《數據科學實戰入門：使用Python和R》是2020年清華大學出版社出版的圖書，作者是[美]Chantal D.Larose,[美]Daniel T.Larose。
基本介紹
- 中文名：數據科學實戰入門：使用Python和R
- 作者：[美]Chantal D.Larose,[美]Daniel T.Larose
- 類別：數據倉庫與數據挖掘
- 出版社：清華大學出版社
- 出版時間：2020年7月
- 定價：69.80 元
- 開本：16 開
- 裝幀：平裝-膠訂
- ISBN：9787302553793
內容簡介,圖書目錄,作者簡介,
內容簡介
《數據科學實戰入門 使用Python和R》一書將使你深入了解數據科學*流行的兩大開源平台：Python和R。 當前數據科學非常熱門。Python和R是世界更流行的兩個開源數據科學工具。在本書中，你將逐步學習如何使用更先進的技術，針對現實世界的業務問題提供切實可行的解決方案。 本書為沒有數據分析和編程經驗的讀者編寫。第1章專門為初學者講解Pyhton和R的基礎知識。此後的每一章都提供了使用Python和R解決數據科學問題的分步說明和實踐演練。 對於那些有數據分析經驗的讀者而言，他們將一站式學習如何使用Python和R進行數據科學實踐。本書的主題涵蓋數據準備、探索性數據分析、準備建模數據、決策樹、模型評估、錯誤分類代價、樸素貝葉斯分類、神經網路、聚類、回歸建模、降維和關聯規則挖掘。此外，本書還包含一些令人興奮的新主題，如隨機森林和廣義線性模型。 本書在每章的結尾提供了大量的練習，共有500多道習題。通過實踐性的分析習題，讀者將能輕鬆應對使用真實數據集解決有趣業務問題的挑戰。
圖書目錄
第1章 數據科學導引 1
1.1 為何學習數據科學 1
1.2 何為數據科學 1
1.3 數據科學方法論 2
1.4 數據科學任務 5
1.4.1 描述 5
1.4.2 估計 6
1.4.3 分類 6
1.4.4 聚類 6
1.4.5 預測 6
1.4.6 關聯 7
1.5 習題 7
第2章 Python和R語言基礎 9
2.1 下載Python 9
2.2 Python編程基礎 10
2.2.1 在Python中使用注釋 10
2.2.2 在Python中執行命令 11
2.2.3 在Python中導入軟體包 11
2.2.4 將數據引入Python 12
2.2.5 在Python中保存輸出 13
2.2.6 訪問Python中的記錄和變數 14
2.2.7 在Python中設定圖形 16
2.3 下載R和RStudio 18
2.4 R語言編程基礎 19
2.4.1 在R中使用注釋 20
2.4.2 在R中執行命令 20
2.4.3 在R中導入軟體包 20
2.4.4 將數據導入R 21
2.4.5 在R中保存輸出 23
2.4.6 在R中訪問記錄和變數 24
2.5 習題 26
第3章 數據準備 29
3.1 銀行行銷數據集 29
3.2 問題理解階段 29
3.2.1 明確闡明項目目標 29
3.2.2 將這些目標轉化為數據科學問題 30
3.3 數據準備階段 30
3.4 添加索引欄位 31
3.4.1 如何使用Python添加索引欄位 31
3.4.2 如何使用R添加索引欄位 32
3.5 更改誤導性欄位值 33
3.5.1 如何使用Python更改誤導性欄位值 33
3.5.2 如何使用R更改誤導性欄位值 35
3.6 將分類數據重新表示為數字 36
3.6.1 如何使用Python重新表達分類欄位值 37
3.6.2 如何使用R重新表達分類欄位值 38
3.7 標準化數字欄位 39
3.7.1 如何使用Python標準化數字欄位 40
3.7.2 如何使用R標準化數字欄位 40
3.8 識別異常值 40
3.8.1 如何使用Python識別異常值 41
3.8.2 如何使用R識別異常值 42
3.9 習題 43
第4章 探索性數據分析 47
4.1 EDA對比HT 47
4.2 疊加了response的條形圖 47
4.2.1 如何使用Python構建疊加的條形圖 49
4.2.2 如何使用R構建疊加的條形圖 50
4.3 列聯表 51
4.3.1 如何使用Python構建列聯表 52
4.3.2 如何使用R構建列聯表 53
4.4 疊加有回響的柱狀圖 54
4.4.1 如何使用Python構建疊加柱狀圖 55
4.4.2 如何使用R構建疊加柱狀圖 58
4.5 基於預測值的分箱 59
4.5.1 如何使用Python基於預測值執行分箱 61
4.5.2 如何使用R基於預測值執行分箱 63
4.6 習題 64
第5章 為建模數據做準備 69
5.1 迄今完成的任務 69
5.2 數據分區 69
5.2.1 如何使用Python對數據進行分區 70
5.2.2 如何使用R對數據進行分區 71
5.3 驗證數據分區 72
5.4 平衡訓練數據集 73
5.4.1 如何使用Python平衡訓練數據集 73
