Python大数据分析算法与实例 PDF下载 Java菜市场

下载链接:  点我一键跳转到 下载链接

下载声明:  本资料仅供个人学习和研究使用,不能用于商业用途,请在下载后24小时内删除。如果喜欢,请购买正版!

目录 完本至139章

  • 封面

  • 版权信息

  • 内容简介

  • 前言

  • 本书内容

  • 代码下载

  • 致谢

  • 第1章 大数据分析概述

  • 1.1 大数据分析背景

  • 1.2 大数据分析的应用

  • 1.3 大数据分析算法

  • 1.4 大数据分析工具

  • 1.5 本章小结

  • 第2章 数据特征算法分析

  • 2.1 数据分布性分析

  • 2.1.1 数据分布特征集中趋势的测定

  • 2.1.2 数据分布特征离散程度的测定

  • 2.1.3 数据分布特征偏态与峰度的测定

  • 2.2 数据相关性分析

  • 2.2.1 数据相关关系

  • 2.2.2 数据相关分析的主要内容

  • 2.2.3 相关关系的测定

  • 2.3 数据聚类性分析

  • 2.3.1 聚类分析定义

  • 2.3.2 聚类类型

  • 2.3.3 聚类应用

  • 2.4 数据主成分分析

  • 2.4.1 主成分分析的原理及模型

  • 2.4.2 数据主成分分析的几何解释

  • 2.4.3 数据主成分的导出

  • 2.4.4 证明主成分的方差是依次递减的

  • 2.4.5 数据主成分分析的计算

  • 2.5 数据动态性分析

  • 2.6 数据可视化

  • 2.7 本章小结

  • 第3章 大数据分析工具:NumPy

  • 3.1 NumPy简介

  • 3.2 NumPy环境安装配置

  • 3.3 ndarray对象

  • 3.4 数据类型

  • 3.5 数组属性

  • 3.6 数组创建例程

  • 3.7 切片和索引

  • 3.8 广播

  • 3.9 数组与元素操作

  • 3.9.1 数值迭代

  • 3.9.2 数组变形

  • 3.9.3 数组翻转

  • 3.9.4 修改维度

  • 3.9.5 数组连接

  • 3.9.6 数组分割

  • 3.9.7 添加/删除元素

  • 3.10 位操作与字符串函数

  • 3.11 数学运算函数

  • 3.12 算术运算

  • 3.13 统计函数

  • 3.14 排序、搜索和计数函数

  • 3.15 字节交换

  • 3.16 副本和视图

  • 3.17 矩阵库

  • 3.18 线性代数模块

  • 3.19 Matplotlib库

  • 3.20 Matplotlib 绘制直方图

  • 3.21 IO文件操作

  • 3.22 NumPy实例:GPS定位

  • 3.23 本章小结

  • 第4章 大数据分析工具:SciPy

  • 4.1 SciPy简介

  • 4.2 文件输入和输出:SciPy.io

  • 4.3 特殊函数:SciPy.special

  • 4.4 线性代数操作:SciPy.linalg

  • 4.5 快速傅里叶变换:sipy.fftpack

  • 4.6 优化器:SciPy.optimize

  • 4.7 统计工具:SciPy.stats

  • 4.8 SciPy实例

  • 4.8.1 最小二乘拟合

  • 4.8.2 函数最小值

  • 4.9 本章小结

  • 第5章 大数据分析工具:Matplotlib

  • 5.1 初级绘制

  • 5.2 图像、子区、子图、刻度

  • 5.3 其他种类的绘图

  • 5.4 本章小结

  • 第6章 大数据分析工具:Pandas

  • 6.1 Pandas系列

  • 6.2 Pandas数据帧

  • 6.3 Pandas面板

  • 6.4 Pandas快速入门

  • 6.5 本章小结

  • 第7章 大数据分析工具:Statsmodels与Gensim

  • 7.1 Statsmodels

  • 7.1.1 Statsmodels统计数据库

  • 7.1.2 Statsmodels典型的拟合模型概述

  • 7.1.3 Statsmodels举例

  • 7.2 Gensim

  • 7.2.1 基本概念

  • 7.2.2 训练语料的预处理

  • 7.2.3 主题向量的变换

  • 7.2.4 文档相似度的计算

  • 7.3 本章小结

  • 第8章 大数据分析算法与实例

  • 8.1 描述统计

  • 8.2 假设检验

  • 8.3 信度分析

  • 8.4 列联表分析

  • 8.5 相关分析

  • 8.6 方差分析

  • 8.6.1 单因素方差分析

  • 8.6.2 多因素方差分析

  • 8.7 回归分析

  • 8.8 聚类分析

  • 8.9 判别分析

  • 8.10 主成分分析

  • 8.11 因子分析

  • 8.12 时间序列分析

  • 8.13 生存分析

  • 8.14 典型相关分析

  • 8.15 RoC分析

  • 8.16 距离分析

  • 8.17 对应分析

  • 8.18 决策树分析

  • 8.19 神经网络—深度学习

  • 8.19.1 深度学习的基本模型

  • 8.19.2 新闻分类实例

  • 8.20 蒙特·卡罗模拟

  • 8.20.1 蒙特·卡罗模拟基本模型

  • 8.20.2 蒙特·卡罗模拟计算看涨期权实例

  • 8.21 关联规则

  • 8.21.1 关联规则的概念

  • 8.21.2 Apriori算法及实例

  • 8.21.3 FP树频集算法

  • 8.22 Uplift Modeling

  • 8.23 集成方法

  • Adaboost算法

  • 8.24 异常检测

  • 8.25 文本挖掘

  • 8.26 Boosting算法(提升法和Gradient Boosting)

  • 8.27 本章小结

  • 参考文献


打赏 支付宝打赏 微信打赏

如果文章对您有帮助,欢迎移至上方打赏按钮...

下载链接
公众号
Java菜市场,专注于技术干货分享,资源下载

[打开微信]->[扫描二维码]->[关注《Letter》]
发送“1739”,获取下载地址。
随手一点
  • 打酱油

    4人

  • 7人

  • 呵呵

    3人

  • 草泥马

    1人

文章评论 抢沙发