Anaconda數(shù)據(jù)科學實戰(zhàn)

第 1章 Anaconda生態(tài)系統(tǒng) 1
1．1　簡介　1
1．1．1　通過Anaconda使用
Jupyter的理由　2
1．1．2　在無須預裝的情況下
使用Jupyter　2
1．2　Miniconda　5
1．3　Anaconda云　5
1．4　查找?guī)椭?
1．5　總結(jié)　8
1．6　問題回顧及練習　9
第　2章 Anaconda安裝　11
2．1　安裝Anaconda　11
2．2　測試Python　13
2．3　使用IPython　14
2．4　通過Jupyter使用Python　16
2．5　Spyder簡介　17
2．6　通過Conda安裝R　19
2．7　安裝Julia并鏈接到Jupyter　20
2．8　安裝Octave并鏈接到Jupyter　21
2．9　查找?guī)椭?3
2．10　總結(jié)　25
2．11　問題回顧及練習　25
第3章　數(shù)據(jù)基礎　27
3．1　數(shù)據(jù)源　28
3．2　UCI機器學習　28
3．3　Python包pandas簡介　31
3．4　輸入數(shù)據(jù)的幾種方式　32
3．4．1　使用R輸入數(shù)據(jù)　33
3．4．2　使用Python輸入數(shù)據(jù)　34
3．5　Quandl數(shù)據(jù)分發(fā)平臺簡介　36
3．6　處理缺失數(shù)據(jù)　39
3．7　數(shù)據(jù)排序　42
3．7．1　切割數(shù)據(jù)集　45
3．7．2　合并不同數(shù)據(jù)集　45
3．7．3　數(shù)據(jù)輸出　48
3．8　Python包cbsodata簡介　49
3．9　Python包datadotworld簡介　50
3．10　R包haven和foreign簡介　51
3．11　R包dslabs簡介　52
3．12　生成Python數(shù)據(jù)集　53
3．13　生成R數(shù)據(jù)集　55
3．14　總結(jié)　56
3．15　問題回顧及練習　56
第4章　數(shù)據(jù)可視化　59
4．1　數(shù)據(jù)可視化的重要性　59
4．2　R數(shù)據(jù)可視化　60
4．3　Python數(shù)據(jù)可視化　66
4．4　Julia數(shù)據(jù)可視化　69
4．5　繪制簡單圖形　71
4．5．1　各種條狀圖、餅圖和
直方圖　74
4．5．2　添加趨勢　75
4．5．3　添加圖解和其他說明　76
4．6　R可視化包　79
4．7　Python可視化包　81
4．8　Julia可視化包　82
4．9　動態(tài)可視化　83
4．9．1　將圖片存儲為pdf　86
4．9．2　將動態(tài)可視化存儲
為HTML文件　86
4．10　總結(jié)　87
4．11　問題回顧及練習　87
第5章　在Anaconda中統(tǒng)計建?！?0
5．1　線性模型簡介　91
5．2　在R、Python、Julia和Octave
中運行線性回歸　92
5．3　臨界值和決策規(guī)則　96
5．4　F檢驗、臨界值和決策規(guī)則　97
5．5　處理缺失數(shù)據(jù)　104
5．5．1　清除缺失數(shù)據(jù)　104
5．5．2　用其他值替換缺失
數(shù)據(jù)　105
5．6　檢測及處理異常值　106
5．7　幾個多元線性模型　108
5．8　共線性及其解決方案　111
5．9　一個模型的性能測量　113
5．10　總結(jié)　113
5．11　問題回顧及練習　113
第6章　管理包　117
6．1　包、模塊和工具箱簡介　118
6．2　使用包的兩個示例　118
6．3　查找所有R包　123
6．4　查找所有Python包　124
6．5　查找所有Julia包　125
6．6　查找所有Octave包　126
6．7　R中的任務視圖　126
6．8　查找手冊　128
6．9　包依賴　129
6．10　R包管理　130
6．11　Python包管理　132
6．12　Julia包管理　133
6．13　Octave包管理　134
6．14　包管理器conda　135
6．15　在R和Python中創(chuàng)建
程序集　137
6．16　查找環(huán)境變量　138
6．17　總結(jié)　140
6．18　問題回顧及練習　140
