Anaconda数据科学实战

本书特色

[

Anaconda是一个强大的开源数据科学平台，它将很多好的工具整合在一起，极大地简化了使用者的工作流程，并能够帮助使用者解决一系列数据科学难题。 《Anaconda数据科学实战》旨在通过一系列示例，引导读者在编码和图表中了解Anaconda的强大之处。本书包括12章，结合R、Python、Octave和Julia等4种编程语言，从平台的安装和配置开始，循序渐进地引导读者掌握数据集的获取、数据可视化、统计建模、管理包、Anaconda的优化、无监督学习、监督学习、数据预测分析、云、分布式计算等内容。 本书示例丰富，讲解细致，作者不仅在金融领域有着深厚的积累，还有着丰富的教学经验。对于那些有兴趣了解金融领域数据科学的读者，以及普通的数据分析师或数据科学从业者，本书都是一个不错的选择。在阅读本书之前，我们希望读者具备R或Python的基本编程知识，以及线性代数相关的基本知识。

]

内容简介

[

本书讲解的是如何使用该工具在真实的环境中执行数据科学任务。本书涵盖了Anaconda的基础知识 (下载、安装、配置) , 使用Conda进行包管理的方法, 以及使用各种包进行数据分析的知识 (数据整理、归类、建模、可视化等) 。

]

作者简介

[

严玉星博士毕业于麦吉尔大学，获得金融学博士学位。他曾在加拿大、新加坡和美国的8 所大学教授各种金融课程，发表23篇研究和教学相关的论文，并著有6本书。此外，他还精通R、Python、SAS、MATLAB、Octave 和C 语言，是金融数据分析方面的专家。 詹姆斯·严当前在多伦多大学攻读计算机科学和统计学双学位。他还精通Python、R、Java、MATLAB 和SQL等。

]

