數據有道（數據分析+圖論與網絡+微課+Python編程）
薑偉生
- 出版商: 清華大學
- 出版日期: 2024-10-01
- 定價: $1,428
- 售價: 8.5 折 $1,214
- 語言: 簡體中文
- ISBN: 7302671575
- ISBN-13: 9787302671572
-
相關分類:
Data Science
下單後立即進貨 (約4週~6週)
買這商品的人也買了...
-
世界第一簡單馬達$280$252 -
統計學習理論基礎$258$245 -
Windows 黑客編程技術詳解$648$616 -
人工智能算法 捲1 基礎算法$354$336 -
特徵工程不再難：資料科學新手也能輕鬆搞定！ (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406 -
$403機器學習中的概率統計：Python 語言描述 -
人工智能算法 捲2 受大自然啟發的算法$414$393 -
金融中的機器學習$611$575 -
NLP 大神 RNN 網路：Python 原始程式碼手把手帶你寫$890$703 -
$704嵌入式實時操作系統 — 基於 ARM Mbed OS 的應用實踐 -
PID 控制系統設計 — 使用 MATLAB 和 Simulink 模擬與分析$534$507 -
$607利用 Python 實現概率、統計及機器學習方法（原書第2版） -
精通機器學習算法$1,014$963 -
強化學習演算法入門$419$398 -
編程不難 (全彩圖解 + 微課 + Python 編程)$1,608$1,528 -
可視之美（數據可視化+數學藝術+學術繪圖+Python創意編程）$1,548$1,471 -
算法設計與實踐$359$341 -
$454深度學習與大模型基礎（簡體書） -
$301最優化理論與智能算法 -
$913Python 金融數據分析 -
Linux 核心除錯實務 (Linux Kernel Debugging: Leverage proven tools and advanced techniques to effectively debug Linux kernels and kernel modules)$800$600 -
線性代數與數據學習$828$787 -
機器學習（全彩圖解 + 微課 + Python編程）$1,428$1,357 -
Python 時間序列預測$774$735 -
Microcontroller Exploits (Hardcover)$1,840$1,748
相關主題
商品描述
"《數據有道 : 數據分析+ 圖論與網絡+微課+Python編程》是“鳶尾花數學大系—從加減乘除到機器學習”叢書的第三板塊 ( 實踐板塊 ) 中的一本關於數據 科學的分冊。“實踐”這個板塊，我們將會把學到的編程、可視化， 特別是數學工具應用到具體的數據科學、 機器學習算法中，並在實踐中加深對這些工具的理解。 《數據有道 : 數據分析+ 圖論與網絡+微課+Python編程》可以歸納為 7 大板塊—數據說、數據處理、時間數據、圖論基礎、圖的分析、圖與矩陣、圖論實踐。 這 7 個板塊 ( 共 25 章內容 ) 都緊緊圍繞一個主題—數據！ 《數據有道 : 數據分析+ 圖論與網絡+微課+Python編程》以數據為名，以好奇心和疑問為驅動，主動使用“編程 + 可視化 + 數學”工具進行探索。《數據有道 : 數據分析+ 圖論與網絡+微課+Python編程》將 會回顧鳶尾花書前五本主要的工具，讓大家對很多概念從似懂非懂變成如數家珍；同時，我們還會掌握更 多工具，用來擴展大家的知識網絡。 依照慣例，《數據有道 : 數據分析+ 圖論與網絡+微課+Python編程》提供代碼和視頻教學。 《數據有道 : 數據分析+ 圖論與網絡+微課+Python編程》讀者群包括數據科學從業者、大數據從業者、高級數據分析師、機器學習開發者、電腦圖形學 研究者等。 "
目錄大綱
緒論 ????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????? 1
第一板塊 綜述??????????????????????????????????????????????????????5
第 1章 萬物皆數 ???????????????????????????????????????????????????????????????????????????????????????????????????????????? 7
1.1 萬物皆數：從矩陣說起 8
1.2 數據分類：定量 ( 連續、離散 ) 、定性 ( 定類、定序 ) 14
1.3 機器學習：四大類算法 17
1.4 特徵工程：提取、轉換、構建數據 21
第2板塊 數據處理??????????????????????????????????????????????????????23
第 2章 缺失值 ?????????????????????????????????????????????????????????????????????????????????????????????????????????????? 25
2.1 是不是缺了幾個數？ 26
2.2 可視化缺失值位置 30
2.3 處理缺失值：刪除 34
2.4 單變量插補 37
2.5 k 近鄰插補 39
