Python 機器學習 — 數據分析與評分卡建模
翟錕、胡鋒、周曉然
買這商品的人也買了...
-
$390大數據商業分析：整合大數據與業務流程的高級商業分析指南 -
顧客關係管理--新時代的決勝關鍵, 4/e$500$425 -
$446數據可視化原理與實踐(第二版) -
AWS Lambda 實戰 : 開發事件驅動的無服務器應用程序 (AWS Lambda in Action: Event-Driven Serverless Applications)$474$450 -
$352關聯數據:萬維網上的結構化數據 -
$414文本挖掘：基於 R語言的整潔工具 (Text Mining with R: A Tidy Approach) -
$356Python 絕技 : 運用 Python 成為頂級數據工程師 -
行銷學, 2/e$580$522 -
用 Python 寫網絡爬蟲, 2/e$294$279 -
$332推薦系統與深度學習 -
Github 創辦人親自指導你精通 Git (Pro Git, 2/e)$680$578 -
$704Python 和 NLTK 自然語言處理 (Natural Language Processing: Python and NLTK) -
DevOps Handbook｜打造世界級技術組織的實踐指南 (中文版) (The DevOps Handbook: How to Create World-Class Agility, Reliability, and Security in Technology Organizations)$580$458 -
$594實戰 Python 網絡爬蟲 -
Python 機器學習與深度學習特訓班：看得懂也會做的 AI人工智慧實戰 (附120分鐘影音教學/範例程式)$520$411 -
翻轉 Excel 駕馭 Power BI 商業智慧進化 自助大數據分析實務應用$580$493 -
A-Life｜使用 Python 實作人工生命模型$520$411 -
最新 Java 程式語言, 6/e (JDK12/11/8適用)$680$578 -
$356Python+TensorFlow機器學習實戰 -
雲端佈署的時代來臨：一探未來系統架構(書況差限門市銷售)$690$483 -
人工智慧導論 (鴻海教育基金會發行)$380$342 -
$505機器學習即服務：將 Python 機器學習創意快速轉變為雲端 Web 應用程序 (Monetizing Machine Learning: Quickly Turn Python ML Ideas into Web Applications on the Serverless Cloud) -
資訊社會必修的 12堂 Python 通識課$520$406 -
$615PyTorch 深度學習和圖神經網絡 捲2 開發應用 -
$615PyTorch 深度學習和圖神經網絡 捲1 基礎知識
相關主題
商品描述
本書從零基礎入門，內含豐富項目案例實戰演練，詳細講解了Python的環境搭建、基本語法結構、趣味應用、分析與建模以及完整的項目案例。
目錄大綱
目錄
第1章Python開發環境搭建
1．1利器1： Notepad編輯器
1．2利器2： Anaconda
1．3利器3： Miniconda
1．4利器4： PyCharm IDE工具
1．5利器5： Spyder
1．6利器6： Jupyter Notebook
1．7小結
第2章Python資料類型用法講解
2．1變量
2．2字串
2．3列表list
2．3．1增(append、insert、extend)
2．3．2刪(pop、remove、del)
2．3．3改、查
2．3．4列表的循環遍曆
2．3．5排序(sort，reverse)
2．3．6列表的其他操作符
2．4集合set
2．4．1創建集合
2．4．2集合的增、刪
2．4．3集合的交、並、補等操作
2．5字典dictionary
2．5．1字典的查找操作
2．5．2字典的增、改操作
2．5．3字典的刪操作
2．5．4字典的常用方法
2．5．5有序字典
2．6函數
2．7小結
第3章Python下的實際應用
3．1Python連接MySQL數據庫
3．2Python連接MongoDB數據庫
3．3結巴分詞和詞雲圖
3．4簡單社交網絡
3．5JSON解析
3．6OCR文字識別
3．7pyecharts
3.8stats簡單統計分析
3．9小結
第4章異常樣本識別
4．1邏輯回歸、交叉驗證與欠採樣
4．2基於分佈的異常樣本識別
4．3小結
第5章自然語言處理案例——電商評論
5．1資料加載與預處理
5．2資料視覺化
5．3文本分析
5．4情感分析
5．5文本分類
5．6小結
第6章模型融合
6．1分類模型的融合方法
6．2回歸模型的融合方法
6．3小結
第7章創建金融申請評分卡
7．1變量選擇
7．2各變量按照ln(odds)進行分箱
7．3計算WOE與IV值
7．4邏輯回歸建模
7．5創建評分卡
7．6申請評分卡的評價、使用與監控
7．7小結
第8章社交網絡分析與反欺詐
8．1Neo4j的下載與安裝
8．2圖形接口介紹
8．3Cypher語言
8．4Neo4j案例1——《天龍八部》的人物關係分析
8．5Neo4j案例2——金融場景中的社交網絡分析
8．6Py2neo
8．7小結
參考文獻
附錄APyCharm安裝步驟
附錄BMySQL安裝步驟
附錄CMongoDB安裝步驟
附錄DNeo4j安裝步驟
附錄Ejdk安裝步驟
附錄F第三方包安裝步驟
