guilbert的博客

zip压缩包，解压成pdf，原始大小36MB CameronDavidson-Pilon 接触过数学在多个领域的应用——从基因和疾病的动态演化 到金融价格的随机模型。他对于开源社区主要的贡献包括这本书以及lifelines项目。Cameron成长于加拿大的安大略省圭尔夫市 而就读于滑铁卢大学以及莫斯科独立大学。如今他住在安大略省渥太华市 并在电商领军者Shopify工作。 辛愿 浙江大学硕士毕业 腾讯公司基础研究不错工程师 舆情系统开发经理。曾在百度从事推荐系统、用户画像、数据采集等相关研究工作 拥有多项专利 组织过上海大数据技术沙龙。目前专注于文本挖掘、舆情分析、智能聊天机器人等相关领域。 钟黎 腾讯公司研究员。曾在中国科学院、微软亚洲研究院、IBM研究院-新加坡从事图像处理、语音处理、机器学习等相关研究工作 拥有多项专利 目前聚焦在自然语言处理、深度学习和人工智能等相关领域。 本书基于PyMC语言以及一系列常用的Python数据分析框架 如NumPy、SciPy和Matplotlib 通过概率编程的方式 讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下 有效地解决问题。书中使用的案例往往是工作中遇到的实际问题 有趣并且实用。作者的阐述也尽量避免冗长的数学分析 而让读者可以动手解决一个个的具体问题。通过对本书的学习 读者可以对贝叶斯思维、概率编程有较为深入的了解 为将来从事机器学习、数据分析相关的工作打下基础。本书适用于机器学习、贝叶斯推断、概率编程等相关领域的从业者和爱好者 也适合普通开发人员了解贝叶斯统计而使用。 D11章贝叶斯推断的哲学1 1.1引言1 1.1.1贝叶斯思维1 1.1.2贝叶斯推断在实践中的运用3 1.1.3频率派的模型是错误的吗？4 1.1.4关于大数据4 1.2我们的贝叶斯框架5 1.2.1不得不讲的实例：抛硬币5 1.2.2实例：图书管理员还是农民6 1.3概率分布8 1.3.1离散情况9 1.3.2连续情况10 1.3.3什么是12 1.4使用计算机执行贝叶斯推断12 1.4.1实例：从短信数据推断行为12 1.4.2介绍我们的D1一板斧：PyMC14 1.4.3说明18 1.4.4后验样本到底有什么用？18 1.5结论20 1.6补充说明20 1.6.1从统计学上确定两个l值是否真的不一样20 1.6.2扩充至两个转折点22 1.7习题24 1.8答案24 D12章进一步了解PyMC27 2.1引言27 2.1.1父变量与子变量的关系27 2.1.2PyMC变量28 2.1.3在模型中加入观测值31 2.1.4*后……33 2.2建模方法33 2.2.1同样的故事 不同的结局35 2.2.2实例：贝叶斯A/B测试38 2.2.3一个简单的场景38 2.2.4A和B一起41 2.2.5实例：一种人类谎言的算法45 2.2.6二项分布45 2.2.7实例：学生作弊46 2.2.8另一种PyMC模型50 2.2.9更多的PyMC技巧51 2.2.10实例：挑战者号事故52 2.2.11正态分布55 2.2.12挑战者号事故当天发生了什么？61 2.3我们的模型适用吗？61 2.4结论68 2.5补充说明68 2.6习题69 2.7答案69 D13章打开MCMC的黑盒子71 3.1贝叶斯景象图71 3.1.1使用MCMC来探索景象图77 3.1.2MCMC算法的实现78 3.1.3后验的其他近似解法79 3.1.4实例：使用混合模型进行无监督聚类79 3.1.5不要混淆不同的后验样本88 3.1.6使用MAP来改进收敛性91 3.2收敛的判断92 3.2.1自相关92 3.2.2稀释95 3.2.3pymc.Matplot.plot()97 3.3MCMC的一些秘诀98 3.3.1聪明的初始值98 3.3.2先验99 3.3.3统计计算的无名定理99 3.4结论99 D14章从未言明的*伟大定理101 4.1引言101 4.2大数定律101 4.2.1直觉101 4.2.2实例：泊松随机变量的收敛102 4.2.3如何计算Var(Z)106 4.2.4期望和概率106 4.2.5所有这些与贝叶斯统计有什么关系呢107 4.3小数据的无序性107 4.3.1实例：地理数据聚合107 4.3.2实例：Kaggle的美国人口普查反馈比例预测比赛109 4.3.3实例：如何对Reddit网站上的评论进行排序111 4.3.4排序！115 4.3.5但是这样做的实时性太差了117 4.3.6推广到评星系统122 4.4结论122 4.5补充说明122 4.6习题123 4.7答案124 D15章失去一只手臂还是一条腿127 5.1引言127 5.2损失函数127 5.2.1现实世界中的损失函数129 5.2.2实例：优化“价格竞猜”游戏的展品出价130 5.3机器学习中的贝叶斯方法138 5.3.1实例：金融预测139 5.3.2实例：Kaggle观测暗世界大赛144 5.3.3数据145 5.3.4先验146 5.3.5训练和PyMC实现147 5.4结论156 D16章弄清楚先验157 6.1引言157 6.2主观与客观先验157 6.2.1客观先验157 6.2.2主观先验158 6.2.3决策 决策……159 6.2.4经验贝叶斯160 6.3需要知道的有用的先验161 6.3.1Gamma分布161 6.3.2威沙特分布162 6.3.3Beta分布163 6.4实例：贝叶斯多臂老虎机164 6.4.1应用165 6.4.2一个解决方案165 6.4.3好坏衡量标准169 6.4.4扩展算法173 6.5从领域专家处获得先验分布176 6.5.1试验轮盘赌法176 6.5.2实例：股票收益177 6.5.3对于威沙特分布的专业提示184 6.6共轭先验185 6.7杰弗里斯先验185 6.8当N增加时对先验的影响187 6.9结论189 6.10补充说明190 6.10.1带惩罚的线性回归的贝叶斯视角190 6.10.2xuan择退化的先验192 D17章贝叶斯A/B测试195 7.1引言195 7.2转化率测试的简单重述195 7.3增加一个线性损失函数198 7.3.1收入期望的分析198 7.3.2延伸到A/B测试202 7.4超Yu0转化率：t检验204 7.4.1t检验的设定204 7.5增幅的估计207 7.5.1创建点估计210 7.6结论211 术语表213

