Python數據科學：技術詳解與商業實踐 Python数据科学：技术详解与商业实践

趙仁乾，北京郵電大學管理科學與工程碩士，現就職於北京電信規劃設計院，從事移動、聯通集團及各省分公司市場、業務、財務規劃，經濟評價及運營諮詢。重點研究方向包括離網用戶挖掘、市場細分與精準營銷、移動網絡價值區域分析、潛在價值客戶挖掘等。常國珍，資深數據科學專家和金融技術專家。北京大學會計學博士，中國大數據產業生態聯盟專家委員會委員。
2005年進入數據科學領域，先後在亞信、德勤等企業從事電信、金融行業數據挖掘工作，現就職於中銀消費金融有限公司數據管理部。專註於消費金融領域的數據治理、客戶智能與風險智能。張秋劍，資深大數據專家和金融行業技術專家，上海師範大學計算機科學技術碩士。
現任星環科技金融事業部總監，大數據技術架構行業顧問專家，雲析學院發起人，AICUG社區聯合發起人，曾在IEEE等期刊發表多篇論文。目前主要為銀行、證券和保險等行業客戶提供大數據平臺及人工智能平臺的整體規劃和項目建設等工作。

前言
第1章 數據科學家的武器庫
1.1 數據科學的基本概念
1.2 數理統計技術
1.2.1 描述性統計分析
1.2.2 統計推斷與統計建模
1.3 數據挖掘的技術與方法
1.4 描述性數據挖掘算法示例
1.4.1 聚類分析——客戶細分
1.4.2 關聯規則分析
1.5 預測性數據挖掘算法示例
1.5.1 決策樹
1.5.2 KNN算法
1.5.3 Logistic回歸
1.5.4 神經網絡
1.5.5 支持向量機
1.5.6 集成學習
1.5.7 預測類模型講解
1.5.8 預測類模型評估概述
第2章 Python概述
2.1 Python概述
2.1.1 Python簡介
2.1.2 Python與數據科學
2.1.3 Python2與Python3
2.2 Anaconda Python的安裝、使用
2.2.1 下載與安裝
2.2.2 使用Jupyter Notebook
2.2.3 使用Spyder
2.2.4 使用conda或pip管理第三方庫
第3章 數據科學的Python編程基礎
3.1 Python的基本數據類型
3.1.1 字符串(str)
3.1.2 浮點數和整數（float、int）
3.1.3 布爾值（Bool：True/False）
3.1.4 其他
3.2 Python的基本數據結構
3.2.1 列表（list）
3.2.2 元組（tuple）
3.2.3 集合（set）
第4章 描述性統計分析與繪圖
第5章 數據整合和數據清洗
第6章 數據科學的統計推斷基礎
第7章 客戶價值預測：線性回歸模型與診斷
第8章 Logistic回歸構建初始信用評級
第9章 使用決策樹進行初始信用評級
第10章 神經網絡
第11章 分類器入門：最近鄰域與樸素貝葉斯
第12章 高級分類器：支持向量機
第13章 連續變量的特征選擇與轉換
第14章 客戶分群與聚類
第15章 關聯規則
第16章 排序模型的不平衡分類處理
第17章 集成學習
第18章 時間序列建模
第19章 商業數據挖掘案例
附錄A 數據說明
參考文獻