相關商品
商品簡介
作者簡介
名人/編輯推薦
目次
商品簡介
本書以實踐為宗旨，對數據挖掘進行了詳細地入門引導。本書囊括了比賽結果預測、電影推薦、特徵提取、好友推薦、破解驗證碼、作者歸屬、新聞聚類等大量經典案例，並以此為基礎提供了大量練習和額外活動。在練習中，本書介紹了數據挖掘的基本工具和基本方法；在額外活動中，本書為深入瞭解數據挖掘指明了方向。
本書適合希望應用Python進行數據挖掘的程序員閱讀。
本書適合希望應用Python進行數據挖掘的程序員閱讀。
作者簡介
羅伯特·萊頓（Robert Layton），
數據科學家，計算機科學博士，網絡犯罪問題和文本分析方面的專家。擁有多年Python編程經驗，參與開發過scikit-learn庫等眾多開源軟件，曾擔任2014年“穀歌編程之夏”項目導師，也曾多次在PyCon Au上做報告。他創立了數據挖掘諮詢公司DataPipeline，以及為創業公司提供技術諮詢和支持的Eurekative公司，還運營著LearningTensorFlow 網站。
數據科學家，計算機科學博士，網絡犯罪問題和文本分析方面的專家。擁有多年Python編程經驗，參與開發過scikit-learn庫等眾多開源軟件，曾擔任2014年“穀歌編程之夏”項目導師，也曾多次在PyCon Au上做報告。他創立了數據挖掘諮詢公司DataPipeline，以及為創業公司提供技術諮詢和支持的Eurekative公司，還運營著LearningTensorFlow 網站。
名人/編輯推薦
本書由淺入深地介紹了數據挖掘的基礎知識；
圖文並茂，同時提供了種類繁多的Python庫來支持具體實踐；
第二版更新了示例和代碼，每一章都引入了新的算法和技術。
本書將手把手指引你：
基於過去結果預測體育賽事勝負
根據行文風格確定文檔作者
調用API下載社會媒體或其他在線服務的數據集
在複雜數據集中尋找並提取合適的特徵
創建解決現實問題的模型
運用各種各樣的數據集，設計並開發數據挖掘應用
利用深度神經網絡完成圖像中的對象檢測
圖文並茂，同時提供了種類繁多的Python庫來支持具體實踐；
第二版更新了示例和代碼，每一章都引入了新的算法和技術。
本書將手把手指引你：
基於過去結果預測體育賽事勝負
根據行文風格確定文檔作者
調用API下載社會媒體或其他在線服務的數據集
在複雜數據集中尋找並提取合適的特徵
創建解決現實問題的模型
運用各種各樣的數據集，設計並開發數據挖掘應用
利用深度神經網絡完成圖像中的對象檢測
目次
第 1 章 數據挖掘入門 1
1.1 什麼是數據挖掘 1
1.2 使用 Python 和 Jupyter Notebook 3
1.2.1 安裝 Python 3
1.2.2 安裝 Jupyter Notebook 4
1.2.3 安裝 scikit-learn 5
1.3 親和性分析的簡單示例 6
1.4 商品推薦 6
1.4.1 用NumPy 加載數據集 7
1.4.2 實現規則的簡單排序 9
1.4.3 挑選最佳規則 11
1.5 分類的簡單示例 13
1.6 什麼是分類 14
1.6.1 準備數據集 14
1.6.2 實現 OneR 算法 15
1.6.3 測試算法功能 17
1.7 本章小結 19
第 2 章 用 scikit-learn 估計器 解決分類問題 20
2.1 scikit-learn 估計器 20
2.1.1 最近鄰算法 21
2.1.2 距離度量 22
2.1.3 加載數據集 24
2.1.4 形成標準的工作流程 25
2.1.5 運行算法 26
2.1.6 設置參數 27
2.2 預處理 29
2.2.1 標準預處理 30
2.2.2 組裝成型 31
2.3 流水線 31
2.4 本章小結 32
第 3 章 用決策樹預測獲勝球隊 34
3.1 加載數據集34
3.1.1 收集數據35
3.1.2 用 pandas 加載數據集 35
3.1.3 清洗數據集 36
3.1.4 提取新特徵 37
3.2 決策樹 39
3.2.1 決策樹的參數 40
3.2.2 決策樹的使用 41
3.3 體育賽事結果預測 42
3.4 隨機森林 45
3.4.1 集成學習原理 46
3.4.2 設置隨機森林的參數 46
3.4.3 應用隨機森林 47
3.4.4 創建特徵 48
