123,123

內(nèi)容簡(jiǎn)介

　　本書(shū)主要針對(duì)數(shù)據(jù)科學(xué)、統(tǒng)計(jì)學(xué)、商學(xué)領(lǐng)域的教學(xué)，介紹基于Python軟件的數(shù)據(jù)可視化基礎(chǔ)知識(shí)、數(shù)據(jù)計(jì)算與交互式繪圖，機(jī)器學(xué)習(xí)中的可視化工具和技術(shù)，以及特定數(shù)據(jù)結(jié)構(gòu)下的可視化技術(shù)，如金融數(shù)據(jù)結(jié)構(gòu)、生物數(shù)據(jù)結(jié)構(gòu)、網(wǎng)絡(luò)數(shù)據(jù)結(jié)構(gòu)中的可視化展示，并配以豐富的案例，緊密結(jié)合常見(jiàn)的統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)方法。本書(shū)配有大量實(shí)際案例和習(xí)題，涉及金融、經(jīng)濟(jì)管理、醫(yī)療影像、健康大數(shù)據(jù)、地理數(shù)據(jù)等方面的知識(shí)，內(nèi)容翔實(shí)，能讓授課教師充分備課，讓學(xué)生全面學(xué)習(xí)，極大地提升學(xué)生的動(dòng)手能力，并與現(xiàn)實(shí)生活接軌，讓學(xué)生為勝任“ 信息化時(shí)代”的數(shù)據(jù)科學(xué)工作做好充分準(zhǔn)備。此外，本書(shū)還配有PPT課件、教學(xué)大綱、教學(xué)進(jìn)度表、部分源代碼和數(shù)據(jù)文件、課后習(xí)題答案等教學(xué)資源，用書(shū)老師可在人郵教育社區(qū)免費(fèi)下載使用。本書(shū)可作為高等院校數(shù)據(jù)科學(xué)、統(tǒng)計(jì)學(xué)、商學(xué)等相關(guān)專(zhuān)業(yè)的教材，也可供經(jīng)管領(lǐng)域的技術(shù)人員學(xué)習(xí)使用，還可作為機(jī)器學(xué)習(xí)和人工智能等領(lǐng)域的研究人員的參考書(shū)。

作者簡(jiǎn)介

　　馮興東博士，畢業(yè)于美國(guó)伊利諾伊大學(xué)香檳分校，上海財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與管理學(xué)院院長(zhǎng)。研究領(lǐng)域?yàn)榉€(wěn)健方法、分位數(shù)回歸、強(qiáng)化學(xué)習(xí)等，在重要統(tǒng)計(jì)學(xué)期刊以及人工智能大會(huì)上發(fā)表論文多篇。統(tǒng)計(jì)學(xué)會(huì)推選會(huì)員，學(xué)位委員會(huì)第八屆學(xué)科評(píng)議組成員，全國(guó)應(yīng)用統(tǒng)計(jì)專(zhuān)業(yè)學(xué)位研究生教育指導(dǎo)委員會(huì)委員，全國(guó)工業(yè)統(tǒng)計(jì)學(xué)教學(xué)研究會(huì)副會(huì)長(zhǎng)，中國(guó)數(shù)學(xué)會(huì)概率統(tǒng)計(jì)分會(huì)常務(wù)理事；統(tǒng)計(jì)學(xué)期刊Annals of Applied Statistics，Statistica Sinica以及統(tǒng)計(jì)學(xué)期刊《統(tǒng)計(jì)研究》編委。劉鑫博士，畢業(yè)于加拿大西安大略大學(xué)，上海財(cái)經(jīng)大學(xué)應(yīng)用統(tǒng)計(jì)專(zhuān)業(yè)碩士項(xiàng)目中心主任、講席副教授、博士生導(dǎo)師。研究領(lǐng)域包括復(fù)雜數(shù)據(jù)建模、機(jī)器學(xué)習(xí)理論與應(yīng)用、數(shù)據(jù)分析與可視化等，在重要統(tǒng)計(jì)學(xué)期刊以及人工智能大會(huì)上發(fā)表論文近二十篇。上海市浦江人才計(jì)劃獲得者，上海市特邀檢察官助理，主持自然科學(xué)基金青年項(xiàng)目；任統(tǒng)計(jì)學(xué)期刊Annals of Applied Statistics，Journal of Multivariate Analysis，Statistica Sinica等匿名審稿人。

