新書推薦:
《
汗青堂丛书147·光明时代:中世纪新史
》
售價:HK$
85.1
《
能成事的团队
》
售價:HK$
111.9
《
现代无人机鉴赏(珍藏版)
》
售價:HK$
78.2
《
汗青堂丛书·晚清风云(4册套装):帝国的切口 清朝与中华传统文化 太平天国运动史 冲击与回应
》
售價:HK$
427.8
《
穿在身上的历史:世界服饰图鉴(增订珍藏版)
》
售價:HK$
557.8
《
历史的严妆:解读道学阴影下的南宋史学(中华学术·有道)
》
售價:HK$
109.8
《
海外中国研究·江南:中国文雅的源流
》
售價:HK$
76.2
《
迟缓的巨人:“大而不能倒”的反思与人性化转向
》
售價:HK$
77.3
|
編輯推薦: |
当前众多中小型企业都面临着大量的数据,但缺乏实用的技术支持定量分析。通过使用最新的开源技术,利用数据分析技术能够帮助这些企业提供更好的客户服务,可视化客户需求,增强对未来产品性能的洞见力。奎斯塔编著的《实用数据分析大数据技术丛书》详细阐释了机器学习技术、社会化网络分析以及计量经济学,可以帮助你了解数据的性质,并把它转化为洞察力。
|
內容簡介: |
本书共14章,主要内容包括: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并介绍了数据清洗工具OpenRefine。第3章展示在JavaScript可视化框架下应用D3.js语言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章介绍了一个应用动态时间规整方法来寻找图像间相似性的项目。第6章解释如何使用随机游走算法和可视化的D3.js动画技术来模拟股票价格。第7章介绍核岭回归(KRR)的原理以及如何使用此方法和时间序列数据来预测黄金价格。第8章描述如何使用支持向量机的方法进行分类分析。第9章应用细胞自动机的方法对传染病进行建模。第10章解释如何应用Gephi从Facebook获取你的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章介绍使用MongoDB进行数据处理和聚合。第13章详细介绍了如何在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。
|
目錄:
|
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
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
5.3 处理图像数据集
5.4 执行dtw
5.5 结果分析
5.6 小结
第6章 模拟股票价格
6.1 金融时间序列
6.2 随机游走模拟
6.3 蒙特·卡罗方法
6.4 生成随机数
6.5 用d3.js实现
6.6 小结
第7章 预测黄金价格
7.1 处理时间序列数据
7.2 平滑时间序列
7.3 数据——历史黄金价格
7.4 非线性回归
7.4.1 核岭回归
7.4.2 平滑黄金价格时间序列
7.4.3 平滑时间序列的预测
7.4.4 对比预测值
7.5 小结
第8章 使用支持向量机的方法进行分析
8.1 理解多变量数据集
8.2 降维
8.2.1 线性无差别分析
8.2.2 主成分分析
8.3 使用支持向量机
8.3.1 核函数
8.3.2 双螺旋问题
8.3.3 在mlpy中执行svm
8.4 小结
第9章 应用细胞自动机的方法对传染病进行建模
9.1 流行病学简介
9.2 流行病模型
9.2.1 sir模型
9.2.2 使用scipy来解决sir模型的常微分方程
9.2.3 sirs模型
9.3 对细胞自动机进行建模
9.3.1 细胞、状态、网格和邻域
9.3.2 整体随机访问模型
9.4 通过d3.js模拟ca中的sirs模型
9.5 小结
第10章 应用社会化图谱
10.1 图谱的结构
10.1.1 间接图谱
10.1.2 直接图谱
10.2 社会化网络分析
10.3 捕获facebook图谱
10.4 使用gephi对图谱进行再现
10.5 统计分析
10.6 度的分布
10.6.1 图谱直方图
10.6.2 集中度
10.7 将gdf转化为json
10.8 在d3.js环境下进行图谱可视化
10.9 小结
第11章 对twitter数据进行情感分析
11.1 解析twitter数据
11.1.1 tweet
11.1.2 粉丝
11.1.3 热门话题
11.2 使用oauth访问api
11.3 开始使用twython
11.3.1 简单查询
11.3.2 处理时间表
11.3.3 处理粉丝
11.3.4 处理地点和趋势信息
11.4 情感分类
11.4.1 anew
11.4.2 语料库
11.5 使用nltk
11.5.1 单词包
11.5.2 朴素贝叶斯
11.5.3 tweet的情感分析
11.6 小结
第12章 使用mongodb进行数据处理和聚合
12.1 开始使用mongodb
12.1.1 数据库
12.1.2 集合
12.1.3 文件
12.1.4 mongo shell
12.1.5 insertupdatedelete
12.1.6 queries查询
12.2 数据准备
12.2.1 使用openrefine进行数据转换
12.2.2 通过pymongo来插入文件
12.3 分组
12.4 聚合框架
12.4.1 流水线
12.4.2 表达式
12.5 小结
第13章 使用mapreduce方法
13.1 mapreduce概述
13.2 编程模型
13.3 在mongodb中使用mapreduce
13.3.1 map函数
13.3.2 reduce函数
13.3.3 使用mongo shell
13.3.4 使用umongo
13.3.5 使用pymongo
13.4 过滤输入集合
13.5 分组和聚合
13.6 文字云对tweet中最常见的积极词汇进行可视化
13.7 小结
第14章 使用ipython和wakari进行在线数据分析
14.1 开始使用wakari
14.2 开始使用ipython记事本
14.3 通过pil进行图像处理简介
14.3.1 打开一个图像
14.3.2 图像直方图
14.3.3 过滤
14.3.4 操作
14.3.5 转化
14.4 使用pandas
14.4.1 处理时间序列
14.4.2 通过数据框架来操作多变量数据集
14.4.3 分组、聚合和相关
14.5 使用ipython进行多机处理
14.6 分享你的记事本
14.7 小结
附录 环境搭建
|
|