统计学已经成为大数据时代最炙手可热的学问。它可以帮我们解决很多琐碎的生活问题和重要的社会问题，并对“黑天鹅”事件和未来做出预测。 这本书没有让你避之不及的数学公式，没有满是数字的图表，没有空洞乏味的教科书式说教；这本书有生动诙谐的案例，有你熟悉的生活话题和社会问题，有你一定用得到的统计学知识，有大数据时代的“游戏规则”和“生存法则”。 本书将是你遇到过的最好的“数学老师”，它装满了具有现实意义的“课程”，比如为什么一流大学毕业生的收入会高于普通大学毕业生，还有为什么不要买彩票。 众所周知，在生活中统计学无处不在，每件事、每个人似乎都可以用统计数字来加以说明。特别是进入大数据时代以后，统计学更是成为炙手可热的学问，它可以帮我们解决很多重要的社会问题，并对“黑天鹅”事件和未来做出预测。 但不可否认的是，统计学本身因为囊括大量的数学内容及专业术语，以至于让人觉得高深莫测、很难亲近。 《赤裸裸的统计学》一书的作者查尔斯•惠伦“扒光”了统计学“沉闷的外衣”，用生活中有趣的案例、直观的图表、生动诙谐的语言风格，彻底揭开了统计学、大数据和数字的“神秘面纱”，让我们知道权威期刊、媒体新闻、民意调研中公布的数字从何而来，轻松掌握判断这些统计数字“是否在撒谎”的 秘籍。同时，作者还将统计学的工具带入日常生活中，告诉我们为什么不要买彩票，为什么你家附近的商场会知道你怀孕的消息并给你寄来纸尿裤的优惠券，等等。