5.4.2 如何使用R平衡訓練數據集 75
5.5 建立模型性能基準 76
5.6 習題 78
第6章 決策樹 81
6.1 決策樹簡介 81
6.2 分類與回歸樹 83
6.2.1 如何使用Python構建CART決策樹 83
6.2.2 如何使用R構建CART決策樹 86
6.3 用於構建決策樹的C5.0算法 88
6.3.1 如何使用Python構建C5.0決策樹 89
6.3.2 如何使用R構建C5.0決策樹 90
6.4 隨機森林 91
6.4.1 如何使用Python構建隨機森林 92
6.4.2 如何使用R構建隨機森林 92
6.5 習題 93
第7章 模型評估 97
7.1 模型評估簡介 97
7.2 分類評價措施 97
7.3 靈敏度和特異度 99
7.4 精確度、召回率和Fβ分數 99
7.5 模型評估方法 100
7.6 模型評估的套用示例 100
7.7 說明不對稱的錯誤成本 104
7.8 比較考慮和不考慮不相等錯誤成本的模型 106
7.9 數據驅動的錯誤成本 107
7.10 習題 110
第8章 樸素貝葉斯分類 113
8.1 樸素貝葉斯簡介 113
8.2 貝葉斯定理 113
8.3 化後驗假設 114
8.4 分類條件獨立性 114
8.5 樸素貝葉斯分類的套用 115
8.5.1 Python中的樸素貝葉斯 120
8.5.2 R中的樸素貝葉斯 123
8.6 習題 126
第9章 神經網路 129
9.1 神經網路簡介 129
9.2 神經網路結構 129
9.3 連線權重和組合函式 131
9.4 sigmoid激活函式 133
9.5 反向傳播 133
9.6 神經網路模型的套用 134
9.7 解釋神經網路模型中的權重 136
9.8 如何在R中使用神經網路 137
9.9 習題 138
第10章 聚類 141
10.1 聚類的定義 141
10.2 k均值聚類算法簡介 142
10.3 k均值聚類的套用 143
10.4 簇驗證 144
10.5 如何使用Python執行k均值聚類 145
10.6 如何使用R執行k均值聚類 147
10.7 習題 149
第11章 回歸建模 151
11.1 估計任務 151
11.2 回歸建模描述 151
11.3 多元回歸建模的套用 152
11.4 如何使用Python執行多重回歸建模 154
11.5 如何使用R執行多重回歸建模 156
11.6 用於估計的模型評估 158
11.6.1 如何使用Python進行估計模型評估 159
11.6.2 如何使用R進行估計模型評估 161
11.7 逐步回歸 162
11.8 回歸的基準模型 163
11.9 習題 164
第12章 降維 169
12.1 降維的必要性 169
12.2 多重共線性 170
12.3 使用方差膨脹因子識別多重共線性 173
12.3.1 如何使用Python識別多重共線性 174
12.3.2 如何使用R識別多重共線性 175
12.4 主成分分析 177
12.5 主成分分析的套用 178
12.6 我們應該提取多少分量 179
12.6.1 特徵值準則 179
12.6.2 方差解釋比例的準則 180
12.7 執行k = 4的PCA 180
12.8 主成分分析的驗證 181
12.9 如何使用Python進行主成分分析 182
12.10 如何使用R進行主成分分析 184
12.11 何時多重共線性不是問題 187
12.12 習題 187
第13章 廣義線性模型 191
13.1 廣義線性模型概述 191
13.2 線性回歸是一種廣義線性模型 192
13.3 作為廣義線性模型的邏輯回歸 192
13.4 邏輯回歸模型的套用 193
13.4.1 如何使用Python執行邏輯回歸 194
13.4.2 如何使用R執行邏輯回歸 195
13.5 泊松回歸 196
13.6 泊松回歸模型的套用 197
13.6.1 如何使用Python執行泊松回歸 197
13.6.2 如何使用R執行泊松回歸 199
13.7 習題 199
第14章 關聯規則 203
14.1 關聯規則簡介 203
14.2 關聯規則挖掘的簡單示例 203
14.3 支持度、信任度和提升度 204
14.4 挖掘關聯規則 206
14.5 確認我們的指標 211
14.6 置信差準則 212
14.7 置信商準則 213
14.8 習題 215
附錄A 數據匯總與可視化 219
作者簡介
Chantal D. Larose博士是東康乃狄克州立大學(ECSU)統計學與數據科學的助理教授。她已經參與撰寫了三本有關數據科學和預測性分析的著作，並在ECSU和紐約州立大學新帕爾茲分校(SUNY New Paltz)參與開發了數據科學相關程式。
Daniel T. Larose博士是中央康乃狄克州立大學數據科學和統計學的教授，數據科學項目主任。他在數據科學、數據挖掘、預測性分析和統計學方面出版了多本著作。
