Java數(shù)據(jù)科學(xué)實(shí)戰(zhàn)

前言　xi
第 1章　數(shù)據(jù)的輸入與輸出　1
1．1　究竟何謂數(shù)據(jù)　1
1．2　數(shù)據(jù)模型　2
1．2．1　一維數(shù)組　2
1．2．2　多維數(shù)組　2
1．2．3　數(shù)據(jù)對(duì)象　3
1．2．4　矩陣和向量　3
1．2．5　JSON　4
1．3　處理實(shí)際數(shù)據(jù)　4
1．3．1　空值　4
1．3．2　空格　5
1．3．3　解析錯(cuò)誤　5
1．3．4　異常值　6
1．4　管理數(shù)據(jù)文件　6
1．4．1　首先理解文件內(nèi)容　7
1．4．2　讀取文本文件　8
1．4．3　讀取JSON文件　10
1．4．4　讀取圖像文件　11
1．4．5　寫入文本文件　12
1．5　掌握數(shù)據(jù)庫操作　15
1．5．1　命令行客戶端　15
1．5．2　結(jié)構(gòu)化查詢語言　16
1．5．3　Java數(shù)據(jù)庫連接　18
1．6　通過繪圖將數(shù)據(jù)可視化　20
1．6．1　創(chuàng)建簡單圖形　21
1．6．2　混合類型圖的繪制　24
1．6．3　把圖存入文件　26
第 2章　線性代數(shù)　28
2．1　構(gòu)造向量和矩陣　29
2．1．1　數(shù)組存儲(chǔ)　30
2．1．2　塊存儲(chǔ)　31
2．1．3　映射存儲(chǔ)　31
2．1．4　訪問元素　31
2．1．5　處理子陣　33
2．1．6　隨機(jī)化　34
2．2　向量與矩陣的運(yùn)算　35
2．2．1　縮放　35
2．2．2　轉(zhuǎn)置　36
2．2．3　加與減　36
2．2．4　長度　37
2．2．5　距離　38
2．2．6　相乘　39
2．2．7　內(nèi)積　40
2．2．8　外積　41
2．2．9　逐項(xiàng)積　42
2．2．10　復(fù)合運(yùn)算　43
2．2．11　仿射變換　43
2．2．12　映射函數(shù)　44
2．3　矩陣分解　47
2．3．1　Cholesky分解　47
2．3．2　LU分解　48
2．3．3　QR分解　48
2．3．4　奇異值分解　48
2．3．5　特征分解　49
2．3．6　行列式　50
2．3．7　矩陣逆　50
2．4　求解線性方程組　51
第3章　統(tǒng)計(jì)學(xué)　53
3．1　數(shù)據(jù)的概率起源　54
3．1．1　概率密度　54
3．1．2　累積概率　55
3．1．3　統(tǒng)計(jì)矩　55
3．1．4　熵　56
3．1．5　連續(xù)分布　57
3．1．6　離散分布　68
3．2　數(shù)據(jù)集的特征　73
3．2．1　矩的計(jì)算　73
3．2．2　描述性統(tǒng)計(jì)　74
3．2．3　多元統(tǒng)計(jì)　79
3．2．4　協(xié)方差與相關(guān)系數(shù)　81
3．2．5　回歸　82
3．3　處理大數(shù)據(jù)集　84
3．3．1　累積統(tǒng)計(jì)　85
3．3．2　統(tǒng)計(jì)結(jié)果的歸并　87
3．3．3　回歸　88
3．4　數(shù)據(jù)庫內(nèi)置函數(shù)的應(yīng)用　89
第4章　數(shù)據(jù)操作　91
4．1　轉(zhuǎn)換文本數(shù)據(jù)　91
4．1．1　從文檔中提取標(biāo)記　91
4．1．2　利用字典　92
4．1．3　文檔向量化　94
4．2　數(shù)值數(shù)據(jù)的縮放與歸一化　97
4．2．1　對(duì)列進(jìn)行縮放　97
4．2．2　對(duì)行進(jìn)行縮放　99
4．2．3　矩陣的縮放算子　100
4．3　將數(shù)據(jù)降維至主成分　102
4．3．1　協(xié)方差方法　105
4．3．2　SVD方法　106
4．4　創(chuàng)建訓(xùn)練集、驗(yàn)證集及測試集　108
4．4．1　基于索引的重新采樣　108
4．4．2　基于列表的重新采樣　110
4．4．3　小批量　111
4．5　標(biāo)簽的編碼　　111
4．5．1　泛型編碼器　111
4．5．2　一位有效編碼　112
第5章　學(xué)習(xí)與預(yù)測　115
5．1　學(xué)習(xí)算法　115
5．1．1　迭代學(xué)習(xí)過程　115
5．1．2　梯度下降優(yōu)化方法　117
5．2　評(píng)估學(xué)習(xí)過程　119
5．2．1　損失函數(shù)最小化　119
5．2．2　方差和的最小化　127
5．2．3　輪廓系數(shù)　127
5．2．4　對(duì)數(shù)似然性　128
5．2．5　分類器的準(zhǔn)確率　129
5．3　無監(jiān)督型學(xué)習(xí)　131
5．3．1　K均值聚類　131
5．3．2　DBSCAN　133
5．3．3　高斯混合　137
5．4　監(jiān)督型學(xué)習(xí)　141
5．4．1　樸素貝葉斯　142
5．4．2　線性模型　148
5．4．3　深度網(wǎng)絡(luò)　156
第6章　Hadoop MapReduce　161
6．1　Hadoop分布式文件系統(tǒng)　161
6．2　MapReduce體系結(jié)構(gòu)　162
6．3　編寫MapReduce應(yīng)用　163
6．3．1　剖析MapReduce任務(wù)　164
6．3．2　Hadoop數(shù)據(jù)類型　164
6．3．3　映射器　167
6．3．4　歸約器　168
6．3．5　JSON字符串作為文本的簡單性　169
6．3．6　部署技巧　170
6．4　MapReduce　示例　171
6．4．1　單詞計(jì)數(shù)　171
6．4．2　定制單詞計(jì)數(shù)　172
6．4．3　稀疏線性代數(shù)　173
附錄A　數(shù)據(jù)集　177
作者簡介　186
關(guān)于封面　186