Julia数据科学应用

数据科学通过各种统计学和机器学习的技术与方法，将数据转换为有用的信息或知识。Julia 是一种在数据科学领域逐渐流行起来的语言。 本书会提出一系列在数据科学流程中常见的、有代表性的实际问题，并指导读者使用 Julia 去解决这些问题。全书共13章，涵盖了 Julia 基础知识、工作环境搭建、语言基础和高级内容、数据科学应用、数据可视化、机器学习方法（包括无监督式学习方法和监督式学习方法）、图分析方法等重要的话题。附录部分给出了学习和使用Julia的一些有用的参考资料，还给出了各章的思考题的答案。 本书适合对数据科学的知识和应用方法感兴趣的读者阅读，特别适合有志于学习Julia并从事数据科学相关工作的人员学习参考。

第1章 Julia简介 1 1．1 Julia如何提高数据科学水平 2 1．2 Julia 扩展 6 1．3 关于本书 7 第2章 建立数据科学工作环境 9 2．1 Julia IDE 9 2．2 Julia扩展包 13 2．3 IJulia基础 16 2．4 要使用的数据集 21 2．5 在Julia中实现一个简单的机器学习算法 25 2．6 将工作区保存到数据文件 32 2．7 帮助 36 2．8 小结 36 2．9 思考题 37 第3章 Julia入门 39 3．1 数据类型 39 3．2 数组 42 3．2．1 数组基础 42 3．3 字典 44 3．4 基本命令与函数 45 3．5 数学函数 48 3．6 数组与字典函数 53 3．7 其他函数 59 3．8 运算符、循环语句与条件语句 62 3．9 小结 66 3．10 思考题 67 第4章 Julia进阶 68 4．1 字符串处理 68 4．2 定制函数 74 4．3 实现简单算法 77 4．4 创建完整解决方案 79 4．5 小结 83 4．6 思考题 84 第5章 Julia数据科学应用概述 85 5．1 数据科学工作流程 85 5．2 数据工程 88 5．3 数据建模 93 5．4 信息萃取 96 5．5 保持开放型思维 99 5．6 在实际问题中应用数据科学流程 99 5．7 小结 103 5．8 思考题 105 第6章 Julia数据工程 106 6．1 数据框 106 6．2 导入与导出数据 115 6．3 数据清洗 117 6．4 数据格式化与转换 119 6．5 对数值型数据进行转换 120 6．6 初步的特征评价 126 6．7 小结 128 6．8 思考题 129 第7章 探索数据集 130 7．1 倾听数据 130 7．2 计算基本统计量和相关性 131 7．3 绘制统计图 136 7．4 假设检验 145 7．5 其他检验 151 7．6 统计检验附加说明 151 7．7 案例研究：探索OnlineNewsPopularity数据集 151 7．8 小结 156 7．9 思考题 159 第8章 构建数据空间 160 8．1 主成分分析 161 8．2 特征评价与选择 165 8．3 其他数据降维技术 170 8．4 小结 172 8．5 思考题 173 第9章 数据抽样与结果评价 175 9．1 抽样技术 175 9．2 分类问题的性能指标 177 9．3 回归问题的性能指标 185 9．4 K折交叉验证（KFCV） 188 9．5 小结 190 9．6 思考题 192 第10章 无监督式机器学习 193 10．1 无监督式学习基础知识 193 10．2 使用K-均值算法分组数据 196 10．3 密度和DBSCAN算法 199 10．4 层次聚类 201 10．5 聚类的验证方式 203 10．6 关于有效进行聚类的一些建议 204 10．7 小结 206 10．8 思考题 207 第 11章 监督式机器学习 209 11．1 决策树 210 11．2 回归树 214 11．3 随机森林 216 11．4 基本神经网络 220 11．5 极限学习机 224 11．6 用于回归分析的统计模型 227 11．7 其他监督式学习系统 230 11．8 小结 233 11．9 本章思考题 235 第12章 图分析 236 12．1 图的重要性 237 12．2 定制数据集 239 12．3 图的统计量 240 12．4 环的检测 242 12．5 连通子图 244 12．6 团 245 12．7 图的路径 246 12．8 生成树 248 12．9 Julia在图分析中的作用 251 12．10 小结 252 12．11 思考题 254 第13章 更上一层楼 255 13．1 Julia社区 255 13．2 学以致用 257 13．3 在数据科学中使用Julia的思考 260 附录A 下载安装Julia与IJulia 264 附录B 与Julia相关的一些常用站点 266 附录C 本书所用的扩展包 268 附录D Julia与其他平台的集成 269 D．1 Julia与R的集成 269 D．2 Julia与Python的集成 270 附录E Julia中的并行处理 272 附录F 各章思考题答案 275

Zacharias Voulgaris 出生于希腊雅典。就读于克里特理工大学生产工程与管理专业，后转而学习计算机科学，在伦敦城市大学获得了信息系统与技术的硕士学位，此后，又研究数据科学，在伦敦大学获得了机器学习博士学位。他曾在佐治亚理工大学工作并任研究员，担任过 SEO 经理、数据科学家，还做过 Microsoft 公司的程序经理，负责 Bing 的数据分析流程。除了数据科学，他对新技术、文学和音乐抱有浓厚的兴趣。

暂无其它内容！

暂时还没有人为这本书评论！