平台自营

5.00

商品评价 5

服务态度 5

发货速度 5

微信扫码查看移动端店铺

店铺

暂无联系方式

店内分类

商品详情

商品名称：Julia数据科学应用扎卡赖亚斯·弗格里斯人民邮电出版社 9787115473288 计算机与网络书籍

商品编号：634758421964

店铺：

重量：0.000千克

上架时间：2021-02-07 09:16:13

ISBN编号：9787115473288

书名：Julia数据科学应用,Julia数据科学应用

作者：扎卡赖亚斯·弗格里斯

出版社名称：人民邮电出版社

定价：69.00元

是否是套装：否

开本：16开

译者：陈光欣

更多参数>>

基本信息书名： Julia数据科学应用作者： (美)扎卡赖亚斯·弗格里斯(Zacharias Voulgaris)著出版社：人民邮电出版社出版日期： 2018-02-01版次： 1ISBN： 9787115473288市场价： 69.0目录第 1章 Julia简介t11.1 Julia如何提高数据科学水平t21.1.1 数据科学工作流程t31.1.2 Julia被数据科学社区接受的过程t51.2 Julia 扩展t61.2.1 包的质量t61.2.2 找到新的包t61.3 关于本书t7第 2章建立数据科学工作环境t92.1 Julia IDEt92.1.1 Junot102.1.2 IJuliat112.1.3 其他IDEt122.2 Julia扩展包t132.2.1 找到并选择扩展包t132.2.2 安装扩展包t142.2.3 使用扩展包t152.2.4 破解扩展包t162.3 IJulia基础t162.3.1 文件处理t162.3.2 在.jl文件中组织代码t192.3.3 引用代码t202.3.4 工作目录t202.4 要使 ...