圖書(shū)目錄

第 1章數(shù)據(jù)可視化概述1
1.1理解數(shù)據(jù)、信息和知識(shí)1
1.1.1數(shù)據(jù)和信息2
1.1.2知識(shí)2
1.2知識(shí)的提取流程3
1.2.1從數(shù)據(jù)中提取信息3
1.2.2從信息中提取知識(shí)4
1.3數(shù)據(jù)可視化與統(tǒng)計(jì)圖表4
1.4如何利用可視化幫助決策5
1.5總結(jié)5
本章習(xí)題6
第　2章數(shù)據(jù)可視化7
2.1利用數(shù)據(jù)可視化創(chuàng)造有趣的故事7
2.2可視化的一些實(shí)踐結(jié)果9
2.3Python中的可視化工具15
2.4交互式可視化和布局17
2.5總結(jié)19
本章習(xí)題20
第3章常見(jiàn)Python　IDE　21
3.1Python　IDE21
3.1.1Python　3.x與Python 2.722
3.1.2不同類(lèi)型的交互式工具22
3.1.3不同類(lèi)型的Python　IDE24
3.2利用Anaconda進(jìn)行可視化33
3.2.1繪制3D曲面圖33
3.2.2繪制方形樹(shù)狀圖35
3.3交互式可視化的庫(kù)39
3.3.1bokeh39
3.3.2VisPy39
3.4總結(jié)41
本章習(xí)題41
第4章數(shù)值計(jì)算與交互式繪圖43
4.1NumPy、SciPy和MKL函數(shù)43
4.1.1NumPy介紹44
4.1.2SciPy介紹49
4.1.3　MKL函數(shù)介紹55
4.2標(biāo)量選擇、切片與索引55
4.2.1標(biāo)量選擇55
4.2.2切片56
4.2.3數(shù)組索引57
4.3數(shù)據(jù)結(jié)構(gòu)59
4.3.1堆棧59
4.3.2元組60
4.3.3集合61
4.3.4隊(duì)列62
4.3.5字典63
4.3.6矩陣表示的字典64
4.3.7字典樹(shù)69
4.4使用matplotlib進(jìn)行可視化71
4.5總結(jié)78
本章習(xí)題79
第5章統(tǒng)計(jì)學(xué)與機(jī)器學(xué)習(xí)80
5.1分類(lèi)方法81
5.1.1線性回歸模型實(shí)例82
5.1.2線性回歸模型84
5.1.3決策樹(shù)87
5.1.4貝葉斯定理91
5.1.5樸素貝葉斯分類(lèi)器92
5.2KNN算法93
5.3邏輯回歸97
5.4支持向量機(jī)101
5.5主成分分析103
5.6k-means聚類(lèi)107
5.7總結(jié)110
本章習(xí)題110
第6章金融和統(tǒng)計(jì)模型112
6.1回報(bào)率模型和確定性模型112
6.2隨機(jī)模型120
6.2.1蒙特卡羅模擬120
6.2.2投資組合估值136
6.2.3模擬模型139
6.2.4幾何布朗運(yùn)動(dòng)模擬139
6.2.5基于擴(kuò)散的模擬142
6.3閾值模型145
6.4總結(jié)148
本章習(xí)題148
第7章圖結(jié)構(gòu)數(shù)據(jù)和網(wǎng)絡(luò)模型150
7.1有向圖和多重圖150
7.1.1存儲(chǔ)圖數(shù)據(jù)151
7.1.2圖形展示153
7.2圖的聚集系數(shù)160
7.3社交網(wǎng)絡(luò)分析163
7.4可平面圖的檢驗(yàn)165
7.5有向無(wú)環(huán)圖的檢驗(yàn)167
7.6 流169
7.7隨機(jī)塊模型170
7.8總結(jié)173
本章習(xí)題174
第8章可視化176
8.1文本數(shù)據(jù)可視化176
8.1.1利用TextBlob構(gòu)造樸素貝葉斯分類(lèi)器176
8.1.2利用詞云了解電影影評(píng)181
8.2空間數(shù)據(jù)可視化183
8.3計(jì)算機(jī)模擬185
8.3.1Python隨機(jī)相關(guān)的程序包185
8.3.2SciPy中的隨機(jī)函數(shù)186
8.3.3模擬示例187
8.3.4信號(hào)處理190
8.3.5動(dòng)畫(huà)193
8.4繪制交互圖194
8.5總結(jié)198
本章習(xí)題199
參考文獻(xiàn)200