3.5 本章小結 49
第 4 章 用親和性分析推薦電影 50
4.1 親和性分析 50
4.1.1 親和性分析算法 51
4.1.2 總體方法 52
4.2 電影推薦問題 52
4.3 Apriori 算法的原理與實現 54
4.3.1 Apriori 算法的基本思路 56
4.3.2 實現 Apriori 算法 57
4.3.3 提取關聯規則 59
4.3.4 評估關聯規則 62
4.4 本章小結 64
第 5 章 特徵與 scikit-learn 轉換器 65
5.1 特徵提取 65
5.1.1 用模型表述現實 66
5.1.2 常見的特徵模式 68
5.1.3 創建好的特徵 71
5.2 特徵的選取 71
5.3 特徵創建 76
5.4 主成分分析 78
5.5 創建自己的轉換器 80
5.5.1 轉換器 API 81
5.5.2 實現轉換器 81
5.6 單元測試 82
5.7 組裝成型 83
5.8 本章小結 84
第 6 章 用樸素貝葉斯算法探索社交
媒體 85
6.1 消歧 85
6.2 從社交媒體下載數據 87
6.2.1 加載數據集並分類 89
6.2.2 創建可重現的 Twitter 數據集 92
6.3 文本轉換器 95
6.3.1 詞袋模型 95
6.3.2 n 元語法特徵 96
6.3.3 其他文本特徵 97
6.4 樸素貝葉斯 98
6.4.1 理解貝葉斯定理 98
6.4.2 樸素貝葉斯算法 99
6.4.3 原理展示 100
6.5 樸素貝葉斯的應用 101
6.5.1 提取單詞計數 102
6.5.2 把字典轉換成矩陣 103
6.5.3 組裝成型 103
6.5.4 用 F1-score 評估算法 104
6.6 從模型中找出有用的特徵 105
6.7 本章小結 107
第 7 章 用圖挖掘實現推薦關注 109
7.1 加載數據集 109
7.2 從 Twitter 獲取關注者信息 113
7.3 創建圖 116
7.4 尋找子圖 122
7.4.1 連通分量 122
7.4.2 優化準則 125
7.5 本章小結 127
第 8 章 用神經網絡識別驗證碼 129
8.1 人工神經網絡 130
8.2 創建數據集 132
8.2.1 繪製簡單的驗證碼 133
8.2.2 按字母分割圖像 135
8.2.3 創建訓練數據集 137
8.3 訓練與分類 139
8.4 預測單詞 143
8.4.1 用詞典提升準確率 146
8.4.2 單詞相似度的排名機制 146
8.4.3 組裝成型 147
8.5 本章小結 148
第 9 章 作者歸屬問題 149
9.1 文檔的作者歸屬 149
9.1.1 應用與場景 150
9.1.2 作者歸屬 151
9.2 獲取數據 152
9.3 功能詞的使用 155
9.3.1 統計功能詞 156
9.3.2 用功能詞分類 158
9.4 支持向量機 159
9.4.1 用支持向量機分類 160
9.4.2 核函數 160
9.5 字符 n 元語法 161
9.6 安然(Enron)數據集 162
9.6.1 獲取安然數據集 163
9.6.2 創建數據集加載函數 163
9.7 組裝成型 166
9.8 評估 166
9.9 本章小結 168
第 10 章 聚類新聞文章 169
10.1 發現熱門話題 169
10.1.1 用 Web API 獲取數據 170
10.1.2 把 reddit 作為數據源 172
10.1.3 獲取數據 173
10.2 從任意網站提取文本 175
10.2.1 尋找任意網站中的新聞報道內容 176
10.2.2 提取內容 177
10.3 為新聞文章分組 179
10.4 k-均值算法 179
10.4.1 評估結果 182
10.4.2 從聚類簇中提取話題信息 184
10.4.3 把聚類算法作為轉換器 185
10.5 聚類集成 185
10.5.1 證據積累方法 185
10.5.2 工作原理 188
10.5.3 算法實現 190
10.6 在線學習 191
10.7 本章小結 194
第 11 章 用深度神經網絡實現圖像中的對象檢測 195
11.1 對象分類 195
11.2 應用場景 197
11.3 深度神經網絡 199
11.3.1 直觀感受 199