基本信息

书名：

Julia数据科学应用

作者：

(美)扎卡赖亚斯·弗格里斯(Zacharias Voulgaris)著

出版社：

人民邮电出版社

出版日期：

2018-02-01

版次：

ISBN：

9787115473288

市场价：

69.0

目录第 1章 Julia简介t1

1.1 Julia如何提高数据科学水平t2

1.1.1 数据科学工作流程t3

1.1.2 Julia被数据科学社区接受的过程t5

1.2 Julia 扩展t6

1.2.1 包的质量t6

1.2.2 找到新的包t6

1.3 关于本书t7

第 2章建立数据科学工作环境t9

2.1 Julia IDEt9

2.1.1 Junot10

2.1.2 IJuliat11

2.1.3 其他IDEt12

2.2 Julia扩展包t13

2.2.1 找到并选择扩展包t13

2.2.2 安装扩展包t14

2.2.3 使用扩展包t15

2.2.4 破解扩展包t16

2.3 IJulia基础t16

2.3.1 文件处理t16

2.3.2 在.jl文件中组织代码t19

2.3.3 引用代码t20

2.3.4 工作目录t20

2.4 要使用的数据集t21

2.4.1 数据集描述t21

2.4.2 数据集t23

2.4.3 加载数据集t24

2.5 在Julia中实现一个简单的机器学习算法t25

2.5.1 算法描述t26

2.5.2 算法实现t27

2.5.3 算法测试t30

2.6 将工作区保存到数据文件t32

2.6.1 将数据保存为分隔值文件t32

2.6.2 将数据保存为Julia数据文件t33

2.6.3 将数据保存为文本文件t35

2.7 帮助t36

2.8 小结t36

2.9 思考题t37

第3章 Julia入门t39

3.1 数据类型t39

3.2 数组t42

3.2.1 数组基础t42

3.2.2 在数组中引用多个元素t43

3.2.3 多维数组t44

3.3 字典t44

3.4 基本命令与函数t45

3.4.1 print()和println()t46

3.4.2 typemax()和typemin()t46

3.4.3 collect()t47

3.4.4 show()t47

3.4.5 linspace()t48

3.5 数学函数t48

3.5.1 round()t48

3.5.2 rand()和randn()t49

3.5.3 sum()t52

3.5.4 mean()t53

3.6 数组与字典函数t53

3.6.1 int53

3.6.2 append!()t54

3.6.3 pop!()t54

3.6.4 push!()t55

3.6.5 splice!()t55

3.6.6 insert!()t56

3.6.7 sort()和sort!()t57

3.6.8 get()t57

3.6.9 keys()和values()t58

3.6.10 length()和size()t58

3.7 其他函数t59

3.7.1 time()t59

3.7.2 条件语句t59

3.7.3 string()t61

3.7.4 map()t62

3.7.5 versioin()t62

3.8 运算符、循环语句与条件语句t62

3.8.1 运算符t63

3.8.2 循环语句t64

3.8.3 break命令t66

3.9 小结t66

3.10 思考题t67

第4章 Julia进阶t68

4.1 字符串处理t68

4.1.1 split()t69

4.1.2 join()t70

4.1.3 正则表达式函数t70

4.2 定制函数t74

4.2.1 函数结构t74

4.2.2 匿名函数t75

4.2.3 多分派t75

4.2.4 函数示例t76

4.3 实现简单算法t77

4.4 创建完整解决方案t79

4.5 小结t83

4.6 思考题t84

第5章 Julia数据科学应用概述t85

5.1 数据科学工作流程t85

5.2 数据工程t88

5.2.1 数据准备t88

5.2.2 数据探索t90

5.2.3 数据表示t92

5.3 数据建模t93

5.3.1 数据发现t93

5.3.2 数据学习t94

5.4 信息萃取t96

5.4.1 数据产品创建t96

5.4.2 知识、交付物与可视化产品t97

5.5 保持开放型思维t99

5.6 在实际问题中应用数据科学流程t99

5.6.1 数据准备t99

5.6.2 数据探索t100

5.6.3 数据表示t101

5.6.4 数据发现t101

5.6.5 数据学习t102

5.6.6 数据产品创建t102

5.6.7 知识、交付物和可视化产品t103

5.7 小结t103

5.8 思考题t105

第6章 Julia数据工程t106

6.1 数据框t106

6.1.1 创建并填充数据框t107

6.1.2 数据框基础t108

6.1.3 引用数据框中的特定变量t109

6.1.4 探索数据框t109

6.1.5 筛选数据框t110

6.1.6 在数据框变量上应用函数t111

6.1.7 使用数据框进行工作t111

6.1.8 修改数据框t113

6.1.9 对数据框的内容进行排序t113

