经过十多个月的努力,将自己在Python方面的所学和所用积累成册,终于出版了《从零开始学Python数据分析与挖掘》一书。在此要感谢清华大学出版社的鼓励和支持,也感谢广大网友对我的激励和关心,你们的鼓励使我动力倍增。下面简单介绍一下本书的写作背景、新书简介以及章节内容。
写作背景
《从零开始学Python数据分析与挖掘》一书是基于用人单位对数据分析和挖掘人员在编程方面的技能要求,采用
由浅入深的原则,详细介绍如何利用Python及其模块实现数据分析和挖掘的实用技能
。
新书简介
结合Python中成熟的Numpy、Pandas、MatPlotLib、Seaborn、Statsmodels、SciPy、和Sklearn等模块,实现数据分析与挖掘中关于数据的清洗、整理、探索、可视化、建模和评估等流程的操作,让每一位对数据分析或挖掘的从业者或感兴趣的读者都能从中学到所需的内容。
本书包含十大常用数据挖掘算法及实战案例,如多元线性回归的预测模型、决策树分类模型、SVM分类模型、GBDT分类模型、K均值聚类模型等,基本覆盖用人单位对常用挖掘算法的需求。
书中所有的数据集和源代码均可以通过百度云盘链接获得
章节内容
第一章,数据分析与挖掘概览
第二章,从收入的预测分析开始
第三章,Python入门基础
第四章,Python数值计算工具--Numpy
第五章,Python数据处理工具--Pandas
第六章,Python数据可视化--Matplotlib
第七章,基于线性回归模型的预测
第八章,岭回归与LASSO回归模型的比较和应用
第九章,基于Logistic回归模型的分类
第十章,决策树与随机森林的比较和应用
第十一章,基于KNN模型的预测和分类
第十二章,三类朴素贝叶斯模型的比较和应用
第十三章,SVM模型的应用
第十四章,提升树之GBDT模型的应用与发展
第十五章,Kmeans聚类分析的应用
第十六章,DBSCAN与层次聚类的比较和应用
最后希望自己的新书能够帮助到正在学习或使用数据分析与挖掘技术的小伙伴,如果在学习过程中有任何问题都可以联系我(书中有我的联系方式哦)。如需购买,可以在当当、亚马逊、京东和天猫搜索《从零开始学Python数据分析与挖掘》,读者可以根据自己的喜好选购哦。