前言 基础篇 第1章数据挖掘基础 1.1某知名连锁餐饮企业的困惑 1.2从餐饮服务到数据挖掘 1.3数据挖掘的基本任务 1.4数据挖掘建模过程 1.4.1定义挖掘目标 1.4.2数据取样 1.4.3数据探索 1.4.4数据预处理 1.4.5挖掘建模 1.4.6模型评价 1.5常用的数据挖掘建模工具 1.6小结 每2章Python数据分析简介 2.1搭建Python开发平台 2.1.1所要考虑的问题 2.1.2基础平台的搭建 2.2 Python使用入门 2.2.1运行方式 2.2.2基本命令 2.2.3数据结构 2.2.4库的导入与添加 2.3 Python数据分析工具 2.3.1 Numpy 2.3.2 Scipy 2.3.3 Matplotlib 2.3.4 Pandas 2.3.5 StatsModels''''' 2.3.6 Scikit-Leam''''' 2.3.7 Keras 2.3.8 Gensim 2.4配套资源使用设置 2.5小结 第3章数据探索 3.1数据质量分析 3.1.1缺失值分析 3.1.2异常值分析 3.1.3 -致性分析 3.2数据特征分析 3.2.1分布分析 3.2.2对比分析 3.2.3统计量分析 ?3.3Python主要数据探索函数 3.3.1基本统计特征函数 3.3.2拓展统计特征函数 3.3.3统计作图函数 3.4小结 数据预处理 4.1数据清洗 4.1.1缺失值处理 4.1.2异常值处理 4.2数据集成 4.2.1实体识别 4.2.2冗余属性识别 413数据变换 4.3.1简单函数变换 4.3.2规范化 4.3.3连续属性离散化 4.3.4属性构造 4.3.5小波变换 4.4数据规约 4.4.1属性规约 4.4.2数值规约 4.5 Python主要数据预处理函数 4.6小结 第5章挖掘建模 5.1分类与预测 5.1.1实现过程 5.1.2常用的分类与预测算法 5.1.3回归分析 5.1.4决策树 5.1.5人工神经网络 5.1.6分类与预测算法评价 5.1.7 Python分类预测模型特点 - 5.2聚类分析 5.2.1 常用聚类分析算法 5.2.2 K-Means聚类算法 5.2.3聚类分析算法评价 5.2.4 Python主要聚类分析算法 5.3关联规则 5.3.1 常用关联规则算法 5.3.2 Apriori算法 5.4时序模式 5.4.1时间序列算法 5.4.2时间序列的预处理 5.4.3平稳时间序列分析 5.4.4非平稳时间序列分析 5.4.5 Python主要时序模式算法 5.5离群点检测 134 5.5.1离群点检测方法 5.5.2基于模型的离群点检测方法 5.5.3基于聚类的离群点检测方法 5.6小结 实战篇 第6章电力窃漏电用户自动识别 6.1背景与挖掘目标 6.2分析方法与过程 6.2.1数据抽取 6.2.2数据探索分析 6.2.3数据预处理 6.2.4构建专家样本 6.3上机实验 6.4拓展思考 6.5小结 第7章航空公司客户价值分析 7.1背景与挖掘目标 7.2分析方法与过程 7.2.1数据抽取 7.2.2数据探索分析 7.2.3数据预处理 7.2.4模型构建 7.3上机实验 7.4拓展思考 一 7.5小结 第8章中医证型关联规则挖掘 8.1背景与挖掘目标 8.2分析方法与过程 8.2.1数据获取 8.2.2数据预处理 8.2.3模型构建 8.3上机实验 8.4拓展思考 8.5小结 第9章基于水色图像的水质评价 9.1背景与挖掘目标 9.2分析方法与过程 9.2.1数据预处理 9.2.2模型构建 9.2.3水质评价 9.3上机实验 9.4拓展思考 9.5小结 第10章家用电器用户行为分析与 事件识别 10.1背景与挖掘目标 10.2分析方法与过程 10.2.1数据抽取 10.2.2数据探索分析 10.2.3数据预处理 10.2.4模型构建 10.2.5模型检验 10.3上机实验 10.4拓展思考 10.5小结 第11章应用系统负载分析与磁盘 容量预测 11.1背景与挖掘目标 11.2分析方法与过程 11.2.1数据抽取 11.2.2数据探索分析 11.2.3数据预处理 11.2.4模型构建 11.3上机实验 11.4拓展思考 11.5小结 第12章电子商务网站用户行为分析 及服务推荐 12.1背景与挖掘目标 12.2分析方法与过程 12.2.1数据抽取 12.2.2数据探索分析 12.2.3数据预处理 12.2.4模型构建 12.3上机实验 12.4拓展思考 12.5小结 第13章财政收入影响因素分析及 13.1预测模型 13.2背景与挖掘目标 分析方法与过程 13.2.1灰色预测与神经网络的组合 模型 13.2.2数据探索分析 13.2.3模型构建 13.3上机实验 13.4拓展思考 13.5小结 一 第14章 基于基站定位数据的商圈 分析 一 14.1背景与挖掘目标 14.2分析方法与过程 14.2.1数据抽取 14.2.2数据探索分析 14.2.3数据预处理 14.2.4模型构建 14.3上机实验 14.4拓展思考 14.5小结 第15章电商产品评论数据情感 分析 15.1背景与挖掘目标 15.2分析方法与过程 15.2.1评论数据采集 15.2.2评论预处理 15.2.3文本评论分词 15.2.4模型构建 15.3.上机实验 15.4拓展思考 15.5小结 参考文献

