4.23文创礼盒，买2个减5元
奔向书中的旷野 |每满79减30
欢迎光临中图网 请 | 注册
搜索
搜索全部
  • 搜索全部
  • 书名
  • 作者
  • 出版社
  • ISBN
高级搜索
为了活下去的思想吴昌硕画选历史的驴友饥饿好的爱情,要有敢要的底气
中图网
>
计算机/网络
>
计算机理论
大数据基础与Python机器学习
分享

大数据基础与Python机器学习

作者：高静、申志军、姜新华、陈俊杰
出版社：清华大学出版社出版时间：2022-05-01
开本： 其他 页数： 333
本类榜单：计算机/网络销量榜
中 图 价:¥52.4(7.5折) 定价  ¥69.8 登录后可看到会员价
加入购物车 收藏
运费6元，满69元免运费
?快递不能达地区使用邮政小包，运费14元起
云南、广西、海南、新疆、青海、西藏六省，部分地区快递不可达
本类五星书更多>
中图价:¥52.4 加入购物车
中图网自出版七楼书店 淘书团

大数据基础与Python机器学习 版权信息

  • ISBN：9787302602392
  • 条形码：9787302602392 ; 978-7-302-60239-2
  • 装帧：一般胶版纸
  • 册数：暂无
  • 重量：暂无
  • 所属分类：
    计算机/网络
    >
    计算机理论

大数据基础与Python机器学习 本书特色

本书详细介绍大数据技术体系和Python编程基础知识、数据处理分析、可视化方法和机器学习算法、深度学习模型等理论和应用知识，可作为本科通识教材，也可作为计算机科学和大数据等专业的数据处理及可视化、机器学习教材。

大数据基础与Python机器学习 内容简介

本书全面介绍与大数据和人工智能相关的数据采集、数据存储、并行计算等技术体系，以及Python编程基础、数据处理分析和可视化、机器学习算法和深度学习模型的原理与应用。 全书共分4部分：第1部分（第1章）为大数据基础，主要介绍与大数据应用相关的数据采集、数据存储、并行计算等技术体系；第2部分（第2章）为Python编程基础，主要介绍Python的基本语法，为读者学习后续的数据处理分析、可视化、机器学习算法和深度学习模型等内容提供基础知识；第3部分（第3、4章）为数据处理分析和可视化，主要介绍基于Pandas的数据处理分析方法和基于Matplotlib的数据可视化方法；第4部分（第5～9章）为机器学习和深度学习，其中，第5～8章主要介绍回归、聚类、分类等机器学习算法及应用，第9章主要介绍深度学习模型及建模应用。各章都有配套的思考题、自测习题和教学视频等资源。 本书适合作为高等学校数据科学与大数据技术、计算机科学与技术、网络工程、软件工程、物联网工程等专业的大数据导论、Python编程技术、数据处理及可视化、Python数据科学导引以及机器学习等课程的教材，也可作为IT开发人员、非计算机专业师生和科研工作者的参考书。