11.3.2 實現深度神經網絡 200
11.4 TensorFlow 簡介 201
11.5 使用 Keras 204
11.6 GPU 優化 210
11.6.1 適用 GPU 的計算場景 211
11.6.2 在 GPU 上運行代碼 212
11.6.3 設置環境 213
11.7 應用 214
11.7.1 獲取數據 214
11.7.2 創建神經網絡 215
11.7.3 組裝成型 216
11.8 本章小結 217
第 12 章 大數據處理 219
12.1 大數據 219
12.2 MapReduce 222
12.2.1 直觀感受 223
12.2.2 Hadoop MapReduce 226
12.3 應用 MapReduce 227
12.4 樸素貝葉斯預測 229
12.5 提取博客文章 229
12.6 訓練樸素貝葉斯 231
12.7 組裝成型 235
12.8 在亞馬遜 EMR 基礎設施上訓練 239
12.9 本章小結 241
附錄 A 下一步工作 242
A.1 數據挖掘入門 242
A.1.1 scikit-learn 教程 242
A.1.2 擴展 Jupyter Notebook 242
A.1.3 更多數據集 243
A.1.4 其他評估指標 243
A.1.5 更多應用思路 243
A.2 用 scikit-learn 估計器解決分類問題 243
A.2.1 最近鄰算法的伸縮性 244
A.2.2 更複雜的流水線 244
A.2.3 比較分類器 244
A.2.4 自動學習 244
A.3 用決策樹預測獲勝球隊 245
A.3.1 更複雜的特徵 245
A.3.2 Dask 246
A.3.3 研究 246
A.4 用親和性分析推薦電影 246
A.4.1 新數據集 246
A.4.2 等價類變換算法 246
A.4.3 協同過濾 247
A.5 特徵與 scikit-learn 轉換器 247
A.5.1 增加噪聲 247
A.5.2 Vowpal Wabbit 247
A.5.3 word2vec 247
A.6 用樸素貝葉斯算法探索社交媒體 247
A.6.1 垃圾信息檢測 248
A.6.2 自然語言處理與詞性標注 248
A.7 用圖挖掘實現推薦關注 248
A.7.1 更複雜的算法 248
A.7.2 NetworkX 248
A.8 用神經網絡識別驗證碼 249
A.8.1 更好(更壞？)的驗證碼 249
A.8.2 深度神經網絡 249
A.8.3 強化學習 249
A.9 作者歸屬問題 249
A.9.1 增大樣本 250
A.9.2 博客數據集 250
A.9.3 局部 n 元語法 250
A.10 聚類新聞文章 250
A.10.1 聚類的評估 250
A.10.2 時域分析 251
A.10.3 實時聚類 251
A.11 用深度神經網絡實現圖像中的對象檢測 251
A.11.1 Mahotas 251
A.11.2 Magenta 251
A.12 大數據處理 252
A.12.1 Hadoop 課程 252
A.12.2 Pydoop 252
A.12.3 推薦引擎 252
A.12.4 W.I.L.L 252
A.13 更多資源 253
A.13.1 Kaggle 競賽 253
A.13.2 Coursera 253
1.1 什麼是數據挖掘 1
1.2 使用 Python 和 Jupyter Notebook 3
1.2.1 安裝 Python 3
1.2.2 安裝 Jupyter Notebook 4
1.2.3 安裝 scikit-learn 5
1.3 親和性分析的簡單示例 6
1.4 商品推薦 6
1.4.1 用NumPy 加載數據集 7
1.4.2 實現規則的簡單排序 9
1.4.3 挑選最佳規則 11
1.5 分類的簡單示例 13
1.6 什麼是分類 14
1.6.1 準備數據集 14
1.6.2 實現 OneR 算法 15
1.6.3 測試算法功能 17
1.7 本章小結 19
第 2 章 用 scikit-learn 估計器 解決分類問題 20
2.1 scikit-learn 估計器 20
2.1.1 最近鄰算法 21
2.1.2 距離度量 22
2.1.3 加載數據集 24
