數據科學導論：Python語言實現(原書第2版)（簡體書）

本書首先介紹了如何在Python3.5中安裝必要的數據科學工具箱；然後引導你進入數據改寫和預處理階段，在其中闡述用於數據分析、探索或處理的數據加載、變換和修復等關鍵的數據科學活動；後，通過介紹主要的機器學習算法、圖分析技術和可視化方法來對數據科學進行概述。

目 錄
譯者序
前言
作者簡介
第1章　新手上路 1
1.1　數據科學與Python簡介 1
1.2　Python的安裝 2
1.2.1　Python 2還是Python 3 3
1.2.2　分步安裝 3
1.2.3　工具包的安裝 4
1.2.4　工具包升級 6
1.2.5　科學計算發行版 6
1.2.6　虛擬環境 8
1.2.7　核心工具包一瞥 11
1.3　Jupyter簡介 17
1.3.1　快速安裝與初次使用 19
1.3.2　Jupyter魔術命令 20
1.3.3　Jupyter Notebook怎樣幫助數據科學家 22
1.3.4　Jupyter的替代版本 26
1.4　本書使用的數據集和代碼 27
1.5　小結 33
第2章　數據改寫 34
2.1　數據科學過程 34
2.2　使用pandas進行數據加載與預處理 36
2.2.1　數據快捷加載 36
2.2.2　處理問題數據 38
2.2.3　處理大數據集 41
2.2.4　訪問其他的數據格式 43
2.2.5　數據預處理 44
2.2.6　數據選擇 47
2.3　使用分類數據和文本數據 49
2.3.1　特殊的數據類型――文本 51
2.3.2　使用Beautiful Soup抓取網頁 56
2.4　使用NumPy進行數據處理 57
2.4.1　NmuPy中的N維數組 57
2.4.2　NmuPy ndarray對象基礎 58
2.5　創建NumPy數組 59
2.5.1　從列表到一維數組 60
2.5.2　控制內存大小 60
2.5.3　異構列表 61
2.5.4　從列表到多維數組 62
2.5.5　改變數組大小 63
2.5.6　利用NumPy函數生成數組 64
2.5.7　直接從文件中獲得數組 65
2.5.8　從pandas提取數據 65
2.6　NumPy快速操作和計算 66
2.6.1　矩陣運算 68
2.6.2　NumPy數組切片和索引 69
2.6.3　NumPy數組堆疊 71
2.7　小結 72
第3章　數據科學流程 73
3.1　EDA簡介 73
3.2　創建新特徵 77
3.3　維數約簡 78
3.3.1　協方差矩陣 79
3.3.2　主成分分析 80
3.3.3　一種用於大數據的PCA變型――RandomizedPCA 82
3.3.4　潛在因素分析 83
3.3.5　線性判別分析 84
3.3.6　潛在語義分析 85
3.3.7　獨立成分分析 85
3.3.8　核主成分分析 85
3.3.9　t-分佈鄰域嵌入算法 87
3.3.10　受限玻爾茲曼機 87
3.4　異常檢測和處理 89
3.4.1　單變量異常檢測 89
3.4.2　EllipticEnvelope 90
3.4.3　OneClassSVM 94
3.5　驗證指標 96
3.5.1　多標號分類 97
3.5.2　二值分類 99
3.5.3　回歸 100
3.6　測試和驗證 100
3.7　交叉驗證 103
3.7.1　使用交叉驗證迭代器 105
3.7.2　採樣和自舉方法 107
3.8　超參數優化 108
3.8.1　建立自定義評分函數 110
3.8.2　減少網格搜索時間 112
3.9　特徵選擇 113
3.9.1　基於方差的特徵選擇 113
3.9.2　單變量選擇 114
3.9.3　遞歸消除 115
3.9.4　穩定性選擇與基於L1的選擇 116
3.10　將所有操作包裝成工作流程 118
3.10.1　特徵組合和轉換鏈接 118
3.10.2　構建自定義轉換函數 120
3.11　小結 121
第4章　機器學習 122
4.1　準備工具和數據集 122
4.2　線性和logistic回歸 124
4.3　樸素貝葉斯 126
4.4　K近鄰 127
4.5　非線性算法 129
4.5.1　基於SVM的分類算法 129
4.5.2　基於SVM的回歸算法 131
4.5.3　調整SVM（優化） 132
4.6　組合策略 133
4.6.1　基於隨機樣本的粘合策略 134
4.6.2　基於弱分類器的bagging策略 134
4.6.3　隨機子空間和隨機分片 135
4.6.4　隨機森林和Extra-Trees 135
4.6.5　從組合估計概率 137
4.6.6　模型序列――AdaBoost 138
4.6.7　梯度樹提升 139
4.6.8　XGBoost 140
4.7　處理大數據 142
4.7.1　作為範例創建一些大數據集 142
4.7.2　對容量的可擴展性 143
4.7.3　保持速度 144
4.7.4　處理多樣性 145
4.7.5　隨機梯度下降概述 147
4.8　深度學習 148
4.9　自然語言處理一瞥 153
4.9.1　詞語分詞 153
4.9.2　詞幹提取 154
4.9.3　詞性標注 154
4.9.4　命名實體識別 155
4.9.5　停止詞 156
4.9.6　一個完整的數據科學例子――文本分類 156
4.10　無監督學習概覽 158
4.11　小結 165
第5章　社交網絡分析 166
5.1　圖論簡介 166
5.2　圖的算法 171
5.3　圖的加載、輸出和採樣 177
5.4　小結 179
第6章　可視化、發現和結果 180
6.1　matplotlib基礎介紹 180
6.1.1　曲線繪圖 181
6.1.2　繪製分塊圖 182
6.1.3　數據中的關係散點圖 183
6.1.4　直方圖 184
6.1.5　柱狀圖 185
6.1.6　圖像可視化 186
6.1.7　pandas的幾個圖形示例 188
6.1.8　散點圖 190
6.1.9　平行坐標 192
6.2　封裝matplotlib命令 193
6.2.1　Seaborn簡介 194
6.2.2　增強EDA性能 197
6.3　交互式可視化工具Bokeh 201
6.4　高級數據學習表示 203
6.4.1　學習曲線 204
6.4.2　確認曲線 205
6.4.3　隨機森林的特徵重要性 206
6.4.4　GBT部分依賴關係圖形 207
6.4.5　創建MA-AAS預測服務器 208
6.5　小結 212
附錄A　增強Python基礎 213