6.1.10 数据框的一些补充建议t114

6.2 导入与导出数据t115

6.2.1 使用.json数据文件t115

6.2.2 保存数据到.json文件t115

6.2.3 将数据文件加载到数据框t116

6.2.4 保存数据框到数据文件t116

6.3 数据清洗t117

6.3.1 数值型数据的清洗t117

6.3.2 文本型数据的清洗t118

6.4 数据格式化与转换t119

6.4.1 数值型数据的格式化t119

6.4.2 文本数据的格式化t119

6.4.3 数据类型的重要性t120

6.5 对数值型数据进行转换t120

6.5.1 标准化t121

6.5.2 离散化（分箱）与二值化t122

6.5.3 二值变量转换为连续型变量（仅对于二值分类问题）t123

6.5.4 文本数据转换t124

6.5.5 大小写标准化t124

6.5.6 向量化t124

6.6 初步的特征评价t126

6.6.1 回归t126

6.6.2 分类t126

6.6.3 特征评价补充说明t127

6.7 小结t128

6.8 思考题t129

第7章探索数据集t130

7.1 倾听数据t130

本章要使用的扩展包t131

7.2 计算基本统计量和相关性t131

7.2.1 变量概要t133

7.2.2 变量之间的相关性t134

7.2.3 两个变量之间的可比性t136

7.3 绘制统计图t136

7.3.1 图形语法t137

7.3.2 为可视化准备数据t137

7.3.3 箱线图t138

7.3.4 条形图t138

7.3.5 折线图t139

7.3.6 散点图t140

7.3.7 直方图t143

7.3.8 导出统计图到文件t144

7.4 假设检验t145

7.4.1 检验的基础知识t145

7.4.2 错误类型t146

7.4.3 灵敏度与特异度t146

7.4.4 显著性水平与检验力t146

7.4.5 KRUSKAL-WALLIS检验t147

7.4.6 T-检验t147

7.4.7 卡方检验t149

7.5 其他检验t151

7.6 统计检验附加说明t151

7.7 案例研究：探索OnlineNewsPopularity数据集t151

7.7.1 变量统计t152

7.7.2 可视化t153

7.7.3 假设t154

7.7.4 奇妙的T-SNE方法t155

7.7.5 结论t156

7.8 小结t156

7.9 思考题t159

第8章构建数据空间t160

8.1 主成分分析t161

8.1.1 在Julia中使用PCAt162

8.1.2 独立成分分析：主成分分析的常用替代方法t164

8.2 特征评价与选择t165

8.2.1 方法论概述t165

8.2.2 在Julia中使用余弦相似度进行特征评价与选择t166

8.2.3 在Julia中使用DID进行特征评价与选择t168

8.2.4 特征评价与选择方法的优缺点t170

8.3 其他数据降维技术t170

8.3.1 其他降维方法概述t171

8.3.2 何时使用降维方法t172

8.4 小结t172

8.5 思考题t173

第9章数据抽样与结果评价t175

9.1 抽样技术t175

9.1.1 基本抽样t176

9.1.2 分层抽样t176

9.2 分类问题的性能指标t177

9.2.1 混淆矩阵t177

9.2.2 准确度t178

9.2.3 精确度与召回度t180

9.2.4 F1指标t181

9.2.5 误判成本t181

9.2.6 受试者工作特征（ROC）曲线及相关指标t182

9.3 回归问题的性能指标t185

9.3.1 MSE及其变种RMSEt186

9.3.2 SSEt187

9.3.3 其他指标t187

9.4 K折交叉验证（KFCV）t188

9.4.1 在Julia中应用KFCVt189

9.4.2 KFCV小提示t189

9.5 小结t190

9.6 思考题t192

第 10章无监督式机器学习t193

10.1 无监督式学习基础知识t193

10.1.1 聚类的类型t194

10.1.2 距离的度量t195

10.2 使用K-均值算法分组数据t196

10.2.1 使用Julia实现K-均值聚类t197

10.2.2 对K-均值算法的使用建议t198

10.3 密度和DBSCAN算法t199

10.3.1 DBSCAN算法t199

10.3.2 在Julia中应用DBSCANt200

10.4 层次聚类t201

10.4.1 在Julia中使用层次聚类t201

10.4.2 何时使用层次聚类t203

10.5 聚类的验证方式t203

10.5.1 Silhouettest203

10.5.2 关于聚类验证的一些建议t204

10.6 关于有效进行聚类的一些建议t204

10.6.1 处理高维数据t205

10.6.2 标准化t205

10.6.3 可视化建议t205

10.7 小结t206

10.8 思考题t207

第 11章监督式机器学习t209

11.1 决策树t210

11.1.1 在Julia中使用决策树t211

11.1.2 关于决策树的一些建议t214

11.2 回归树t214

11.2.1 在Julia中实现回归树t215