zip压缩包，解压pdf 本书展示如何用 Python 程序将不同格式的数据处理和分析任务规模化和自动化。主要内容包括 ：Python 基础知识介绍、CSV 文件和 Excel 文件读写、数据库的操作、示例程序演示、图表的创建，等等。 想深入应用手中的数据？还是想在上千份文件上重复同样的分析过程？没有编程经验的非程序员们如何能在最短的时间内学会用当今炙手可热的Python语言进行数据分析？, 来自Facebook的数据专家Clinton Brownley可以帮您解决上述问题。在他的这本书里，读者将能掌握基本Python编程方法，学会编写出处理电子表格和数据库中的数据的脚本，并了解使用Python模块来解析文件、分组数据和生成统计量的方法。, 学习基础语法，创建并运行自己的Python脚本, 读取和解析CSV文件, 读取多个Excel工作表和工作簿, 执行数据库操作, 搜索特定记录、分组数据和解析文本文件, 建立统计图并绘图, 生成描述性统计量并估计回归模型和分类模型, 在Windows和Mac环境下按计划自动运行脚本

zip解压成pdf 目录 第1章 好的推荐系统 1.1 什么是推荐系统 1.2 个性化推荐系统的应用 1.2.1 电子商务 1.2.2 电影和视频网站 1.2.3 个性化音乐网络电台 1.2.4 社交网络 1.2.5 个性化阅读 1.2.6 基于位置的服务 1.2.7 个性化邮件 1.2.8 个性化广告 1.3 推荐系统评测 1.3.1 推荐系统实验方法 1.3.2 评测指标 1.3.3 评测维度 第2章 利用用户行为数据 2.1 用户行为数据简介 2.2 用户行为分析 2.2.1 用户活跃度和物品流行度的分布 2.2.2 用户活跃度和物品流行度的关系 2.3 实验设计和算法评测 2.3.1 数据集 2.3.2 实验设计 2.3.3 评测指标 2.4 基于邻域的算法 2.4.1 基于用户的协同过滤算法 2.4.2 基于物品的协同过滤算法 2.4.3 UserCF和ItemCF的综合比较 2.5 隐语义模型 2.5.1 基础算法 2.5.2 基于LFM的实际系统的例子 2.5.3 LFM和基于邻域的方法的比较 2.6 基于图的模型 2.6.1 用户行为数据的二分图表示 2.6.2 基于图的推荐算法 第3章 推荐系统冷启动问题 3.1 冷启动问题简介 3.2 利用用户注册信息 3.3 选择合适的物品启动用户的兴趣 3.4 利用物品的内容信息 3.5 发挥专家的作用 第4章 利用用户标签数据 4.1 UGC标签系统的代表应用 4.1.1 Delicious 4.1.2 CiteULike 4.1.3 Last.fm 4.1.4 豆瓣 4.1.5 Hulu 4.2 标签系统中的推荐问题 4.2.1 用户为什么进行标注 4.2.2 用户如何打标签 4.2.3 用户打什么样的标签 4.3 基于标签的推荐系统 4.3.1 实验设置 4.3.2 一个最简单的算法 4.3.3 算法的改进 4.3.4 基于图的推荐算法 4.3.5 基于标签的推荐解释 4.4 给用户推荐标签 4.4.1 为什么要给用户推荐标签 4.4.2 如何给用户推荐标签 4.4.3 实验设置 4.4.4 基于图的标签推荐算法 4.5 扩展阅读 第5章 利用上下文信息 5.1 时间上下文信息 5.1.1 时间效应简介 5.1.2 时间效应举例 5.1.3 系统时间特性的分析 5.1.4 推荐系统的实时性 5.1.5 推荐算法的时间多样性 5.1.6 时间上下文推荐算法 5.1.7 时间段图模型 5.1.8 离线实验 5.2 地点上下文信息 5.3 扩展阅读 第6章 利用社交网络数据 6.1 获取社交网络数据的途径 6.1.1 电子邮件 6.1.2 用户注册信息 6.1.3 用户的位置数据 6.1.4 论坛和讨论组 6.1.5 即时聊天工具 6.1.6 社交网站 6.2 社交网络数据简介 6.3 基于社交网络的推荐 6.3.1 基于邻域的社会化推荐算法 6.3.2 基于图的社会化推荐算法 6.3.3 实际系统中的社会化推荐算法 6.3.4 社会化推荐系统和协同过滤推荐系统 6.3.5 信息流推荐 6.4 给用户推荐好友 6.4.1 基于内容的匹配 6.4.2 基于共同兴趣的好友推荐 6.4.3 基于社交网络图的好友推荐 6.4.4 基于用户调查的好友推荐算法对比 6.5 扩展阅读 第7章 推荐系统实例 7.1 外围架构 7.2 推荐系统架构 7.3 推荐引擎的架构 7.3.1 生成用户特征向量 7.3.2 特征?物品相关推荐 7.3.3 过滤模块 7.3.4 排名模块 7.4 扩展阅读 第8章 评分预测问题 8.1 离线实验方法 8.2 评分预测算法 8.2.1 平均值 8.2.2 基于邻域的方法 8.2.3 隐语义模型与矩阵分解模型 8.2.4 加入时间信息 8.2.5 模型融合 8.2.6 Netflix Prize的相关实验结果 后记

