目录





第一部分数据分析与挖掘



第1章数据分析与挖掘简介

1.1Python数据分析和挖掘任务中重要的库与工具

1.1.1NumPy

1.1.2SciPy

1.1.3Pandas

1.1.4Matplotlib

1.1.5Jupyter Notebook

1.1.6Scikitlearn

1.2Anaconda 安装

1.3Jupyter Notebook

第2章爬虫

2.1爬虫的基本流程

2.2HTTP 

2.3安装PyCharm

2.4应用举例

习题

第3章Scrapy爬虫框架

3.1基本原理

3.2应用举例

习题

第4章NumPy基本用法

4.1NumPy创建数组

4.1.1使用np.array()由Python列表创建

4.1.2使用np的方法创建

4.2NumPy查看数组属性

4.3数组的基本操作

4.4NumPy运算

4.5排序

习题

第5章Pandas基本用法

5.1Series

5.2DataFrame

5.2.1创建DataFrame对象

5.2.2查看DataFrame对象

5.2.3DataFrame对象的索引与切片

5.3应用举例

5.3.1数据读取

5.3.2数据清洗

5.3.3数据规整

习题

第6章Matplotlib基本用法

6.1线型图

6.2散点图

6.3直方图

6.4条形图

6.5饼图

6.6Seaborn

6.6.1Seaborn基本操作

6.6.2Seaborn绘制的图

6.6.3Seaborn用法示例

6.7Pandas中的绘图函数 

习题






第7章线性回归、岭回归、Lasso回归

7.1原理

7.1.1普通线性回归

7.1.2岭回归

7.1.3Lasso回归

7.2应用举例

习题

第8章Logistic回归分类模型

8.1原理

8.1.1模型简介

8.1.2ROC曲线和AUC

8.1.3梯度下降法

8.1.4Scikitlearn中predict()与predict_proba()用法区别

8.2应用举例

习题

第9章决策树与随机森林

9.1原理

9.1.1决策树

9.1.2随机森林

9.2应用举例

习题

第10章KNN模型

10.1原理

10.2应用举例

习题

第11章朴素贝叶斯模型

11.1原理

11.1.1贝叶斯定理

11.1.2朴素贝叶斯

11.1.3Scikitlearn中三种不同类型的朴素贝叶斯模型

11.2应用举例

习题

第12章SVM模型

12.1原理

12.2应用举例

习题

第13章Kmeans聚类

13.1原理

13.2应用举例

习题

第14章关联规则——Apriori算法

14.1原理

14.2应用举例

习题

第15章数据分析与挖掘项目实战

15.1贷款预测问题

15.1.1数据导入及查看

15.1.2数据预处理

15.1.3建立预测模型

15.2客户流失率问题

15.2.1数据导入及查看

15.2.2数据预处理

15.2.3建立预测模型

习题

第二部分机 器 学 习


第16章主成分分析法

16.1原理

16.2应用举例

习题

第17章集成学习

17.1原理

17.2应用举例

习题

第18章模型评估

18.1分类评估

18.2回归评估

18.3聚类评估

18.4Scikitlearn中的评估函数

第19章初识深度学习框架Keras

19.1关于Keras

19.2神经网络简介

19.3Keras神经网络模型

19.4用Keras实现线性回归模型

19.5用Keras实现鸢尾花分类

19.6Keras目标函数、性能评估函数、激活函数说明

习题

参考文献