11.2.2 关于回归树的一些建议t216

11.3 随机森林t216

11.3.1 在Julia中使用随机森林进行分类t216

11.3.2 在Julia中使用随机森林进行回归t218

11.3.3 关于随机森林的一些建议t219

11.4 基本神经网络t220

11.4.1 在Julia中使用神经网络t221

11.4.2 关于神经网络的一些建议t223

11.5 极限学习机t224

11.5.1 在Julia中使用ELMt224

11.5.2 关于ELM的一些建议t226

11.6 用于回归分析的统计模型t227

11.6.1 在Julia中使用统计回归t227

11.6.2 关于统计回归的一些建议t230

11.7 其他监督式学习系统t230

11.7.1 提升树t230

11.7.2 支持向量机t230

11.7.3 直推式系统t231

11.7.4 深度学习系统t232

11.7.5 贝叶斯网络t232

11.8 小结t233

11.9 本章思考题t235

第 12章图分析t236

12.1 图的重要性t237

12.2 定制数据集t239

12.3 图的统计量t240

12.4 环的检测t242

用Julia检测环t243

12.5 连通子图t244

12.6 团t245

12.7 图的路径t246

12.8 生成树t248

12.8.1 在Julia中实现MSTt249

12.8.2 用文件保存和加载图t250

12.9 Julia在图分析中的作用t251

12.10 小结t252

12.11 思考题t254

第 13章更上一层楼t255

13.1 Julia社区t255

13.1.1 与其他Julia用户进行交流t255

13.1.2 代码库t256

13.1.3 视频文件t256

13.1.4 新闻t257

13.2 学以致用t257

13.2.1 从这些特征开始t258

13.2.2 关于这个项目的一些思考t259

13.3 在数据科学中使用Julia的思考t260

13.3.1 不断提高Julia编程水平t260

13.3.2 贡献Julia项目t261

13.3.3 Julia在数据科学中的未来t262

附录A 安装Julia与IJuliat264

附录B 与Julia相关的一些常用站点t266

附录C 本书所用的扩展包t268

附录D Julia与其他平台的集成t269

D.1 Julia与R的集成t269

D.1.1 在R中运行Julia脚本t269

D.1.2 在Julia中运行R脚本t270

D.2 Julia与Python的集成t270

D.2.1 在Python中运行Julia脚本t270

D.2.2 在Julia中运行Python脚本t271

附录E Julia中的并行处理t272

附录F 各章思考题答案t275

内容介绍数据科学通过各种统计学和机器学习的技术与方法，将数据转换为有用的信息或知识。Julia是一种在数据科学领域逐渐流行起来的语言。《Julia数据科学应用》会提出一系列在数据科学流程中常见的、有代表性的实际问题，并指导读者使用Julia去解决这些问题。全书共13章，涵盖了Julia基础知识、工作环境搭建、语言基础和内容、数据科学应用、数据可视化、机器学习方法（包括无监督式学习方法和监督式学习方法）、图分析方法等重要的话题。附录部分给出了学习和使用Julia的一些有用的参考资料，还给出了各章的思考题的答案。本书适合对数据科学的知识和应用方法感兴趣的读者阅读，适合有志于学习Julia并从事数据科学相关工作的人员学习参考。在线试读媒体评论
数据科学流程概览，并通过Julia实现一个示例，说明了其中的关键点。 Julia IDE的选择。程序结构与函数。数据工程中的任务，如数据导入、数据清理、数据格式化和数据存储，以及如何执行数据预处理。数据可视化，以及一些简单但强大的用来进行数据探索的方法。数据降维和特征评价。各种机器学习方法，从非监督式学习（不同类型的聚类方法）到监督式学习（决策树、*森林、基础神经网络、回归树和极限学习机）。图分析，包括找出不同实体之间的联系以及如何对其进行挖掘以获取有用的知识。本书主要内容包括：本书的目标是教你如何使用Julia语言来应对现实世界中数据科学的艰巨挑战。在介绍了Julia对于数据科学社区的重要性和若干数据科学基本准则之后，本书讲解了Julia基础知识，包括如何安装Julia及其功能强大的程序库。本书通过丰富的示例展示了如何使用Julia命令、数据集和函数。本书介绍并描述了专用的脚本和软件包。针对在数据科学流程中经常会遇到的问题，本书提供了有代表性的实用示例，并引导你通过Julia使用公开的数据集来解决这些问题。在很多情况下，使用现成的软件包和内置函数就可以完成任务。本书每一章都包括一些思考题和练习，来帮助你加强学习效果，指导你使用Julia从头开始创建一个数据科学应用。

评论晒单

100 好评率 %

此商品还没有设置买家印象，陪我一起等下嘛

加载评价中...

网友讨论圈

全部帖子(0) 晒单帖(0) 讨论帖(0) 问答帖(0) 圈子帖(0)

店内分类

相关分类

最近浏览

商品详情

规格参数

评论晒单

网友讨论圈

1

2

3

4

新手上路

配送与支付

服务保证

联系我们

会员中心

领取成功！感谢您的参与，祝您购物愉快~