作者：郭肖勇编著
页数：132页
出版社：天津大学出版社
出版日期：2021
ISBN：9787561870228
电子书格式：pdf/epub/txt
内容简介
数据分析与挖掘可以帮助人们从数据中发现规律获取知识。Pandas与Scikit-learn是目前较为流行的数据分析、可视化、与机器学习工具之一。通过Python可以方便的使用Pandas与Scikit-learn进行数据分析与挖掘。本书通过大量的实例系统地讲解这两个库的使用。前两章介绍了数据挖掘的基本概念和python开发环境的搭建。第三章和第四章介绍Pandas与Scikit-learn的使用。第五章介绍特征工程，这是在数据挖掘预建模过程中 重要的环节。 一章通过实例来演示完整的数据挖掘项目流程。 本书适合高等院校理工科专业的本科生和研究生及其他任何对数据分析与挖掘感兴趣的人士阅读。
目录
第1章 引言
1.1 数据挖掘
1.2 机器学习算法
1.3 数据挖掘的主要流程
第2章 Python基础
2.1 Python简介
2.2 Python开发环境的搭建
第3章 Pandas基础
3.1 创建、读取和写入
3.2 索引、选择和分配
3.3 分组和排序
3.4 数据类型和缺失值
3.5 重命名及合并
第4章 Scikit-learn基础
4.1 Scikit-learn简介
4.2 Scikit-learn的技术基础
4.3 Scikit-learn安装
4.4 监督学习
4.5 交叉验证：评估机器学习模型的表现
第5章 特征工程
5.1 基准模型
5.2 分类编码
5.3 特征的生成
5.4 特征的选择
第6章 实例
6.1 lightgbm实践：桑坦德银行客户交易预测
6.2 Kaggle_Titanic生存预测
1.1 数据挖掘
1.2 机器学习算法
1.3 数据挖掘的主要流程
第2章 Python基础
2.1 Python简介
2.2 Python开发环境的搭建
第3章 Pandas基础
3.1 创建、读取和写入
3.2 索引、选择和分配
3.3 分组和排序
3.4 数据类型和缺失值
3.5 重命名及合并
第4章 Scikit-learn基础
4.1 Scikit-learn简介
4.2 Scikit-learn的技术基础
4.3 Scikit-learn安装
4.4 监督学习
4.5 交叉验证：评估机器学习模型的表现
第5章 特征工程
5.1 基准模型
5.2 分类编码
5.3 特征的生成
5.4 特征的选择
第6章 实例
6.1 lightgbm实践：桑坦德银行客户交易预测
6.2 Kaggle_Titanic生存预测