2.6 多變量插補 41
第 3章 離群值 ?????????????????????????????????????????????????????????????????????????????????????????????????????????????? 43
3.1 這幾個數有點不合群？ 44
3.2 直方圖：單一特徵分佈 46
3.3 散點圖：成對特徵分佈 49
3.4 QQ 圖：分位數 - 分位數 51
3.5 箱型圖：上界、下界之外樣本 54
3.6 Z 分數：樣本數據標準化 55
3.7 馬氏距離和其他方法 57
第4章 數據轉換 63
4.1 數據轉換 64
4.2 中心化：去均值 65
4.3 標準化：Z 分數 69
4.4 歸一化：取值在 0 和 1 之間 71
4.5 廣義冪轉換 72
4.6 經驗累積分佈函數 74
4.7 插值 79
第 5章 數據距離 91
5.1 怎麽又聊距離？ 92
5.2 歐氏距離：最常見的距離 94
5.3 標準化歐氏距離：考慮標準差 96
5.4 馬氏距離：考慮標準差和相關性 99
5.5 城市街區距離：L1 範數 101
5.6 切比雪夫距離：L ∞範數 102
5.7 閔氏距離：Lp 範數 103
5.8 距離與親近度 104
5.9 成對距離、成對親近度 108
5.10 協方差矩陣，為什麽無處不在？ 110
第3板塊 時間數據??????????????????????????????????????????????????????127
第6 時間數據 129
6.1 時間序列數據 130
6.2 處理時間序列缺失值 133
6.3 從時間數據中發現趨勢 135
6.4 時間序列分解 138
6.5 時間數據講故事 143
第 7章 移動窗口 157
7.1 移動窗口 158
7.2 移動波動率 162
7.3 相關性 165
7.4 回歸系數 166
7.5 指數加權移動平均 167
7.6 EWMA 波動率 169
第 8章 隨機過程入門 ??????????????????????????????????????????????????????????????????????????????????????????????? 175
8.1 布朗運動：來自花粉顆粒無規則運動 176
8.2 無漂移布朗運動 180
8.3 漂移布朗運動：確定 + 隨機 182
8.4 具有一定相關性的布朗運動 185
8.5 幾何布朗運動 188
8.6 股價模擬 190
8.7 相關股價模擬 193
第 9章 高斯過程 ??????????????????????????????????????????????????????????????????????????????????????????????????????? 197
9.1 高斯過程原理 198
9.2 協方差矩陣 202
9.3 分塊協方差矩陣 206
9.4 後驗 206
9.5 噪聲 210
9.6 核函數 211
第4板塊 圖論基礎??????????????????????????????????????????????????????223
第 10章 圖論入門 225
10.1 什麽是圖？ 226
10.2 圖和幾何 233
10.3 圖和矩陣 234
10.4 圖和機器學習 236
10.5 NetworkX 241
第 11章 無向圖 ???????????????????????????????????????????????????????????????????????????????????????????????????????? 243
11.1 無向圖：邊沒有方向 244
11.2 自環：節點到自身的邊 248
11.3 同構：具有等價關系的圖 250
11.4 多圖：同一對節點存在不止一條邊 253
11.5 子圖：圖的一部分 254
11.6 有權圖：邊自帶權重 256
第 12章 有向圖 ???????????????????????????????????????????????????????????????????????????????????????????????????????? 261
12.1 有向圖：邊有方向 ??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????? 262
12.2 出度、入度 265
12.3 鄰居：上家、下家 266
12.4 有向多圖：平行邊 267
12.5 三元組：三個節點的 16 種關系 269
12.6 NetworkX 創建圖 273
第 13章 圖的可視化 ???????????????????????????????????????????????????????????????????????????????????????????????? 281
13.1 節點位置 282
13.2 節點裝飾 286
13.3 邊裝飾 289
13.4 分別繪制節點和邊 291
第5板塊 圖的分析??????????????????????????????????????????????????????299
第 14章 常見圖 ??????????????????????????????????????????????????????????????????????????????????????????????????????? 301