大数据基础与Python机器学习 目录

第1章数据与大数据导论1

1.1大数据概述1

1.1.1大数据的来源1

1.1.2大数据的定义和特征3

1.1.3数据结构类型4

1.1.4数据分析流程5

1.2大数据采集和预处理6

1.2.1大数据采集设备6

1.2.2大数据采集方法7

1.2.3大数据预处理技术7

1.3大数据的存储20

1.3.1数据存储设备20

1.3.2传统大数据存储22

1.3.3数据中心与云存储23

1.3.4大数据存储26

1.3.5数据仓库31

1.4云计算与大数据并行计算32

1.4.1云计算与云计算平台32

1.4.2MapReduce计算模型35

1.4.3Hadoop36

1.4.4Spark37

1.5大数据分析38

1.5.1大数据分析概念38

1.5.2大数据分析方法39

1.5.3机器学习与特征选择42

1.5.4机器学习算法45

1.5.5深度学习算法47

1.6大数据可视化51

1.6.1数据可视化概述51

1.6.2数据可视化技术51

1.6.3数据可视化工具54

1.6.4数据可视化案例56

1.7大数据应用及挑战58

1.7.1大数据应用58

1.7.2大数据带来的挑战60

思考题61第2章Python基础62

2.1Python编程环境62

2.1.1Anaconda概述62

2.1.2Anaconda的安装63

2.1.3Anaconda的包管理63

2.1.4运行Python代码或程序64

2.2变量和内置数据类型66

2.2.1变量和变量赋值66

2.2.2内置数据类型68

2.2.3运算符69

2.2.4注释和编码规范70

2.3列表、元组和字典70

2.3.1列表70

2.3.2元组79

2.3.3字典81

2.4选择和循环86

2.4.1选择结构86

2.4.2for循环89

2.4.3while循环90

2.5函数和模块92

2.5.1函数的定义和使用92

2.5.2模块导入101

2.6文件操作101

2.6.1文件操作基础101

2.6.2CSV文件操作103

2.6.3JSON文件操作105第3章Pandas数据处理和分析107

3.1Pandas基础107

3.1.1Pandas简介107

3.1.2Series108

3.1.3DataFrame114

3.2文件读写122

3.2.1读写CSV文件123

3.2.2读写Excel文件125

3.3数据清洗126

3.3.1缺失值处理126

3.3.2重复值处理131

3.3.3异常值处理133

3.4数据操作135

3.4.1常规运算135

3.4.2统计139

3.4.3排序142

3.5索引操作143

3.5.1索引重命名143

3.5.2索引设置144

3.5.3重新索引147

3.5.4索引排序149

3.6合并150

3.6.1concat()150

3.6.2merge()152

3.6.3join()155

3.7分组156

3.7.1groupby()156

3.7.2聚合操作159

3.7.3过滤与变换160

3.7.4apply()161

3.8变形162

3.8.1透视162

3.8.2哑变量与因子化164

3.8.3其他变形方法168

思考题171第4章Matplotlib数据可视化173

4.1Matplotlib的安装和导入173

4.2绘制折线图174

4.2.1导入数据174

4.2.2绘制图表174

4.2.3增加基本修饰175

4.3图表修饰176

4.3.1标题176

4.3.2坐标轴标签177

4.3.3坐标轴刻度177

4.3.4图例178

4.3.5线条和标记178

4.3.6网格线180

4.3.7注释180

4.4绘制条形图183

4.4.1垂直条形图183

4.4.2水平条形图184

4.4.3组合条形图表186

4.5绘制饼图和环图187

4.5.1饼图187

4.5.2环图189

4.6绘制散点图和泡图190

4.6.1散点图190

4.6.2气泡图191

4.7绘制雷达图、组合雷达图、极坐标散点图和极坐标条形图191

4.7.1雷达图191

4.7.2组合雷达图195

4.7.3极坐标散点图196

4.7.4极坐标条形图197

4.8绘制箱线图198

4.9多子图布局200

4.10样式选择202

思考题204第5章回归模型原理与应用205

5.1线性回归模型205

5.1.1回归分析的含义205

5.1.2线性回归模型的形式206

5.1.3线性回归方程参数求解207

5.1.4线性回归方程选择209

5.1.5线性回归方程预测214

5.2非线性回归模型215

5.2.1可转换为线性回归模型的非线性回归模型215

5.2.2非线性回归模型216

5.3线性回归模型实践案例216

