《數據科學導引》是2017年高等教育出版社出版圖書，作者是歐高炎，朱占星，董彬，鄂維南。
基本介紹
- 書名：數據科學導引
- 作者：歐高炎、朱占星、董彬、鄂維南
- ISBN：9787040489118
- 頁數：396
- 出版社：高等教育出版社
- 出版時間：2017-12-01
- 裝幀：平裝
- 開本：16開
- 正文語種：中文
- 字數：340000
內容簡介,圖書目錄,
內容簡介
《數據科學導引》內容共分十五章，包括緒論、數據預處理、回歸模型、分類模型、集成模型、聚類模型、關聯規則挖掘、降維、特徵選擇、EM算法、機率圖模型、文本分析、圖與網路分析、深度學習、分散式計算。附錄部分對相關的基礎知識做了簡要介紹。
圖書目錄
第一章 緒論
1．1 數據科學的基本內容
1．2 對學科發展的影響
1．3 對科學研究的影響
1．4 數據科學的課程體系
1．5 本書內容介紹
第二章 數據預處理
2．1 特徵編碼
2．2 缺失值處理
2．3 數據標準化
2．4 特徵離散化
2．5 離群值檢測
2．6 其他預處理方法
案例與實戰
第三章 回歸模型
3．1 線性回歸
3．2 線性回歸正則化
3．3 非線性回歸
案例與實戰
第四章 分類模型
4．1 邏輯回歸
4．2 K近鄰
4．3 決策樹
4．4 樸素貝葉斯
4．5 支持向量機
案例與實戰
第五章 集成模型
5．1 集成方法綜述
5．2 隨機森林
5．3 AdaBoost
5．4 套用實例：個人信用風險評估
案例與實戰
第六章 聚類模型
6．1 K-means聚類
6．2 層次聚類
6．3 譜聚類
6．4 基於密度的聚類
6．5 小結
案例與實戰
第七章 關聯規則挖掘
7．1 關聯規則概述
7．2 Apriori算法
7．3 FP-Growth算法
案例與實戰
第八章 降維
8．1 主成分分析
8．2 線性判別分析
8．3 多維尺度變換
8．4 局部線性嵌入
8．5 其他降維方法
案例與實戰
第九章 特徵選擇
9．1 特徵選擇的一般過程
9．2 特徵選擇常用的方法
9．3 無監督特徵選擇
9．4 小結
案例與實戰
第十章 EM算法
10．1 EM算法
10．2 EM的套用：高斯混合模型
10．3 小結
案例與實戰
第十一章 機率圖模型
11．1 機率圖模型概述
11．2 隱馬爾可夫模型
11．3 條件隨機場
11．4 小結
案例與實戰
第十二章 文本分析
12．1 文本表示模型
12．2 主題模型
12．3 情感分析
案例與實戰
第十三章 圖與網路分析
13．1 基本概念
13．2 幾何特徵
13．3 連結分析
13．4 社區發現
13．5 知識圖譜
案例與實戰
第十四章 深度學習
14．1 多層感知機
14．2 深度學習模型的最佳化
14．3 卷積神經網路
14．4 循環神經網路
14．5 小結
案例與實戰
第十五章 分散式計算
15．1 Hadoop：分散式存儲與處理
15．2 常見模型的Map Reduce實現
15．3 Spark：分散式數據分析
15．4 其他分散式系統
附錄
A．矩陣運算
B．機率論基礎
C．最佳化算法
D．距離
E．模型評估
參考文獻
1．1 數據科學的基本內容
1．2 對學科發展的影響
1．3 對科學研究的影響
1．4 數據科學的課程體系
1．5 本書內容介紹
第二章 數據預處理
2．1 特徵編碼
2．2 缺失值處理
2．3 數據標準化
2．4 特徵離散化
2．5 離群值檢測
2．6 其他預處理方法
案例與實戰
第三章 回歸模型
3．1 線性回歸
3．2 線性回歸正則化
3．3 非線性回歸
案例與實戰
第四章 分類模型
4．1 邏輯回歸
4．2 K近鄰
4．3 決策樹
4．4 樸素貝葉斯
4．5 支持向量機
案例與實戰
第五章 集成模型
5．1 集成方法綜述
5．2 隨機森林
5．3 AdaBoost
5．4 套用實例：個人信用風險評估
案例與實戰
第六章 聚類模型
6．1 K-means聚類
6．2 層次聚類
6．3 譜聚類
6．4 基於密度的聚類
6．5 小結
案例與實戰
第七章 關聯規則挖掘
7．1 關聯規則概述
7．2 Apriori算法
7．3 FP-Growth算法
案例與實戰
第八章 降維
8．1 主成分分析
8．2 線性判別分析
8．3 多維尺度變換
8．4 局部線性嵌入
8．5 其他降維方法
案例與實戰
第九章 特徵選擇
9．1 特徵選擇的一般過程
9．2 特徵選擇常用的方法
9．3 無監督特徵選擇
9．4 小結
案例與實戰
第十章 EM算法
10．1 EM算法
10．2 EM的套用：高斯混合模型
10．3 小結
案例與實戰
第十一章 機率圖模型
11．1 機率圖模型概述
11．2 隱馬爾可夫模型
11．3 條件隨機場
11．4 小結
案例與實戰
第十二章 文本分析
12．1 文本表示模型
12．2 主題模型
12．3 情感分析
案例與實戰
第十三章 圖與網路分析
13．1 基本概念
13．2 幾何特徵
13．3 連結分析
13．4 社區發現
13．5 知識圖譜
案例與實戰
第十四章 深度學習
14．1 多層感知機
14．2 深度學習模型的最佳化
14．3 卷積神經網路
14．4 循環神經網路
14．5 小結
案例與實戰
第十五章 分散式計算
15．1 Hadoop：分散式存儲與處理
15．2 常見模型的Map Reduce實現
15．3 Spark：分散式數據分析
15．4 其他分散式系統
附錄
A．矩陣運算
B．機率論基礎
C．最佳化算法
D．距離
E．模型評估
參考文獻
