数据科学导论：Python语言实现 PDF 高清版

《数据科学导论:Python语言实现》由两位资深数据科学家撰写，融合其多年从事数据科学相关的教学和科研工作经验，借助现有的Python语法和结构知识，全面而系统地讲解进行数据科学分析和开发的相关工具、技术和*佳实践，包含清晰的代码和简化的示例。通过阅读本书，你将深入理解Python核心概念，成为高效数据科学实践者。

本书共6章，系统介绍了进行数据科学分析和开发所涉及的关键要素。书中首先介绍Python软件及相关工具包的安装和使用；接着不仅讲解数据加载、运算和改写等基本数据准备过程，还详细介绍特征选择、维数约简等高级数据操作方法；并且建立了由训练、验证、测试等过程组成的数据科学流程，结合具体示例深入浅出地讲解了多种机器学习算法；然后介绍了基于图模型的社会网络创建、分析和处理方法；最后讲解数据分析结果的可视化及相关工具的使用方法。

目录

• 译者序
• 前言
• 第1章　新手上路1
• 1.1　数据科学与Python简介1
• 1.2　Python的安装2
• 1.2.1　Python 2还是Python 33
• 1.2.2　分步安装3
• 1.2.3　Python核心工具包一瞥4
• 1.2.4　工具包的安装7
• 1.2.5　工具包升级9
• 1.3　科学计算发行版9
• 1.3.1　Anaconda10
• 1.3.2　Enthought Canopy10
• 1.3.3　PythonXY10
• 1.3.4　WinPython10
• 1.4　IPython简介10
• 1.4.1　IPython Notebook12
• 1.4.2　本书使用的数据集和代码18
• 1.5　小结25
• 第2章　数据改写26
• 2.1　数据科学过程26
• 2.2　使用pandas进行数据加载与预处理27
• 2.2.1　数据快捷加载27
• 2.2.2　处理问题数据30
• 2.2.3　处理大数据集32
• 2.2.4　访问其他数据格式36
• 2.2.5　数据预处理37
• 2.2.6　数据选择39
• 2.3　使用分类数据和文本数据41
• 2.4　使用NumPy进行数据处理49
• 2.4.1　NumPy中的N维数组49
• 2.4.2　NumPy ndarray对象基础50
• 2.5　创建NumPy数组50
• 2.5.1　从列表到一维数组50
• 2.5.2　控制内存大小51
• 2.5.3　异构列表52
• 2.5.4　从列表到多维数组53
• 2.5.5　改变数组大小54
• 2.5.6　利用NumPy函数生成数组56
• 2.5.7　直接从文件中获得数组57
• 2.5.8　从pandas提取数据57
• 2.6　NumPy快速操作和计算58
• 2.6.1　矩阵运算60
• 2.6.2　NumPy数组切片和索引61
• 2.6.3　NumPy数组堆叠63
• 2.7　小结65
• 第3章　数据科学流程66
• 3.1　EDA简介66
• 3.2　特征创建70
• 3.3　维数约简72
• 3.3.1　协方差矩阵72
• 3.3.2　主成分分析73
• 3.3.3　一种用于大数据的PCA变型—Randomized PCA76
• 3.3.4　潜在因素分析77
• 3.3.5　线性判别分析77
• 3.3.6　潜在语义分析78
• 3.3.7　独立成分分析78
• 3.3.8　核主成分分析78
• 3.3.9　受限玻耳兹曼机80
• 3.4　异常检测和处理81
• 3.4.1　单变量异常检测82
• 3.4.2　EllipticEnvelope83
• 3.4.3　OneClassSVM87
• 3.5　评分函数90
• 3.5.1　多标号分类90
• 3.5.2　二值分类92
• 3.5.3　回归93
• 3.6　测试和验证93
• 3.7　交叉验证97
• 3.7.1　使用交叉验证迭代器99
• 3.7.2　采样和自举方法100
• 3.8　超参数优化102
• 3.8.1　建立自定义评分函数104
• 3.8.2　减少网格搜索时间106
• 3.9　特征选择108
• 3.9.1　单变量选择108
• 3.9.2　递归消除110
• 3.9.3　稳定性选择与基于L1的选择111
• 3.10　小结112
• 第4章　机器学习113
• 4.1　线性和逻辑回归113
• 4.2　朴素贝叶斯116
• 4.3　K近邻118
• 4.4　高级非线性算法119
• 4.4.1　基于SVM的分类算法120
• 4.4.2　基于SVM的回归算法122
• 4.4.3　调整SVM123
• 4.5　组合策略124
• 4.5.1　基于随机样本的粘合策略125
• 4.5.2　基于弱组合的分袋策略125
• 4.5.3　随机子空间和随机分片126
• 4.5.4　模型序列—AdaBoost127
• 4.5.5　梯度树提升128
• 4.5.6　处理大数据129
• 4.6　自然语言处理一瞥136
• 4.6.1　词语分词136
• 4.6.2　词干提取137
• 4.6.3　词性标注137
• 4.6.4　命名实体识别138
• 4.6.5　停止词139
• 4.6.6　一个完整的数据科学示例—文本分类140
• 4.7　无监督学习概述141
• 4.8　小结146
• 第5章　社会网络分析147
• 5.1　图论简介147
• 5.2　图的算法152
• 5.3　图的加载、输出和采样157
• 5.4　小结160
• 第6章　可视化161
• 6.1　matplotlib基础介绍161
• 6.1.1　曲线绘图162
• 6.1.2　绘制分块图163
• 6.1.3　散点图164
• 6.1.4　直方图165
• 6.1.5　柱状图166
• 6.1.6　图像可视化167
• 6.2　pandas的几个图形示例169
• 6.2.1　箱线图与直方图170
• 6.2.2　散点图171
• 6.2.3　平行坐标173
• 6.3　高级数据学习表示174
• 6.3.1　学习曲线174
• 6.3.2　验证曲线176
• 6.3.3　特征重要性177
• 6.3.4　GBT部分依赖关系图179
• 6.4　小结180