2.1.4 形成標準的工作流程 25
2.1.5 運行算法 26
2.1.6 設置參數 27
2.2 預處理 29
2.2.1 標準預處理 30
2.2.2 組裝成型 31
2.3 流水線 31
2.4 本章小結 32
第 3 章 用決策樹預測獲勝球隊 34
3.1 加載數據集34
3.1.1 收集數據35
3.1.2 用 pandas 加載數據集 35
3.1.3 清洗數據集 36
3.1.4 提取新特徵 37
3.2 決策樹 39
3.2.1 決策樹的參數 40
3.2.2 決策樹的使用 41
3.3 體育賽事結果預測 42
3.4 隨機森林 45
3.4.1 集成學習原理 46
3.4.2 設置隨機森林的參數 46
3.4.3 應用隨機森林 47
3.4.4 創建特徵 48
3.5 本章小結 49
第 4 章 用親和性分析推薦電影 50
4.1 親和性分析 50
4.1.1 親和性分析算法 51
4.1.2 總體方法 52
4.2 電影推薦問題 52
4.3 Apriori 算法的原理與實現 54
4.3.1 Apriori 算法的基本思路 56
4.3.2 實現 Apriori 算法 57
4.3.3 提取關聯規則 59
4.3.4 評估關聯規則 62
4.4 本章小結 64
第 5 章 特徵與 scikit-learn 轉換器 65
5.1 特徵提取 65
5.1.1 用模型表述現實 66
5.1.2 常見的特徵模式 68
5.1.3 創建好的特徵 71
5.2 特徵的選取 71
5.3 特徵創建 76
5.4 主成分分析 78
5.5 創建自己的轉換器 80
5.5.1 轉換器 API 81
5.5.2 實現轉換器 81
5.6 單元測試 82
5.7 組裝成型 83
5.8 本章小結 84
第 6 章 用樸素貝葉斯算法探索社交
媒體 85
6.1 消歧 85
6.2 從社交媒體下載數據 87
6.2.1 加載數據集並分類 89
6.2.2 創建可重現的 Twitter 數據集 92
6.3 文本轉換器 95
6.3.1 詞袋模型 95
6.3.2 n 元語法特徵 96
6.3.3 其他文本特徵 97
6.4 樸素貝葉斯 98
6.4.1 理解貝葉斯定理 98
6.4.2 樸素貝葉斯算法 99
6.4.3 原理展示 100
6.5 樸素貝葉斯的應用 101
6.5.1 提取單詞計數 102
6.5.2 把字典轉換成矩陣 103
6.5.3 組裝成型 103
6.5.4 用 F1-score 評估算法 104
6.6 從模型中找出有用的特徵 105
6.7 本章小結 107
第 7 章 用圖挖掘實現推薦關注 109
7.1 加載數據集 109
7.2 從 Twitter 獲取關注者信息 113
7.3 創建圖 116
7.4 尋找子圖 122
7.4.1 連通分量 122
7.4.2 優化準則 125
7.5 本章小結 127
第 8 章 用神經網絡識別驗證碼 129
8.1 人工神經網絡 130
8.2 創建數據集 132
8.2.1 繪製簡單的驗證碼 133
8.2.2 按字母分割圖像 135
8.2.3 創建訓練數據集 137
8.3 訓練與分類 139
8.4 預測單詞 143
8.4.1 用詞典提升準確率 146
8.4.2 單詞相似度的排名機制 146
8.4.3 組裝成型 147
8.5 本章小結 148
第 9 章 作者歸屬問題 149
9.1 文檔的作者歸屬 149
9.1.1 應用與場景 150
9.1.2 作者歸屬 151
9.2 獲取數據 152
9.3 功能詞的使用 155
9.3.1 統計功能詞 156
9.3.2 用功能詞分類 158
9.4 支持向量機 159
9.4.1 用支持向量機分類 160
9.4.2 核函數 160
9.5 字符 n 元語法 161
9.6 安然(Enron)數據集 162
9.6.1 獲取安然數據集 163
9.6.2 創建數據集加載函數 163
9.7 組裝成型 166
9.8 評估 166
9.9 本章小結 168
第 10 章 聚類新聞文章 169
10.1 發現熱門話題 169
10.1.1 用 Web API 獲取數據 170
10.1.2 把 reddit 作為數據源 172