机器学习是计算机科学和人工智能中非常重要的一个研究领域，近年来，机器学习不但在计算机科学的众多领域中大显身手，而且成为一些交叉学科的重要支撑技术。 全书案例既有分类问题，也有回归问题；既包含监督学习，也涵盖无监督学习。本书讨论的案例从分类讲到回归，然后讨论了聚类、降维、最优化问题等。这些案例包括分类：垃圾邮件识别，排序：智能收件箱，回归模型：预测网页访问量，正则化：文本回归，最优化：密码破解，无监督学习：构建股票市场指数，空间相似度：用投票记录对美国参议员聚类，推荐系统：给用户推荐R语言包，社交网络分析：在Twitter上感兴趣的人，模型比较：给你的问题找到最佳算法。各章对原理的叙述力求概念清晰、表达准确，突出理论联系实际，富有启发性，易于理解。在探索这些案例的过程中用到的基本工具就是R统计编程语言。R语言非常适合用于机器学习的案例研究，因为它是一种用于数据分析的高水平、功能性脚本语言。 目录 第1章 使用R语言 第2章 数据分析 第3章 分类：垃圾过滤 第4章 排序：智能收件箱 第5章 回归模型：预测网页访问量 第6章 正则化：文本回归 第7章 优化：密码破译 第8章 PCA：构建股票市场指数 第9章 MDS：可视化地研究参议员相似性 第10章 kNN：推荐系统 第11章 分析社交图谱 第12章 模型比较