第7章　Anaconda的優(yōu)化　142
7．1　為何優(yōu)化很重要　142
7．2　優(yōu)化的一般問題　144
7．3　二次優(yōu)化　148
7．3．1　R中的優(yōu)化　149
7．3．2　Python中的優(yōu)化　151
7．3．3　Julia中的優(yōu)化　153
7．3．4　Octave中的優(yōu)化　156
7．4　股票投資組合優(yōu)化　159
7．5　最優(yōu)的稅收政策　161
7．6　R中用于優(yōu)化的包　162
7．7　Python中用于優(yōu)化的包　164
7．8　Octave中用于優(yōu)化的包　165
7．9　Julia中用于優(yōu)化的包　165
7．10　總結(jié)　166
7．11　問題回顧及練習　166
第8章　Anaconda中的無監(jiān)督學習　168
8．1　無監(jiān)督學習簡介　169
8．2　層次聚類　173
8．3　k-均值聚類　177
8．4　Python包scipy簡介　179
8．5　Python包contrastive簡介　181
8．6　Python包sklearn（scikit-learn）
簡介　181
8．7　R包rattle簡介　185
8．8　R包randomUniformForest
簡介　187
8．9　R包Rmixmod簡介　189
8．10　Julia實現(xiàn)　190
8．11　聚類分析的任務視圖　191
8．12　總結(jié)　192
8．13　問題回顧及練習　192
第9章　Anaconda中的監(jiān)督學習　194
9．1　監(jiān)督學習概覽　194
9．2　分類　199
9．2．1　k-最近鄰算法　200
9．2．2　貝葉斯分類器　202
9．2．3　強化學習　204
9．3　監(jiān)督學習的R實現(xiàn)　205
9．4　Python實現(xiàn)　209
9．5　Octave實現(xiàn)　213
9．6　Julia實現(xiàn)　217
9．7　總結(jié)　219
9．8　問題回顧及練習　220
第　10章 數(shù)據(jù)預測分析：建模和驗證　223
10．1　理解數(shù)據(jù)預測分析　223
10．2　有用的數(shù)據(jù)集　224
10．2．1　R包AppliedPredictive
Modeling　226
10．2．2　時間序列分析　228
10．3　預測未來事件　229
10．3．1　季節(jié)性　232
10．3．2　可視化組件　233
10．3．3　R包LiblineaR　234
10．3．4　R包datarobot　236
10．3．5　R包eclust　236
10．4　模型選擇　238
10．4．1　Python包model-
catwalk　240
10．4．2　Python包sklearn　240
10．4．3　Julia包QuantEcon　242
10．4．4　Octave包ltfat　243
10．5　Granger因果關(guān)系檢驗　245
10．6　總結(jié)　247
10．7　問題回顧及練習　247
第　11章 Anaconda云　250
11．1　Anaconda云簡介　250
11．2　深入學習Jupyter Notebook　251
11．2．1　Jupyter Notebook
格式　254
11．2．2　Notebooks分享　256
11．2．3　項目分享　258
11．2．4　環(huán)境分享　260
11．3　復制他人的環(huán)境到本地　261
11．4　總結(jié)　265
11．5　問題回顧及練習　265
第　12章 分布式計算、并行計算和
HPCC　267
12．1　分布式和并行計算簡介　267
12．1．1　并行處理的任務視圖　268
12．1．2　Python示例程序　269
12．2　理解MPI　270
12．2．1　R包Rmpi　270
12．2．2　R包plyr　271
12．2．3　R包parallel　272
12．2．4　R包snow　276
12．3　Python并行處理　276
12．3．1　單詞頻率的并行
處理　278
12．3．2　Monte-Carlo期權(quán)定價
并行處理　278
12．4　計算節(jié)點　280
12．5　Anaconda附加組件　280
12．6　HPCC簡介　281
12．7　總結(jié)　283
12．8　問題回顧及練習　283