10.1.3 獲取數據 173
10.2 從任意網站提取文本 175
10.2.1 尋找任意網站中的新聞報道內容 176
10.2.2 提取內容 177
10.3 為新聞文章分組 179
10.4 k-均值算法 179
10.4.1 評估結果 182
10.4.2 從聚類簇中提取話題信息 184
10.4.3 把聚類算法作為轉換器 185
10.5 聚類集成 185
10.5.1 證據積累方法 185
10.5.2 工作原理 188
10.5.3 算法實現 190
10.6 在線學習 191
10.7 本章小結 194
第 11 章 用深度神經網絡實現圖像中的對象檢測 195
11.1 對象分類 195
11.2 應用場景 197
11.3 深度神經網絡 199
11.3.1 直觀感受 199
11.3.2 實現深度神經網絡 200
11.4 TensorFlow 簡介 201
11.5 使用 Keras 204
11.6 GPU 優化 210
11.6.1 適用 GPU 的計算場景 211
11.6.2 在 GPU 上運行代碼 212
11.6.3 設置環境 213
11.7 應用 214
11.7.1 獲取數據 214
11.7.2 創建神經網絡 215
11.7.3 組裝成型 216
11.8 本章小結 217
第 12 章 大數據處理 219
12.1 大數據 219
12.2 MapReduce 222
12.2.1 直觀感受 223
12.2.2 Hadoop MapReduce 226
12.3 應用 MapReduce 227
12.4 樸素貝葉斯預測 229
12.5 提取博客文章 229
12.6 訓練樸素貝葉斯 231
12.7 組裝成型 235
12.8 在亞馬遜 EMR 基礎設施上訓練 239
12.9 本章小結 241
附錄 A 下一步工作 242
A.1 數據挖掘入門 242
A.1.1 scikit-learn 教程 242
A.1.2 擴展 Jupyter Notebook 242
A.1.3 更多數據集 243
A.1.4 其他評估指標 243
A.1.5 更多應用思路 243
A.2 用 scikit-learn 估計器解決分類問題 243
A.2.1 最近鄰算法的伸縮性 244
A.2.2 更複雜的流水線 244
A.2.3 比較分類器 244
A.2.4 自動學習 244
A.3 用決策樹預測獲勝球隊 245
A.3.1 更複雜的特徵 245
A.3.2 Dask 246
A.3.3 研究 246
A.4 用親和性分析推薦電影 246
A.4.1 新數據集 246
A.4.2 等價類變換算法 246
A.4.3 協同過濾 247
A.5 特徵與 scikit-learn 轉換器 247
A.5.1 增加噪聲 247
A.5.2 Vowpal Wabbit 247
A.5.3 word2vec 247
A.6 用樸素貝葉斯算法探索社交媒體 247
A.6.1 垃圾信息檢測 248
A.6.2 自然語言處理與詞性標注 248
A.7 用圖挖掘實現推薦關注 248
A.7.1 更複雜的算法 248
A.7.2 NetworkX 248
A.8 用神經網絡識別驗證碼 249
A.8.1 更好(更壞？)的驗證碼 249
A.8.2 深度神經網絡 249
A.8.3 強化學習 249
A.9 作者歸屬問題 249
A.9.1 增大樣本 250
A.9.2 博客數據集 250
A.9.3 局部 n 元語法 250
A.10 聚類新聞文章 250
A.10.1 聚類的評估 250
A.10.2 時域分析 251
A.10.3 實時聚類 251
A.11 用深度神經網絡實現圖像中的對象檢測 251
A.11.1 Mahotas 251
A.11.2 Magenta 251
A.12 大數據處理 252
A.12.1 Hadoop 課程 252
A.12.2 Pydoop 252
A.12.3 推薦引擎 252
A.12.4 W.I.L.L 252
A.13 更多資源 253
A.13.1 Kaggle 競賽 253
A.13.2 Coursera 253
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。