人人都是数据分析师-Tableau应用实战 (刘红阁 等著) 高清目录完整版, 解压成pdf 人人都是数据分析师:Tableau应用实战基于Tableau 9.1 最新版本编写，详细介绍了Tableau 的数据连接与编辑、图形编辑与展示功能，包括数据连接与管理、基础与高级图形分析、地图分析、高级数据操作、基础统计分析、如何与R 集成进行高级分析、分析图表整合以及分析成果共享等主要内容。同时，书中以目前电力行业已有的监测、分析业务实践为基础，以丰富的实际案例贯穿始终，对各类方法、技术进行了详细说明，方便读者快速掌握数据分析方法。 本书适用于互联网、银行证券、咨询审计、快消品、能源等行业数据分析用户以及媒体、网站等数据可视化用户。 目录 第1章　Tableau入门　　1 1.1　敏捷商务智能　　1 1.2　数据可视化明星Tableau　　2 1.3　Tableau的主要特性　　3 1.4　Tableau的产品体系　　5 1.5　Tableau的工作区　　6 1.5.1　工作表工作区　　6 1.5.2　仪表板工作区　　8 1.5.3　故事工作区　　9 1.5.4　菜单栏和工具栏　　10 1.6　Tableau的文件管理　　12 第2章　典型应用场景　　14 2.1　数据准备　　14 2.2　认识Tableau数据　　16 2.2.1　数据角色　　16 2.2.2　字段类型　　18 2.2.3　字段类型转换　　18 2.3　创建视图　　19 2.3.1　行列功能区　　20 2.3.2　标记卡　　23 2.3.3　筛选器　　29 2.3.4　页面　　31 2.3.5　智能显示　　32 2.3.6　度量名称和度量值　　33 2.4　创建仪表板　　35 2.5　保存工作成果　　37 第3章　数据连接与管理　　38 3.1　Tableau的数据架构　　38 3.2　数据连接　　41 3.2.1　连接文件数据源　　41 3.2.2　连接服务器数据源　　45 3.2.3　复制粘贴输入数据　　49 3.2.4　筛选数据　　51 3.3　数据整合　　53 3.3.1　实现多表联结　　53 3.3.2　多数据源的数据融合　　56 3.3.3　行列转换　　59 3.4　数据加载　　60 3.4.1　创建数据提取　　60 3.4.2　刷新数据提取　　64 3.4.3　向数据提取添加行　　66 3.4.4　优化数据提取　　67 3.5　数据维护　　68 3.5.1　查看数据　　69 3.5.2　刷新数据　　69 3.5.3　替换数据　　70 3.5.4　删除数据　　71 第4章　初级可视化分析　　73 4.1　条形图　　73 4.2　直方图　　77 4.3　饼图　　80 4.4　折线图　　83 4.4.1　基本折线图　　83 4.4.2　双组合图　　86 4.5　基本表　　89 4.6　压力图　　90 4.6.1　压力图　　90 4.6.2　突显表　　92 4.7　树地图　　96 4.8　气泡图　　97 4.9　圆视图　　98 4.10 标靶图　　99 4.11 甘特图　　101 第5章　地图分析　　103 5.1　地图简介　　103 5.1.1　分配地理角色　　103 5.1.2　创建符号地图　　104 5.1.3　创建填充地图　　111 5.1.4　创建多维度地图　　112 5.1.5　创建混合地图　　113 5.2　设置地理信息　　116 5.2.1　选择地图源　　116 5.2.2　自定义地理编码　　118 5.3　高级功能　　121 5.3.1　多边形地图　　121 5.3.2　背景图像地图　　123 5.3.3　地理位置距离计算　　127 第6章　高级数据操作　　129 6.1　分层结构　　129 6.1.1　创建分层结构　　130 6.1.2　使用分层结构　　131 6.2　组　　134 6.2.1　创建组　　134 6.2.2　使用组　　136 6.3　集　　138 6.3.1　创建集　　138 6.3.2　使用集　　141 6.4　参数　　142 6.4.1　创建参数　　143 6.4.2　使用参数　　144 6.5　计算字段　　145 6.5.1　创建计算字段　　146 6.5.2　使用计算字段　　147 6.5.3　特殊函数：表计算　　149 6.5.4　特殊函数：详细级别表达式　　156 6.5.5　特殊函数：百分比　　158 6.6　变换　　159 6.6.1　变换日期型字段　　159 6.6.2　变换字符型字段　　160 6.7　参考线及参考区间　　161 6.7.1　创建参考线及参考区间　　162 6.7.2　创建参考区间　　165 第7章　高级可视化分析　　166 7.1　帕累托图　　166 7.2　盒须图　　171 7.2.1　基础应用　　172 7.2.2　图形延伸　　174 7.3　瀑布图　　175 7.3.1　基础应用　　176 7.3.2　图形延伸　　178 7.4　范围线图　　180 7.5　倾斜图　　183 7.6　网络图　　186 7.7　雷达图　　191 第8章　统计分析　　199 8.1　散点图与相关分析　　199 8.1.1　创建基本散点图　　199 8.1.2　创建高级散点图　　200 8.1.3　创建散点图矩阵　　201 8.2　回归分析　　203 8.2.1　模型简介　　203 8.2.2　模型构建　　204 8.2.3　模型评价　　206 8.3　时间序列分析　　207 8.3.1　时间序列图　　207 8.3.2　时间序列预测　　209 8.3.3　预测模型评价　　213 8.4　Tableau与R语言　　215 8.4.1　R语言简介　　215 8.4.2　Tableau与R集成　　217 8.4.3　用R进行高级分析　　219 第9章　分析图表整合　　223 9.1　仪表板简介　　223 9.1.1　工作区　　223 9.1.2　对象　　224 9.1.3　布局容器　　225 9.1.4　布局方式　　226 9.1.5　交互操作　　227 9.2　操作步骤　　227 9.2.1　新建布局　　228 9.2.2　添加内容并调整格式　　230 9.2.3　添加交互操作　　244 第10章　分析成果共享　　254 10.1　导出和发布数据（源） 　　254 10.1.1　通过将数据复制到剪贴板导出数据　　254 10.1.2　以Access数据库文件导出数据　　257 10.1.3　以交叉分析（Excel）方式导出数据　　258 10.1.4　导出数据源　　258 10.1.5　发布数据源　　260 10.2　导出图像和PDF 文件　　262 10.2.1　复制图像　　262 10.2.2　导出图像　　263 10.2.3　打印为PDF 　　264 10.3　保存和发布工作簿　　265 10.3.1　保存工作簿　　265 10.3.2　保存打包工作簿　　265 10.3.3　将工作簿发布到服务器　　267 10.3.4　将工作簿保存到TableauPublic上　　270 第11章　Tableau Server简介　　273 11.1　安装Tableau Server　　273 11.1.1　单服务器安装　　273 11.1.2　分布式集群安装　　279 11.2　配置Tableau Server　　282 11.2.1　配置站点　　282 11.2.2　配置用户　　285 11.2.3　配置组　　288 11.3　使用Tableau Server　　289 11.3.1　界面查询　　291 11.3.2　编辑发布　　294 11.4　安全机制　　295 11.4.1　访问安全　　296 11.4.2　对象安全　　296 11.4.3　数据安全　　297 11.4.4　网络安全　　297 附录A　Tableau数据提取API 　　299 附录B　Tableau JavaScript API　　304 附录C　Tableau函数　　307 附录D　数据表　　326

