123,123

內(nèi)容簡(jiǎn)介

　　Anaconda是一個(gè)強(qiáng)大的開源數(shù)據(jù)科學(xué)平臺(tái)，它將很多好的工具整合在一起，極大地簡(jiǎn)化了使用者的工作流程，并能夠幫助使用者解決一系列數(shù)據(jù)科學(xué)難題?！禔naconda數(shù)據(jù)科學(xué)實(shí)戰(zhàn)》旨在通過一系列示例，引導(dǎo)讀者在編碼和圖表中了解Anaconda的強(qiáng)大之處。本書包括12章，結(jié)合R、Python、Octave和Julia等4種編程語言，從平臺(tái)的安裝和配置開始，循序漸進(jìn)地引導(dǎo)讀者掌握數(shù)據(jù)集的獲取、數(shù)據(jù)可視化、統(tǒng)計(jì)建模、管理包、Anaconda的優(yōu)化、無監(jiān)督學(xué)習(xí)、監(jiān)督學(xué)習(xí)、數(shù)據(jù)預(yù)測(cè)分析、云、分布式計(jì)算等內(nèi)容。本書示例豐富，講解細(xì)致，作者不僅在金融領(lǐng)域有著深厚的積累，還有著豐富的教學(xué)經(jīng)驗(yàn)。對(duì)于那些有興趣了解金融領(lǐng)域數(shù)據(jù)科學(xué)的讀者，以及普通的數(shù)據(jù)分析師或數(shù)據(jù)科學(xué)從業(yè)者，本書都是一個(gè)不錯(cuò)的選擇。在閱讀本書之前，我們希望讀者具備R或Python的基本編程知識(shí)，以及線性代數(shù)相關(guān)的基本知識(shí)。

作者簡(jiǎn)介

　　嚴(yán)玉星博士畢業(yè)于麥吉爾大學(xué)，獲得金融學(xué)博士學(xué)位。他曾在加拿大、新加坡和美國(guó)的8 所大學(xué)教授各種金融課程，發(fā)表23篇研究和教學(xué)相關(guān)的論文，并著有6本書。此外，他還精通R、Python、SAS、MATLAB、Octave 和C 語言，是金融數(shù)據(jù)分析方面的專家。詹姆斯·嚴(yán)當(dāng)前在多倫多大學(xué)攻讀計(jì)算機(jī)科學(xué)和統(tǒng)計(jì)學(xué)雙學(xué)位。他還精通Python、R、Java、MATLAB 和SQL等。

圖書目錄

第 1章 Anaconda生態(tài)系統(tǒng) 1
1．1　簡(jiǎn)介　1
1．1．1　通過Anaconda使用
Jupyter的理由　2
1．1．2　在無須預(yù)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(xí)　9
第　2章 Anaconda安裝　11
2．1　安裝Anaconda　11
2．2　測(cè)試Python　13
2．3　使用IPython　14
2．4　通過Jupyter使用Python　16
2．5　Spyder簡(jiǎn)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(xí)　25
第3章　數(shù)據(jù)基礎(chǔ)　27
3．1　數(shù)據(jù)源　28
3．2　UCI機(jī)器學(xué)習(xí)　28
3．3　Python包pandas簡(jiǎn)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(tái)簡(jiǎn)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c(diǎn)bsodata簡(jiǎn)介　49
3．9　Python包datadotworld簡(jiǎn)介　50
3．10　R包haven和foreign簡(jiǎn)介　51
3．11　R包dslabs簡(jiǎn)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(xí)　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(jiǎn)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(shì)　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(dòng)態(tài)可視化　83
4．9．1　將圖片存儲(chǔ)為pdf　86
4．9．2　將動(dòng)態(tài)可視化存儲(chǔ)
為HTML文件　86
4．10　總結(jié)　87
4．11　問題回顧及練習(xí)　87
第5章　在Anaconda中統(tǒng)計(jì)建?！?0
5．1　線性模型簡(jiǎn)介　91
5．2　在R、Python、Julia和Octave
中運(yùn)行線性回歸　92
5．3　臨界值和決策規(guī)則　96
5．4　F檢驗(yàn)、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(cè)及處理異常值　106
5．7　幾個(gè)多元線性模型　108
5．8　共線性及其解決方案　111
5．9　一個(gè)模型的性能測(cè)量　113
5．10　總結(jié)　113
5．11　問題回顧及練習(xí)　113
第6章　管理包　117
6．1　包、模塊和工具箱簡(jiǎn)介　118
6．2　使用包的兩個(gè)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(wù)視圖　126
6．8　查找手冊(cè)　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(xí)　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(xí)　166
第8章　Anaconda中的無監(jiān)督學(xué)習(xí)　168
8．1　無監(jiān)督學(xué)習(xí)簡(jiǎn)介　169
8．2　層次聚類　173
8．3　k-均值聚類　177
8．4　Python包scipy簡(jiǎn)介　179
8．5　Python包c(diǎn)ontrastive簡(jiǎn)介　181
8．6　Python包sklearn（scikit-learn）
簡(jiǎn)介　181
8．7　R包rattle簡(jiǎn)介　185
8．8　R包randomUniformForest
簡(jiǎn)介　187
8．9　R包Rmixmod簡(jiǎn)介　189
8．10　Julia實(shí)現(xiàn)　190
8．11　聚類分析的任務(wù)視圖　191
8．12　總結(jié)　192
8．13　問題回顧及練習(xí)　192
第9章　Anaconda中的監(jiān)督學(xué)習(xí)　194
9．1　監(jiān)督學(xué)習(xí)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(qiáng)化學(xué)習(xí)　204
9．3　監(jiān)督學(xué)習(xí)的R實(shí)現(xiàn)　205
9．4　Python實(shí)現(xiàn)　209
9．5　Octave實(shí)現(xiàn)　213
9．6　Julia實(shí)現(xiàn)　217
9．7　總結(jié)　219
9．8　問題回顧及練習(xí)　220
第　10章數(shù)據(jù)預(yù)測(cè)分析：建模和驗(yàn)證　223
10．1　理解數(shù)據(jù)預(yù)測(cè)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(shí)間序列分析　228
10．3　預(yù)測(cè)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(yàn)　245
10．6　總結(jié)　247
10．7　問題回顧及練習(xí)　247
第　11章 Anaconda云　250
11．1　Anaconda云簡(jiǎn)介　250
11．2　深入學(xué)習(xí)Jupyter Notebook　251
11．2．1　Jupyter Notebook
格式　254
11．2．2　Notebooks分享　256
11．2．3　項(xiàng)目分享　258
11．2．4　環(huán)境分享　260
11．3　復(fù)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(xí)　265
第　12章分布式計(jì)算、并行計(jì)算和
HPCC　267
12．1　分布式和并行計(jì)算簡(jiǎn)介　267
12．1．1　并行處理的任務(wù)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(jià)
并行處理　278
12．4　計(jì)算節(jié)點(diǎn)　280
12．5　Anaconda附加組件　280
12．6　HPCC簡(jiǎn)介　281
12．7　總結(jié)　283
12．8　問題回顧及練習(xí)　283