注册 登录 进入教材巡展
#
  • #

出版时间:2016-11

出版社:机械工业出版社

以下为《Python与数据挖掘》的配套数字资源,这些资源在您购买图书后将免费附送给您:
  • 机械工业出版社
  • 9787111552611
  • 1版
  • 227229
  • 47229786-0
  • 平装
  • 16开
  • 2016-11
  • 259
  • 185
  • 工学
  • 计算机科学与技术
  • TP311.56
  • 计算机通信类
  • 本科
作者简介
张良均(广州泰迪智能科技有限公司 CEO)
大数据挖掘专家和模式识别专家,高级信息项目管理师,有10多年的大数据挖掘应用、咨询和培训经验。为电信、电力、政府、互联网、生产制造、零售、银行、生物、化工、医药等多个行业上百家大型企业提供过数据挖掘应用与咨询服务,实践经验非常丰富。此外,他精通Java EE企业级应用开发,是广东工业大学、华南师范大学、华南农业大学、贵州师范学院、韩山师范学院、广东技术师范学院兼职教授,组织校企骨干共同编著《神经网络实用教程》《数据挖掘:实用案例分析》《MATLAB数据分析与挖掘实战》《R语言数据分析与挖掘实战》《Python数据分析与挖掘实战》《Hadoop大数据分析与挖掘实战》等畅销书。
查看全部
内容简介
本书主要分为两大部分,基础篇和建模应用篇。基础篇介绍了有关Python开发环境的搭建、Python基础入门、函数、面向对象编程、实用模块和图表绘制等基础知识。建模应用篇主要介绍了目前在数据挖掘中的常用的建模方法在Python中的实现函数,并对输出结果进行了解释,有助于读者快速掌握应用Python进行分析挖掘建模的方法。本书配套提供了书中使用的示例代码及所用的数据,读者可通过上机实验,快速掌握书中所介绍的Python的使用方法。
目录
目录?Contents前言第一部分 基础篇第1章 数据挖掘概述 21.1 数据挖掘简介 21.2 工具简介 31.2.1 WEKA 31.2.2 RapidMiner 41.2.3 Python 51.2.4 R 51.3 Python开发环境的搭建 61.3.1 Python安装 61.3.2 Python初识 111.3.3 与读者的约定 141.4 小结 15第2章 Python基础入门 162.1 常用操作符 162.1.1 算术操作符 172.1.2 赋值操作符 172.1.3 比较操作符 182.1.4 逻辑操作符 182.1.5 操作符优先级 182.2 数字数据 192.2.1 变量与赋值 192.2.2 数字数据类型 202.3 流程控制 202.3.1 if语句 212.3.2 while循环 232.3.3 for循环 252.4 数据结构 272.4.1 列表 282.4.2 字符串 312.4.3 元组 352.4.4 字典 362.4.5 集合 392.5 文件的读写 402.5.1 改变工作目录 402.5.2 txt文件读取 412.5.3 csv文件读取 422.5.4 文件输出 432.5.5 使用JSON处理数据 432.6 上机实验 44第3章 函数 473.1 创建函数 483.2 函数参数 503.3 可变对象与不可变对象 523.4 作用域 533.5 上机实验 55第4章 面向对象编程 564.1 简介 564.2 类与对象 584.3 __init__方法 594.4 对象的方法 614.5 继承 654.6 上机实验 68第5章 Python实用模块 695.1 什么是模块 695.2 NumPy 705.3 Pandas 755.4 SciPy 815.5 scikit-learn 845.6 其他Python常用模块 875.7 小结 885.8 上机实验 88第6章 图表绘制入门 896.1 Matplotlib 896.2 Bokeh 946.3 其他优秀的绘图模块 976.4 小结 976.5 上机实验 97第二部分 建模应用篇第7章 分类与预测 1007.1 回归分析 1007.1.1 线性回归 1017.1.2 逻辑回归 1047.2 决策树 1077.2.1 ID3算法 1077.2.2 其他树模型 1117.3 人工神经网络 1137.4 kNN算法 1227.5 朴素贝叶斯分类算法 1247.6 小结 1277.7 上机实验 127第8章 聚类分析建模 1298.1 K-Means聚类分析函数 1298.2 系统聚类算法 1338.3 DBSCAN聚类算法 1388.4 上机实验 142第9章 关联规则分析 1449.1 Apriori关联规则算法 1459.2 Apriori在Python中的实现 1469.3 小结 1499.4 上机实验 149第10章 智能推荐 15110.1 基于用户的协同过滤算法 15210.2 基于用户的协同过滤算法在Python中的实现 15410.3 小结 15710.4 上机实验 157第11章 时间序列分析 15911.1 ARIMA模型 15911.2 小结 17111.3 上机实验 172参考文献 174