机器学习实践指南-案例应用解析-第二版 高清带目录版，压缩成zip，解压pdf

区块链技术指南，12MB高清带目录，解压pdf 第1-2章为基础和入门内容，着重是区块链入门介绍，并讲解区块链的一些基础概念。本书详细、全面地介绍了区块链的基础知识与概念，剖析了区块链的架构、底层实现细节以及加密技术，并配合行业应用案例，常见问题等，全面解读大热的区块链技术实现与应用。第3-10章，着重是区块链架构剖析，并讲解区块链的关键技术，包括密码学和共识算法；提供比特币开发指南以及以太坊智能合同开发指南；同时介绍HyperLedger，讨论区块链的常见问题和典型的解决方案。第11章，从架构变革的角度探讨IT发展的原动力，并提供对区块链对未来IT发展的一些展望。

zip压缩包，解压成pdf。图说：区块链（最新完整高清扫描版）

python和R的数据科学经典手册，书中数据分析实例非常丰富。zip包解压成pdf

postgresql mpp greenplum 大数据存储 数据库 分布式计算 zip包压缩，解压成pdf

数据科学入门 解压成pdf 通过阅读本书，你可以： 学到一堂Python速成课； 学习线性代数、统计和概率论的基本方法，了解它们是怎样应用在数据科学中的； 掌握如何收集、探索、清理、转换和操作数据； 深入理解机器学习的基础； 运用k-近邻、朴素贝叶斯、线性回归和逻辑回归、决策树、神经网络和聚类等各种数据模型； 探索推荐系统、自然语言处理、网络分析、MapReduce和数据库。 数据科学是一个蓬勃发展、前途无限的行业，有人将数据科学家称为“21世纪头号性感职业”。本书从零开始讲解数据科学工作，教授数据科学工作所必需的黑客技能，并带领读者熟悉数据科学的核心知识——数学和统计学。, 作者选择了功能强大、简单易学的Python语言环境，亲手搭建工具和实现算法，并精心挑选了注释良好、简洁易读的实现范例

Python数据分析与挖掘实战--源代码和数据Python数据分析与挖掘实战--源代码和数据Python数据分析与挖掘实战--源代码和数据Python数据分析与挖掘实战--源代码和数据Python数据分析与挖掘实战--源代码和数据Python数据分析与挖掘实战--源代码和数据

数据分析pdf数据分析pdf数据分析pdf数据分析pdf数据分析pdf数据分析pdf数据分析pdf数据分析pdf数据分析pdf数据分析pdf数据分析pdf数据分析pdf数据分析pdf