14.1 常見圖類型 302
14.2 完全圖 303
14.3 二分圖 307
14.4 正則圖 310
14.5 樹 311
14.6 柏拉圖圖 315
第 15章 從路徑說起 ???????????????????????????????????????????????????????????????????????????????????????????????? 321
15.1 通道、跡、路徑、迴路、環 322
15.2 常見路徑問題 333
15.3 最短路徑問題 334
15.4 歐拉路徑 339
15.5 哈密爾頓路徑 339
15.6 推銷員問題 340
第 16章 連通性 ??????????????????????????????????????????????????????????????????????????????????????????????????????? 343
16.1 連通性 344
16.2 連通分量 349
16.3 強連通、弱連通：有向圖 352
16.4 橋 353
第 17章 圖的分析 ???????????????????????????????????????????????????????????????????????????????????????????????????? 357
17.1 度分析 358
17.2 距離度量 363
17.3 中心性 372
17.4 圖的社區 380
第6板塊 圖與矩陣 ?????????????????????????????????????????????????????? 383
第 18章 從圖到矩陣 ??????????????????????????????????????????????????????????????????????????????????????????????? 385
18.1 無向圖到鄰接矩陣 386
18.2 有向圖到鄰接矩陣 397
18.3 傳球問題 399
18.4 鄰接矩陣的矩陣乘法 406
18.5 特徵向量中心性 409
第 19章 成對度量矩陣 ??????????????????????????????????????????????????????????????????????????????????????????? 413
19.1 成對距離矩陣 414
19.2 親近度矩陣：高斯核函數 420
19.3 相關性系數矩陣 424
第 20章 轉移矩陣 ??????????????????????????????????????????????????????????????????????????????????????????????????? 429
20.1 再看鄰接矩陣 430
20.2 轉移矩陣：可能性 435
20.3 有向圖 436
20.4 馬爾可夫鏈 442
第 21章 其他矩陣 ??????????????????????????????????????????????????????????????????????????????????????????????????? 449
21.1 圖中常見矩陣 450
21.2 關聯矩陣 450
21.3 度矩陣 462
21.4 拉普拉斯矩陣 464
第7板塊 圖論實踐 ???????????????????????????????????????????????????????????????????????????????????????????????????? 475
第 22章 樹 ??????????????????????????????????????????????????????????????????????????????????????????????????????????????? 477
22.1 樹 478
22.2 最近共同祖先 484
22.3 最小生成樹 485
22.4 決策樹：分類算法 487
22.5 層次聚類 490
22.6 樹形圖：聚類算法 496
第 23章 數據聚類 ??????????????????????????????????????????????????????????????????????????????????????????????????? 499
23.1 數據聚類 500
23.2 距離矩陣 502
23.3 相似度 504
23.4 無向圖 506
23.5 拉普拉斯矩陣 507
23.6 特徵值分解 509
第 24章 PageRank算法 ?????????????????????????????????????????????????????????????????????????????????????????? 513
24.1 PageRank 算法 514
24.2 線性方程組 522
24.3 冪迭代 526
第 25章 社交網絡分析 ??????????????????????????????????????????????????????????????????????????????????????????? 533
25.1 社交網絡分析 534
25.2 度分析 536
25.3 圖距離 538
25.4 中心性 542
25.5 社區結構 547
