精通数据科学算法

定　价：¥59.00

作　者：	[英] 戴维·纳蒂加著，封强，赵运枫，范东来译
出版社：	人民邮电出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787115498168	出版时间：	2019-05-01	包装：	平装
开本：	16开	页数：	164	字数：

内容简介

　　数据科学（Data Science）是从数据中提取知识的技术，是一门有关机器学习、统计学与数据挖掘的交叉学科。数据科学包含了多种领域的不同元素，包括信号处理、数学、概率模型技术和理论、计算机编程、统计学等。本书讲解了7种重要的数据分析方法，它们分别是k最近邻算法、朴素贝叶斯算法、决策树、随机森林、k-means聚类、回归分析以及时间序列分析。全书共7章，每一章都以一个简单的例子开始，先讲解算法的基本概念与知识，然后通过对案例进行扩展以讲解一些特殊的分析算法。这种方式有益于读者深刻理解算法。本书适合数据分析人员、机器学习领域的从业人员以及对算法感兴趣的读者阅读。

作者简介

　　Dávid Natingga于2014年毕业于伦敦帝国理工学院的计算与人工智能专业，并获工程硕士学位。2011年，他在印度班加罗尔的Infosys实验室工作，研究机器学习算法的优化。2012~2013年，他在美国帕罗奥图的Palantir技术公司从事大数据算法的开发工作。2014年，作为英国伦敦Pact Coffee公司的数据科学家，他设计了一种基于顾客口味偏好和咖啡结构的推荐算法。2017年，他在荷兰阿姆斯特丹的TomTom工作，处理导航平台的地图数据。他是英国利兹大学计算理论专业的博士研究生，研究纯数学如何推进人工智能。2016年，他在日本高等科学技术学院当了8个月的访问学者。

图书目录

第 1 章用k最近邻算法解决分类问题
1．1　Mary对温度的感觉
1．2　实现k最近邻算法
1．3　意大利地区的示例——选择k值
1．4　房屋所有权——数据转换
1．5　文本分类——使用非欧几里德距离
1．6　文本分类——更高维度的k-NN
1．7　小结
1．8　习题
第　2 章朴素贝叶斯
2．1　医疗检查——贝叶斯定理的基本应用
2．2　贝叶斯定理的证明及其扩展
2．3　西洋棋游戏——独立事件
2．4　朴素贝叶斯分类器的实现
2．5　西洋棋游戏——相关事件
2．6　性别分类——基于连续随机变量的贝叶斯定理
2．7　小结
2．8　习题
第　3 章决策树
3．1　游泳偏好——用决策树表示数据
3．2　信息论　044
3．3　ID3算法——构造决策树　047
3．4　用决策树进行分类　054
3．5　小结　060
3．6　习题　060
第　4 章随机森林　064
4．1　随机森林算法概述　064
4．2　游泳偏好——随机森林分析法　065
4．3　随机森林算法的实现　071
4．4　下棋实例　075
4．5　购物分析——克服随机数据的不一致性以及
度量置信水平　082
4．6　小结　084
4．7　习题　084
第　5 章 k-means聚类　089
5．1　家庭收入——聚类为k个簇　089
5．2　性别分类——聚类分类　092
5．3　k-means聚类算法的实现　095
5．4　房产所有权示例——选择簇的数量　099
5．5　小结　105
5．6　习题　105
第　6 章回归分析　114
6．1　华氏温度和摄氏温度的转换——基于完整数据的线性回归　114
6．2　根据身高预测体重——基于实际数据的线性回归　117
6．3　梯度下降算法及实现　118
6．4　根据距离预测飞行时长　122
6．5　弹道飞行分析——非线性模型　123
6．6　小结　125
6．7　习题　125
第　7 章时间序列分析　130
7．1　商业利润——趋势分析　130
7．2　电子商店的销售额——季节性分析　132
7．3　小结　140
7．4　习题　140
附录　A 统计　145
A．1　基本概念　145
A．2　贝叶斯推理　146
A．3　分布　146
A．4　交叉验证　147
A．5　A/B 测试　148
附录　B R参考　149
B．1　介绍　149
B．2　数据类型　150
B．3　线性回归　152
附录　C Python参考　154
C．1　介绍　154
C．2　数据类型　155
C．3　控制流　159
附录　D 数据科学中的算法和方法术语　163