内容简介

本书基于易于理解且具有数据科学相关的丰富的库的Python语言环境，从零开始讲解数据科学工作。具体内容包括：Python速成，可视化数据，线性代数，统计，概率，假设与推断，梯度下降法，如何获取数据，k近邻法，朴素贝叶斯算法，等等。作者借助大量具体例子以及数据挖掘、统计学、机器学习等领域的重要概念，详细展示了什么是数据科学。

目录

第1章　导论　　1

1.1　数据的威力　　1

1.2　什么是数据科学　　1

1.3　激励假设：DataSciencester　　2

1.3.1　寻找关键联系人　　3

1.3.2　你可能知道的数据科学家　　5

1.3.3　工资与工作年限　　8

1.3.4　付费账户　　10

1.3.5　兴趣主题　　11

1.4　展望　　12

第2章　Python速成　　13

2.1　基础内容　　13

2.1.1　Python获取　　13

2.1.2　Python之禅　　14

2.1.3　空白形式　　14

2.1.4　模块　　15

2.1.5　算法　　16

2.1.6　函数　　16

2.1.7　字符串　　17

2.1.8　异常　　18

2.1.9　列表　　18

2.1.10　元组　　19

2.1.11　字典　　20

2.1.12　集合　　22

2.1.13　控制流　　23

2.1.14　真和假　　24

2.2　进阶内容　　25

2.2.1　排序　　25

2.2.2　列表解析　　25

2.2.3　生成器和迭代器　　26

2.2.4　随机性　　27

2.2.5　正则表达式　　28

2.2.6　面向对象的编程　　28

2.2.7　函数式工具　　29

2.2.8　枚举　　31

2.2.9　压缩和参数拆分　　31

2.2.10　args 和kwargs　　32

2.2.11　欢迎来到DataSciencester　　33

2.3　延伸学习　　33

第3章　可视化数据　　34

3.1　matplotlib　　34

3.2　条形图　　36

3.3　线图　　40

3.4　散点图　　41

3.5　延伸学习　　44

第4章　线性代数　　45

4.1　向量　　45

4.2　矩阵　　49

4.3　延伸学习　　51

第5章　统计学　　53

5.1　描述单个数据集　　53

5.1.1　中心倾向　　55

5.1.2　离散度　　56

5.2　相关　　58

5.3　辛普森悖论　　60

5.4　相关系数其他注意事项　　61

5.5　相关和因果　　62

5.6　延伸学习　　63

第6章　概率　　64

6.1　不独立和独立　　64

6.2　条件概率　　65

6.3　贝叶斯定理　　66

6.4　随机变量　　68

6.5　连续分布　　68

6.6　正态分布　　69

6.7　中心极限定理　　72

6.8　延伸学习　　74

第7章　假设与推断　　75

7.1　统计假设检验　　75

7.2　案例：掷硬币　　75

7.3　置信区间　　79

7.4　P-hacking　　80

7.5　案例：运行A/B测试　　81

7.6　贝叶斯推断　　82

7.7　延伸学习　　85

第8章　梯度下降　　86

8.1　梯度下降的思想　　86

8.2　估算梯度　　87

8.3　使用梯度　　90

8.4　选择正确步长　　90

8.5　综合　　91

8.6　随机梯度下降法　　92

8.7　延伸学习　　93

第9章　获取数据　　94

9.1　stdin和stdout　　94

9.2　读取文件　　96

9.2.1　文本文件基础　　96

9.2.2　限制的文件　　97

9.3　网络抓取　　99

9.3.1　HTML 和解析方法　　99

9.3.2　案例：关于数据的O'Reilly图书　　101

9.4　使用API　　105

9.4.1　JSON（和XML）　　105

9.4.2　使用无验证的API　　106

9.4.3　寻找API　　107

9.5　案例：使用Twitter API　　108

9.6　延伸学习　　111

第10章　数据工作　　112

10.1　探索你的数据　　112

10.1.1　探索一维数据　　112

10.1.2　二维数据　　114

10.1.3　多维数据　　116

10.2　清理与修改　　117

10.3　数据处理　　119

10.4　数据调整　　122

10.5　降维　　123

10.6　延伸学习　　129

第11章　机器学习　　130

11.1　建模　　130

11.2　什么是机器学习　　131

11.3　过拟合和欠拟合　　131

11.4　正确性　　134

11.5　偏倚- 方差权衡　　136

11.6　特征提取和选择　　137

