結 140 6.18 問題回顧及練習 140 第7章 Anaconda的優化 142 7.1 為何優化很重要 142 7.2 優化的一般問題 144 7.3 二次優化 148 7.3.1 R中的優化 149 7.3.2 Python中的優化 151 7.3.3 Julia中的優化 153 7.3.4 Octave中的優化 156 7.4 股票投資組合優化 159 7.5 最優的稅收政策 161 7.6 R中用于優化的包 162 7.7 Python中用于優化的包 164 7.8 Octave中用于優化的包 165 7.9 Julia中用于優化的包 165 7.10 總結 166 7.11 問題回顧及練習 166 第8章 Anaconda中的無監督學習 168 8.1 無監督學習簡介 169 8.2 層次聚類 173 8.3 k-均值聚類 177 8.4 Python包scipy簡介 179 8.5 Python包contrastive簡介 181 8.6 Python包sklearn(scikit-learn) 簡介 181 8.7 R包rattle簡介 185 8.8 R包randomUniformForest 簡介 187 8.9 R包Rmixmod簡介 189 8.10 Julia實現 190 8.11 聚類分析的任務視圖 191 8.12 總結 192 8.13 問題回顧及練習 192 第9章 Anaconda中的監督學習 194 9.1 監督學習概覽 194 9.2 分類 199 9.2.1 k-最近鄰算法 200 9.2.2 貝葉斯分類器 202 9.2.3 強化學習 204 9.3 監督學習的R實現 205 9.4 Python實現 209 9.5 Octave實現 213 9.6 Julia實現 217 9.7 總結 219 9.8 問題回顧及練習 220 第 10章 數據預測分析:建模和驗證 223 10.1 理解數據預測分析 223 10.2 有用的數據集 224 10.2.1 R包AppliedPredictive Modeling 226 10.2.2 時間序列分析 228 10.3 預測未來事件 229 10.3.1 季節性 232 10.3.2 可視化組件 233 10.3.3 R包LiblineaR 234 10.3.4 R包datarobot 236 10.3.5 R包eclust 236 10.4 模型選擇 238 10.4.1 Python包model- catwalk 240 10.4.2 Python包sklearn 240 10.4.3 Julia包QuantEcon 242 10.4.4 Octave包ltfat 243 10.5 Granger因果關系檢驗 245 10.6 總結 247 10.7 問題回顧及練習 247 第 11章 Anaconda云 250 11.1 Anaconda云簡介 250 11.2 深入學習Jupyter Notebook 251 11.2.1 Jupyter Notebook 格式 254 11.2.2 Notebooks分享 256 11.2.3 項目分享 258 11.2.4 環境分享 260 11.3 復制他人的環境到本地 261 11.4 總結 265 11.5 問題回顧及練習 265 第 12章 分布式計算、并行計算和 HPCC 267 12.1 分布式和并行計算簡介 267 12.1.1 并行處理的任務視圖 268 12.1.2 Python示例程序 269 12.2 理解MPI 270 12.2.1 R包Rmpi 270 12.2.2 R包plyr 271 12.2.3 R包parallel 272 12.2.4 R包snow 276 12.3 Python并行處理 276 12.3.1 單詞頻率的并行 處理 278 12.3.2 Monte-Carlo期權定價 并行處理 278 12.4 計算節點 280 12.5 Anaconda附加組件 280 12.6 HPCC簡介 281 12.7 總結 283 12.8 問題回顧及練習 283 |
序: |
|