- 博客(0)
- 资源 (22)
- 收藏
- 关注
python数据分析与数据化运营
Python数据分析与数据化运营高清版。
强烈推荐的好书。
版权归作者所有,任何形式转载请联系作者。
作者:宋天龙(来自豆瓣)
来源:https://book.douban.com/review/8999482/
本书作者大哥自述:
1. 本书中的系统性的经验,是在之前任何一本书中都不曾有过的,而且都是我10年的积累所得。里面很多思想都是突破传统的认知,争取从新的角度去解析。由于京东、当当等有关书籍的目录可能太过于粗放,我在下面会放出更详细的目录,大家可以自己下载《Python数据分析与数据化运营》目录。提示:该目录是基于我的终稿生成的,是未排版设计之前我这边的版本,而非出版社排版后的版本。但没有关系,目录和内容都是对应的。
2. 对于数据工作层面,除了完整的数据工作流的知识和应用外,在分析挖掘时用到的KMeans聚类的自动K均值的确立方法、基于软方法的多分类模型组合评估模型的应用、基于自动下探(下钻、细分)的应用、基于增量学习的多项式贝叶斯分类等都是非常重要且实用的方法,现学现用绝对没问题。除了Python在数据分析和挖掘时用到的sklearn和statsmodels以外,还有下面几个知识点如果你感兴趣的话,同样值得一探究竟:
·pipeline管道技术的应用
·基于超参数的自动参数值的优化方法
·特征自动选择
·文本分类、文本主题挖掘
·基于自动时间序列ARIMA的P、D、Q的调整
·python决策树规则输出
·基于自定义图像的文本标签云
·非结构化数据,例如图像、音频、文本等的处理
·对象持久化处理 ...
2018-08-04
机器学习与R语言实战
本书共11章。第1章介绍如何创建一个可用的R环境和基本的R命令;第2章讲述如何使用R语言进行探索性数据分析;第3章重点探讨数据采样和概率分布的概念;第4章探讨因变量和解释变量集合之间的线性关系;第5章介绍基于树的分类器:K近邻分类器、逻辑回归分类器以及朴素贝叶斯分类器;第6章神经网络和支持向量机;第7章展示一些模型评估的方法;第8章探讨集成分类器;第9章讲述多种聚类算法;第10章介绍关联分析和序列挖掘;第11章介绍如何从原始变量中选择和抽取特征;第12章讨论大数据分析(R和Hadoop)。
2017-11-21
《数据科学入门》配套代码含python2和python3
《数据科学入门》配套代码《数据科学入门》配套代码《数据科学入门》配套代码《数据科学入门》配套代码《数据科学入门》配套代码
2017-09-24
OpenRefine中文教程
OpenRefine中文教程OpenRefine中文教程OpenRefine中文教程OpenRefine中文教程OpenRefine中文教程OpenRefine中文教程OpenRefine中文教程
2017-09-24
数据科学入门
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。书中涵盖的所有代码和数据都可以在GitHub上下载。
2017-09-24
MongoDB使用指南
MongoDB使用指南MongoDB使用指南MongoDB使用指南MongoDB使用指南MongoDB使用指南MongoDB使用指南MongoDB使用指南
2017-09-14
Keras中文手册
Keras中文手册Keras中文手册Keras中文手册Keras中文手册Keras中文手册Keras中文手册Keras中文手册Keras中文手册Keras中文手册Keras中文手册Keras中文手册Keras中文手册
2017-09-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人