11.7　延伸学习　　138

第12章　k近邻法　　139

12.1　模型　　139

12.2　案例：最喜欢的编程语言　　141

12.3　维数灾难　　146

12.4　延伸学习　　151

第13章　朴素贝叶斯算法　　152

13.1　一个简易的垃圾邮件过滤器　　152

13.2　一个复杂的垃圾邮件过滤器　　153

13.3　算法的实现　　154

13.4　测试模型　　156

13.5　延伸学习　　158

第14章　简单线性回归　　159

14.1　模型　　159

14.2　利用梯度下降法　　162

14.3　最大似然估计　　162

14.4　延伸学习　　163

第15章　多重回归分析　　164

15.1　模型　　164

15.2　最小二乘模型的进一步假设　　165

15.3　拟合模型　　166

15.4　解释模型　　167

15.5　拟合优度　　167

15.6　题外话：Bootstrap　　168

15.7　回归系数的标准误差　　169

15.8　正则化　　170

15.9　延伸学习　　172

第16章　逻辑回归　　173

16.1　问题　　173

16.2　Logistic函数　　176

16.3　应用模型　　178

16.4　拟合优度　　179

16.5　支持向量机　　180

16.6　延伸学习　　184

第17章　决策树　　185

17.1　什么是决策树　　185

17.2　熵　　187

17.3　分割之熵　　189

17.4　创建决策树　　190

17.5　综合运用　　192

17.6　随机森林　　194

17.7　延伸学习　　195

第18章　神经网络　　196

18.1　感知器　　196

18.2　前馈神经网络　　198

18.3　反向传播　　201

18.4　实例：战胜CAPTCHA　　202

18.5　延伸学习　　206

第19章　聚类分析　　208

19.1　原理　　208

19.2　模型　　209

19.3　示例：聚会　　210

19.4　选择聚类数目k　　213

19.5　示例：对色彩进行聚类　　214

19.6　自下而上的分层聚类　　216

19.7　延伸学习　　221

第20章　自然语言处理　　222

20.1　词云　　222

20.2　n-grams模型　　　224

20.3　语法　　227

20.4　题外话：吉布斯采样　　229

20.5　主题建模　　231

20.6　延伸学习　　236

第21章　网络分析　　237

21.1　中介中心度　　237

21.2　特征向量中心度　　242

21.2.1　矩阵乘法　　242

21.2.2　中心度　　244

21.3　有向图与PageRank　　246

21.4　延伸学习　　248

第22章　推荐系统　　249

22.1　手工甄筛　　250

22.2　推荐流行事物　　250

22.3　基于用户的协同过滤方法　　251

22.4　基于物品的协同过滤算法　　254

22.5　延伸学习　　256

第23章　数据库与SQL　　257

23.1　CREATE TABLE与INSERT　　257

23.2　UPDATE　　259

23.3　DELETE　　260

23.4　SELECT　　260

23.5　GROUP BY　　262

23.6　ORDER BY　　264

23.7　JOIN　　264

23.8　子查询　　267

23.9　索引　　267

23.10　查询优化　　268

23.11　NoSQL　　268

23.12　延伸学习　　269

第24章　MapReduce　　270

24.1　案例：单词计数　　270

24.2　为什么是MapReduce　　272

24.3　更加一般化的MapReduce　　272

24.4　案例：分析状态更新　　273

24.5　案例：矩阵计算　　275

24.6　题外话：组合器　　276

24.7　延伸学习　　277

第25章　数据科学前瞻　　278

25.1　IPython　　278

25.2　数学　　279

25.3　不从零开始　　279

25.3.1　NumPy　　279

25.3.2　pandas　　280

25.3.3　scikit-learn　　280

25.3.4　可视化　　280

25.3.5　R　　281

25.4　寻找数据　　281

25.5　从事数据科学　　281

25.5.1　Hacker News　　282

25.5.2　消防车　　282

25.5.3　T 恤　　282

25.5.4　你呢？　　283

作者简介　　284

关于封面　　284

文档截图