思考题228第6章聚类分析231

6.1聚类分析概述231

6.2聚类分析中的相似度计算方法232

6.2.1欧几里得距离232

6.2.2曼哈顿距离232

6.2.3余弦相似度232

6.2.4切比雪夫距离232

6.2.5闵可夫斯基距离233

6.3划分聚类算法233

6.3.1kmeans聚类算法233

6.3.2kmeans++算法235

6.3.3kmedoids算法237

6.3.4肘法237

6.3.5轮廓系数238

6.4层次聚类算法242

6.5基于密度的聚类算法246

6.5.1DBSCAN算法246

6.5.2均值漂移聚类算法248

6.6聚类算法的评价指标249

6.6.1内部质量评价标准250

6.6.2外部质量评价标准252

6.7聚类分析应用案例254

6.7.1非球形数据分布聚类分析254

6.7.2手写体数字聚类分析257

6.7.3鸢尾花数据集聚类分析259

思考题263第7章分类模型264

7.1逻辑斯谛回归分类模型264

7.1.1逻辑斯谛回归模型简介264

7.1.2损失函数265

7.1.3损失函数求解方法266

7.1.4逻辑斯谛回归分类应用实例267

7.2决策树分类模型268

7.2.1特征选择268

7.2.2决策树构建269

7.2.3决策树剪枝270

7.2.4决策树分类应用实例270

7.3朴素贝叶斯分类模型272

7.3.1朴素贝叶斯分类模型原理272

7.3.2朴素贝叶斯分类模型参数估计273

7.3.3贝叶斯分类应用实例274

7.4支持向量机分类模型275

7.4.1SVM分类模型原理275

7.4.2损失函数275

7.4.3经验风险与结构风险276

7.4.4标准算法277

7.4.5算法求解278

7.4.6支持向量机分类应用实例279

7.5综合案例应用280

7.5.1读取数据文件281

7.5.2数据清洗282

7.5.3数据分析284

思考题291第8章集成学习293

8.1概述293

8.2序列集成方法294

8.2.1Boosting集成方法294

8.2.2AdaBoost集成方法295

8.3并行集成方法297

8.3.1Bagging集成方法297

8.3.2随机森林集成方法298

8.4组合策略299

8.4.1平均法299

8.4.2投票法300

8.4.3学习法300

8.5集成学习应用案例301

8.5.1集成学习用于分类任务301

8.5.2集成学习用于回归任务302

思考题304第9章深度学习305

9.1神经网络与多层感知机305

9.1.1神经元306

9.1.2激活函数306

9.1.3多层感知机307

9.1.4神经网络的参数学习309

9.2卷积神经网络309

9.2.1卷积层309

9.2.2池化层312

9.2.3全连接层313

9.3循环神经网络313

9.3.1循环神经网络的基本结构313

9.3.2双向循环神经网络314

9.3.3其他类型的循环神经网络314

9.4深度学习模型的优化316

9.4.1初始化参数优化316

9.4.2逐层归一化316

9.4.3超参数优化317

9.4.4优化算法317

9.5深度学习应用案例318

9.5.1PyTorch的基本用法318

9.5.2PyTorch中的神经网络层321

9.5.3PyTorch神经网络的训练过程325

9.5.4深度学习模型实例325

思考题331参考文献332


展开全部

大数据基础与Python机器学习 作者简介

高静博士，院长、博士生导师，致力于大数据和人工智能在农牧业等领域的应用研究。自治区新世纪“321人才”工程第一层次，“内蒙古自治区农牧业大数据研究与应用重点实验室”主任，“内蒙古自治区数据科学与大数据学会”副会长。主持完成国家自然科学基金、国家科技重大专项等国家、省部级项目7项；出版译著5部，发表论文45篇，获得授权发明专利5项，登记软件著作权10项，科研成果获内蒙古自治区科技进步一等奖和二等奖各1项。

商品评论(0条)
写书评 赚书币
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
新手上路
新用户指引
注册用户 更改注册信息
购物常见问题
关于特价书的常见问题
购买问题
订单跟踪
付款方式
账户余额  申请提现
配送方式及费用、范围
集团购买
售后服务
退换货流程
投诉与建议
特色服务
会员等级与书币
中图网书馨卡
邀请好友购买返10元礼包
其他信息
本站简介
联系我们
招聘英才
网站联盟
友情链接
微信公众号
中图网微信
中图网微博
中图网微博
手机中图网
手机中图网
中图网
诚信认证 电子商务诚信单位认证

京ICP备09013606号-3京信市监发[2002]122号海淀公安分局备案编号：1101083394

营业执照出版物经营许可证 京出发京批字第直110071

在线客服