Python数据分析与机器学习(微课视频版)
配套微课视频、源码、课件等。课件下载处为配套资源。咨询QQ:2301891038(仅限教师)

作者:杨年华

丛书名:大数据与人工智能技术丛书

定价:110元

印次:1-3

ISBN:9787302611516

出版日期:2023.01.01

印刷日期:2025.07.09

图书责编:黄芝

图书分类:教材

电子书
在线购买
分享
内容简介
作者简介
前言序言
资源下载
查看详情 查看详情 查看详情

本书首先简要介绍Python语言的基础知识,为后续内容的学习提供基础,接着介绍NumPy、Matplotlib和Pandas三个数据分析基础模块的用法,同时也为后面基于scikitlearn的机器学习提供基础,最后介绍基于scikitlearn机器学习及其模型的评价方法、超参数调优方法。全书通过大量案例,希望能让读者快速提高实践能力。 本书适合作为高校本科生或研究生数据分析、机器学习等相关课程的教材或参考书,也可作为数据分析和机器学习爱好者的自学教程,还可以作为相关科研工作者与工程实践者的参考书。

杨年华,上海对外经贸大学统计与信息学院副教授,管理信息系统本科,计算机应用技术硕士、博士,计算机科学与技术博士后出站。主持或参与过多个各类科研、重点教改和重点课程项目。发表过多篇学术论文。主编出版教材《Python程序设计教程》第1版和第2版。曾参与完成过多个大型软件开发项目。先后工作于中国电信、上海对外经贸大学。

前言 在大数据和人工智能时代,数据是各企事业单位的重要资产。数据分析和机器学习是寻找数据之间关系、预测趋势的重要手段,是智能决策的重要方法之一。通过数据分析和机器学习知识体系的培养,结合各学科的应用,可以为各学科的人才培养注入新的动力。Python语言入门简单,已经得到广泛的应用,也是当前大数据和人工智能领域最常用的程序设计语言之一。我们在相关课程建设的基础上编写了本书。 本书共14章。第1~4章主要介绍Python语法的基础知识,为后面内容的学习提供基础。第5~7章主要介绍数据分析和可视化方法,同时也为后面的机器学习部分提供基础。第8~14章主要介绍机器学习及数据预处理和模型评估方法。各章节的主要内容如下。 第1章主要阐述Python语言的特点、模块的概念、帮助的使用方法及开发环境的安装与使用方法。 第2章主要介绍Python语言的语法基础,包括标识符、表达式、常用数据类型、分支与循环结构、常用组合类型等。本章部分内容由柳青、张晓黎、郑戟明编写。 第3章主要介绍自定义函数以及类型注解、lambda表达式和函数式编程的常用类与函数。本章部分内容由柳青编写。 第4章主要介绍类与对象的关系、自定义类和类的继承。本章4.1节和4.2节中的部分内容由柳青编写。 第5章主要介绍NumPy数据处理基础。NumPy是学习Matplotlib、Pandas、scikitlearn等内容的基础。 第6章主要介绍Matplotlib数据可视化基础,介绍了多种数据展示方法。 第7章主要介绍Pandas数据处理与分析技术,包括Series和DataFrame两种对象的用法及...

课件下载

样章下载

暂无网络资源

扫描二维码
下载APP了解更多

目录
荐语
查看详情 查看详情

目录

源码下载

第1章Python语言与开发环境概述

1.1Python语言的特点

1.2Python的下载与安装

1.3开始使用Python

1.3.1交互方式

1.3.2代码文件方式

1.3.3代码文件的打开

1.3.4代码风格

1.4模块与库

1.4.1模块及其导入方式

1.4.2标准模块与第三方模块

1.5使用帮助

1.6Anaconda简介

1.6.1Anaconda模块的安装

1.6.2Spyder的使用

1.6.3Jupyter Notebook的使用

1.6.4Jupyter Notebook默认路径的设置

1.6.5任意路径下创建Jupyter Notebook文件

习题1

第2章Python语言基础

2.1控制台的输入与输出

2.1.1数据的输入

2.1.2数据的输出

2.2标识符、变量与赋值语句

2.2.1标识符

2.2.2变量

2.2.3赋值语句

2.3常用数据类型

2.3.1数值类型

2.3.2布尔类型

2.3.3常用序列类型

2.3.4映射类型

2.3.5集合类型

2.4运算符与表达式

2.4.1运算符分类

2.4.2运算规则与表达式

2.4.3条件表达式

2.4.4复合赋值运算符

2.5分支结构

2.5.1单分支if语句

2.5.2双分支if/else语句

2.5... 查看详情

顺序渐进地从Python基础知识、数据分析与可视化基础到机器学习进行讲解。案例丰富、结构清晰、简单明了。适合作为本科高年级或研究生相关课程的教材,也适合作为工程技术人员的参考书。配套微课视频、教学课件、源代码等资源。 查看详情