數據科（kē）學（xué）導引電子版

數據科學導引pdf是一部專注於大數（shù）據分析方麵的電子書籍（jí），這（zhè）部電子詳細簡介了數據科學相關知識，內容豐富全麵，通俗易懂，深受廣大讀（dú）者的青睞，感興趣（qù）的（de）朋友（yǒu）歡迎來綠色資源網下載閱讀！

數據科學導引電子書介（jiè）紹

《數據科（kē）學導引》是博雅大（dà）數據學院針（zhēn）對新開設（shè）的“數據科學（xué）與大數據技術”專業編寫的（de）數據科學導論課程教材（cái）。

《數據科學導引》內容（róng）共（gòng）分十五章，包括緒論（lùn）、數據預處理、回歸模型、分類（lèi）模型、集成模型、聚（jù）類模型、關聯規則挖掘、降維、特征選擇、EM算法（fǎ）、概率圖模型、文（wén）本分析、圖（tú）與網絡分析、深度（dù）學（xué）習、分布式計算。附錄部分對相關的基礎（chǔ）知（zhī）識做了簡要（yào）介紹。

《數據科（kē）學導引》還（hái）提供（gòng）了大量的（de）數據分析實踐案例，有助（zhù）於加深讀者對理論知識的理解，及培養其實際應用（yòng）能力。

《數（shù）據科學導引（yǐn）》可作為全國高等學校數據科學相關專業的本科生和研究生（shēng）教材，也（yě）可供從事相（xiàng）關工作的技術人員（yuán）參（cān）考使用（yòng）。

數據科學導（dǎo）引pdf目錄

第一章 緒（xù）論

1．1 數據科學的基（jī）本內容

1．2 對學（xué）科發展的影響

1．3 對科學研究的影響

1．4 數據科學的課程體係

1．5 本書內（nèi）容介（jiè）紹

第二章（zhāng） 數據預處理

2．1 特征編碼

2．2 缺失值處理

2．3 數據標準化

2．4 特征離散（sàn）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（xiàn）性回歸

3．2 線性回歸正則化

3．3 非線性回（huí）歸

案例與實戰

第四章 分類模型

4．1 邏輯（jí）回歸

4．2 K近鄰（lín）

4．3 決策樹（shù）

4．4 樸素貝葉斯

4．5 支持向量機

案（àn）例與實戰

第五章 集成模型

5．1 集成方法（fǎ）綜述

5．2 隨機森林

5．3 AdaBoost

5．4 應用實（shí）例：個人信用風險評估

案例與實戰

第六（liù）章 聚類模型

6．1 K-means聚類

6．2 層次聚類（lèi）

6．3 譜聚類

6．4 基於密度的（de）聚（jù）類

6．5 小結

案例與實戰

第七章 關聯規則挖掘

7．1 關聯（lián）規則概述

7．2 Apriori算法

7．3 FP-Growth算法

案例與（yǔ）實戰

第八（bā）章（zhāng） 降維

8．1 主成分分析（xī）

8．2 線性判別分析

8．3 多維尺度變換

8．4 局部線（xiàn）性嵌入

8．5 其他降（jiàng）維方法

案例（lì）與實戰

第九（jiǔ）章 特征選擇

9．1 特征選擇的一般過程

9．2 特征選擇常用的方法

9．3 無監督特征選擇

9．4 小結

案例與實戰

第十章 EM算法

10．1 EM算法

10．2 EM的應用：高斯（sī）混合模型

10．3 小結

案（àn）例與實戰

第十一章 概率圖模型

11．1 概率（lǜ）圖模型概（gài）述

11．2 隱馬爾（ěr）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（xī）

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（sān）章 圖與網絡分析

13．1 基本概（gài）念

13．2 幾何特（tè）征（zhēng）

13．3 鏈接分析（xī）

13．4 社區發現

13．5 知識（shí）圖譜

案例（lì）與實戰

第十四章 深度學習（xí）

14．1 多（duō）層感知（zhī）機

14．2 深度（dù）學習模型的優化

14．3 卷（juàn）積神經網絡

14．4 循環神經網絡

14．5 小結

案例與實戰

第十五章 分布式（shì）計算

15．1 Hadoop：分布式（shì）存儲與處理

15．2 常見模型的Map Reduce實現

15．3 Spark：分布式數據分析

15．4 其他分布式係統

附錄

A．矩陣（zhèn）運算

B．概率論基（jī）礎

C．優化算法

D．距離

E．模型（xíng）評估

參考文獻