目录

第 1章 Anaconda生态系统 11.1　简介　11.1.1　通过Anaconda使用Jupyter的理由　21.1.2　在无须预装的情况下使用Jupyter　21.2　Miniconda　51.3　Anaconda云　51.4　查找帮助　61.5　总结　81.6　问题回顾及练习　9第　2章 Anaconda安装　112.1　安装Anaconda　112.2　测试Python　132.3　使用IPython　142.4　通过Jupyter使用Python　162.5　Spyder简介　172.6　通过Conda安装R　192.7　安装Julia并链接到Jupyter　202.8　安装Octave并链接到Jupyter　212.9　查找帮助　232.10　总结　252.11　问题回顾及练习　25第3章　数据基础　273.1　数据源　283.2　UCI机器学习　283.3　Python包pandas简介　313.4　输入数据的几种方式　323.4.1　使用R输入数据　333.4.2　使用Python输入数据　343.5　Quandl数据分发平台简介　363.6　处理缺失数据　393.7　数据排序　423.7.1　切割数据集　453.7.2　合并不同数据集　453.7.3　数据输出　483.8　Python包cbsodata简介　493.9　Python包datadotworld简介　503.10　R包haven和foreign简介　513.11　R包dslabs简介　523.12　生成Python数据集　533.13　生成R数据集　553.14　总结　563.15　问题回顾及练习　56第4章　数据可视化　594.1　数据可视化的重要性　594.2　R数据可视化　604.3　Python数据可视化　664.4　Julia数据可视化　694.5　绘制简单图形　714.5.1　各种条状图、饼图和直方图　744.5.2　添加趋势　754.5.3　添加图解和其他说明　764.6　R可视化包　794.7　Python可视化包　814.8　Julia可视化包　824.9　动态可视化　834.9.1　将图片存储为pdf　864.9.2　将动态可视化存储为HTML文件　864.10　总结　874.11　问题回顾及练习　87第5章　在Anaconda中统计建模　905.1　线性模型简介　915.2　在R、Python、Julia和Octave中运行线性回归　925.3　临界值和决策规则　965.4　F检验、临界值和决策规则　975.5　处理缺失数据　1045.5.1　清除缺失数据　1045.5.2　用其他值替换缺失数据　1055.6　检测及处理异常值　1065.7　几个多元线性模型　1085.8　共线性及其解决方案　1115.9　一个模型的性能测量　1135.10　总结　1135.11　问题回顾及练习　113第6章　管理包　1176.1　包、模块和工具箱简介　1186.2　使用包的两个示例　1186.3　查找所有R包　1236.4　查找所有Python包　1246.5　查找所有Julia包　1256.6　查找所有Octave包　1266.7　R中的任务视图　1266.8　查找手册　1286.9　包依赖　1296.10　R包管理　1306.11　Python包管理　1326.12　Julia包管理　1336.13　Octave包管理　1346.14　包管理器conda　1356.15　在R和Python中创建程序集　1376.16　查找环境变量　1386.17　总结　1406.18　问题回顾及练习　140第7章　Anaconda的优化　1427.1　为何优化很重要　1427.2　优化的一般问题　1447.3　二次优化　1487.3.1　R中的优化　1497.3.2　Python中的优化　1517.3.3　Julia中的优化　1537.3.4　Octave中的优化　1567.4　股票投资组合优化　1597.5　*优的税收政策　1617.6　R中用于优化的包　1627.7　Python中用于优化的包　1647.8　Octave中用于优化的包　1657.9　Julia中用于优化的包　1657.10　总结　1667.11　问题回顾及练习　166第8章　Anaconda中的无监督学习　1688.1　无监督学习简介　1698.2　层次聚类　1738.3　k-均值聚类　1778.4　Python包scipy简介　1798.5　Python包contrastive简介　1818.6　Python包sklearn（scikit-learn）简介　1818.7　R包rattle简介　1858.8　R包randomUniformForest简介　1878.9　R包Rmixmod简介　1898.10　Julia实现　1908.11　聚类分析的任务视图　1918.12　总结　1928.13　问题回顾及练习　192第9章　Anaconda中的监督学习　1949.1　监督学习概览　1949.2　分类　1999.2.1　k-*近邻算法　2009.2.2　贝叶斯分类器　2029.2.3　强化学习　2049.3　监督学习的R实现　2059.4　Python实现　2099.5　Octave实现　2139.6　Julia实现　2179.7　总结　2199.8　问题回顾及练习　220第　10章 数据预测分析：建模和验证　22310.1　理解数据预测分析　22310.2　有用的数据集　22410.2.1　R包AppliedPredictiveModeling　22610.2.2　时间序列分析　22810.3　预测未来事件　22910.3.1　季节性　23210.3.2　可视化组件　23310.3.3　R包LiblineaR　23410.3.4　R包datarobot　23610.3.5　R包eclust　23610.4　模型选择　23810.4.1　Python包model-catwalk　24010.4.2　Python包sklearn　24010.4.3　Julia包QuantEcon　24210.4.4　Octave包ltfat　24310.5　Granger因果关系检验　24510.6　总结　24710.7　问题回顾及练习　247第　11章 Anaconda云　25011.1　Anaconda云简介　25011.2　深入学习Jupyter Notebook　25111.2.1　Jupyter Notebook格式　25411.2.2　Notebooks分享　25611.2.3　项目分享　25811.2.4　环境分享　26011.3　复制他人的环境到本地　26111.4　总结　26511.5　问题回顾及练习　265第　12章 分布式计算、并行计算和HPCC　26712.1　分布式和并行计算简介　26712.1.1　并行处理的任务视图　26812.1.2　Python示例程序　26912.2　理解MPI　27012.2.1　R包Rmpi　27012.2.2　R包plyr　27112.2.3　R包parallel　27212.2.4　R包snow　27612.3　Python并行处理　27612.3.1　单词频率的并行处理　27812.3.2　Monte-Carlo期权定价并行处理　27812.4　计算节点　28012.5　Anaconda附加组件　28012.6　HPCC简介　28112.7　总结　28312.8　问题回顾及练习　283

封面

书名:Anaconda数据科学实战

作者:(美)严玉星，(美)詹姆斯·严(Jame

页数:284页

定价:¥79.0

出版社:人民邮电出版社

出版日期:2020-05-01

ISBN:9787115534507

PDF电子书大小:146MB 高清扫描完整版