我爱电子书-《实用数据分析》| pdf + epub + mobi + awz3, 高清版, 带目录，Kindle版, 多看精排版下载

注重体验与质量的电子书资源下载网站

分类于: 计算机基础云计算&大数据人工智能

简介

实用数据分析豆 5.5分

资源最后更新于 2020-03-29 03:03:53

作者：〔美〕Hector Cuesta

译者：刁晓纯陈堰平

出版社：出版社机械工业出版社

出版日期：2014-09

ISBN：9787111476238

文件格式： pdf

标签：计算机统计数据挖掘数据分析大数据机器学习大数据技术丛书

简介· · · · · ·

资深数据分析咨询师多年经验结晶，通过大量典型数据分析案例，全面而深入地讲解分类分析、聚类分析、数据可视化及预测方面的各种技术和方法，为快速掌握并灵活运用数据分析技术提供最佳实践指南。本书共14章：第1章探讨数据分析的基本原理和数据分析步骤；第2章解释如何清洗并准备好数据；第3章展示了在JavaScript可视化框架下应用D3.js来实现各类数据的可视化方法；第4章介绍如何应用朴素贝叶斯算法来区分垃圾邮件；第5章讲解应用动态时间规整方法寻找图像间的相似性；第6章介绍使用随机游走算法和可视化的D3.js动画技术模拟股票价格；第7章介绍核岭回归（KRR）的原理以及应用；第8章描述如何使用支持向量机方法进行分类分析；第9章介绍应用细胞自动机方法对传染病进行建模；第10章解释如何应用Gephi从Facebook获取社会化媒体图谱并使之实现可视化；第11章介绍如何应用Twitter数据进行情感分析；第12章介绍如何使用MongoDB进行数据处理和聚合；第13章详细介绍如何在MongoDB数据库中应用MapReduce编程模型；第14章介绍如何应用IPython和Wakari开展线上数据分析。通过阅读本书，你将学到：从数据分析项目中得到有意义的结果可视化你的数据，找出趋势和相关性建立你自己的图像相似性搜索引擎了解如何从时间序列数据中预测数值在MongoDB中探索MapReduce框架创建D3.js互动式模拟Hector Cuesta：资深数据分析咨询师，为金融服务、社会化网络、在线学习和人力资源等多个行业提供软件工程与数据分析方面的咨询服务。他是墨西哥州自治大学计算机科学系的讲师，主要研究领域涉及计算流行病学、机器学习、计算机视觉、高性能计算、大数据、模拟和数据可视化。他是《Software Guru》杂志的专栏作家，并且在一些国际期刊和会议中发表多篇科学论文。业余时间，他是乐高机器人和树莓派的狂热爱好者。

直接下载

简介

实用数据分析 豆 5.5分

简介· · · · · ·

目录

译者序

序

前言

评审者简介

致谢

第1章 开始

1.1 计算机科学

1.2 人工智能

1.3 机器学习

1.4 统计学

1.5 数学

1.6 专业领域知识

1.7 数据、信息和知识

1.8 数据的本质

1.9 数据分析过程

1.9.1 问题

1.9.2 数据准备

1.9.3 数据探索

1.9.4 预测建模

1.9.5 结果可视化

1.10 定量与定性数据分析

1.11 数据可视化的重要性

1.12 大数据

1.12.1 传感器和摄像头

1.12.2 社会化网络分析

1.12.3 本书的工具和练习

1.12.4 为什么使用Python

1.12.5 为什么使用mlpy

1.12.6 为什么使用D3.js

1.12.7 为什么使用MongoDB

1.13 小结

第2章 数据准备与处理

2.1 数据源

2.1.1 开源数据

2.1.2 文本文件

2.1.3 Excel文件

2.1.4 SQL数据库

2.1.5 NoSQL数据库

2.1.6 多媒体

2.1.7 网页检索

2.2 数据清洗

2.2.1 统计方法

2.2.2 文本解析

2.2.3 数据转化

2.3 数据格式

2.3.1 CSV

2.3.2 JSON

2.3.3 XML

2.3.4 YAML

2.4 开始使用OpenRefine工具

2.4.1 Text facet

2.4.2 聚类

2.4.3 文件过滤器

2.4.4 numeric facet

2.4.5 数据转化

2.4.6 数据输出

2.4.7 处理历史

2.5 小结

第3章 数据可视化

3.1 数据导向文件

3.1.1 HTML

3.1.2 DOM

3.1.3 CSS

3.1.4 JavaScript

3.1.5 SVG

3.2 开始使用D3.js

3.2.1 柱状图

3.2.2 饼图

3.2.3 散点图

3.2.4 单线图

3.2.5 多线图

3.3 交互与动画

3.4 小结

第4章 文本分类

4.1 学习和分类

4.2 贝叶斯分类

实用数据分析豆 5.5分

第1章　开始

1.1　计算机科学

1.2　人工智能

1.3　机器学习

1.4　统计学

1.5　数学

1.6　专业领域知识

1.7　数据、信息和知识

1.8　数据的本质

1.9　数据分析过程

1.9.1　问题

1.9.2　数据准备

1.9.3　数据探索

1.9.4　预测建模

1.9.5　结果可视化

1.10　定量与定性数据分析

1.11　数据可视化的重要性

1.12　大数据

1.12.1　传感器和摄像头

1.12.2　社会化网络分析

1.12.3　本书的工具和练习

1.12.4　为什么使用Python

1.12.5　为什么使用mlpy

1.12.6　为什么使用D3.js

1.12.7　为什么使用MongoDB

1.13　小结

第2章　数据准备与处理

2.1　数据源

2.1.1　开源数据

2.1.2　文本文件

2.1.3　Excel文件

2.1.4　SQL数据库

2.1.5　NoSQL数据库

2.1.6　多媒体

2.1.7　网页检索

2.2　数据清洗

2.2.1　统计方法

2.2.2　文本解析

2.2.3　数据转化

2.3　数据格式

2.3.1　CSV

2.3.2　JSON

2.3.3　XML

2.3.4　YAML

2.4　开始使用OpenRefine工具

2.4.1　Text facet

2.4.2　聚类

2.4.3　文件过滤器

2.4.4　numeric facet

2.4.5　数据转化

2.4.6　数据输出

2.4.7　处理历史

2.5　小结

第3章　数据可视化

3.1　数据导向文件

3.1.1　HTML

3.1.2　DOM

3.1.3　CSS

3.1.4　JavaScript

3.1.5　SVG

3.2　开始使用D3.js

3.2.1　柱状图

3.2.2　饼图

3.2.3　散点图

3.2.4　单线图

3.2.5　多线图

3.3　交互与动画

3.4　小结

第4章　文本分类

4.1　学习和分类

4.2　贝叶斯分类

4.3　E-mail主题测试器

4.4　数据

4.5　算法

4.6　分类器的准确性

4.7　小结

第5章　基于相似性的图像检索

5.1　图像相似性搜索

5.2　动态时间规整