目　　錄
譯者序
前言
作者簡介
第1章　新手上路 1
1.1　數(shù)據(jù)科學與Python簡介 1
1.2　Python的安裝 2
1.2.1　Python 2還是Python 3 3
1.2.2　分步安裝 3
1.2.3　工具包的安裝 4
1.2.4　工具包升級 6
1.2.5　科學計算發(fā)行版 6
1.2.6　虛擬環(huán)境 8
1.2.7　核心工具包一瞥 11
1.3　Jupyter簡介 17
1.3.1　快速安裝與初次使用 19
1.3.2　Jupyter魔術(shù)命令 20
1.3.3　Jupyter Notebook怎樣幫助數(shù)據(jù)科學家 22
1.3.4　Jupyter的替代版本 26
1.4　本書使用的數(shù)據(jù)集和代碼 27
1.5　小結(jié) 33
第2章　數(shù)據(jù)改寫 34
2.1　數(shù)據(jù)科學過程 34
2.2　使用pandas進行數(shù)據(jù)加載與預處理 36
2.2.1　數(shù)據(jù)快捷加載 36
2.2.2　處理問題數(shù)據(jù) 38
2.2.3　處理大數(shù)據(jù)集 41
2.2.4　訪問其他的數(shù)據(jù)格式 43
2.2.5　數(shù)據(jù)預處理 44
2.2.6　數(shù)據(jù)選擇 47
2.3　使用分類數(shù)據(jù)和文本數(shù)據(jù) 49
2.3.1　特殊的數(shù)據(jù)類型文本 51
2.3.2　使用Beautiful Soup抓取網(wǎng)頁 56
2.4　使用NumPy進行數(shù)據(jù)處理 57
2.4.1　NmuPy中的N維數(shù)組 57
2.4.2　NmuPy ndarray對象基礎(chǔ) 58
2.5　創(chuàng)建NumPy數(shù)組 59
2.5.1　從列表到一維數(shù)組 60
2.5.2　控制內(nèi)存大小 60
2.5.3　異構(gòu)列表 61
2.5.4　從列表到多維數(shù)組 62
2.5.5　改變數(shù)組大小 63
2.5.6　利用NumPy函數(shù)生成數(shù)組 64
2.5.7　直接從文件中獲得數(shù)組 65
2.5.8　從pandas提取數(shù)據(jù) 65
2.6　NumPy快速操作和計算 66
2.6.1　矩陣運算 68
2.6.2　NumPy數(shù)組切片和索引 69
2.6.3　NumPy數(shù)組堆疊 71
2.7　小結(jié) 72
第3章　數(shù)據(jù)科學流程 73
3.1　EDA簡介 73
3.2　創(chuàng)建新特征 77
3.3　維數(shù)約簡 78
3.3.1　協(xié)方差矩陣 79
3.3.2　主成分分析 80
3.3.3　一種用于大數(shù)據(jù)的PCA變型RandomizedPCA 82
3.3.4　潛在因素分析 83
3.3.5　線性判別分析 84
3.3.6　潛在語義分析 85
3.3.7　獨立成分分析 85
3.3.8　核主成分分析 85
3.3.9　t-分布鄰域嵌入算法 87
3.3.10　受限玻爾茲曼機 87
3.4　異常檢測和處理 89
3.4.1　單變量異常檢測 89
3.4.2　EllipticEnvelope 90
3.4.3　OneClassSVM 94
3.5　驗證指標 96
3.5.1　多標號分類 97
3.5.2　二值分類 99
3.5.3　回歸 100
3.6　測試和驗證 100
3.7　交叉驗證 103
3.7.1　使用交叉驗證迭代器 105
3.7.2　采樣和自舉方法 107
3.8　超參數(shù)優(yōu)化 108
3.8.1　建立自定義評分函數(shù) 110
3.8.2　減少網(wǎng)格搜索時間 112
3.9　特征選擇 113
3.9.1　基于方差的特征選擇 113
3.9.2　單變量選擇 114
3.9.3　遞歸消除 115
3.9.4　穩(wěn)定性選擇與基于L1的選擇 116
3.10　將所有操作包裝成工作流程 118
3.10.1　特征組合和轉(zhuǎn)換鏈接 118
3.10.2　構(gòu)建自定義轉(zhuǎn)換函數(shù) 120
3.11　小結(jié) 121
第4章　機器學習 122
4.1　準備工具和數(shù)據(jù)集 122
4.2　線性和logistic回歸 124
4.3　樸素貝葉斯 126
4.4　K近鄰 127
4.5　非線性算法 129
4.5.1　基于SVM的分類算法 129
4.5.2　基于SVM的回歸算法 131
4.5.3　調(diào)整SVM（優(yōu)化） 132
4.6　組合策略 133
4.6.1　基于隨機樣本的粘合策略 134
4.6.2　基于弱分類器的bagging策略 134
4.6.3　隨機子空間和隨機分片 135
4.6.4　隨機森林和Extra-Trees 135
4.6.5　從組合估計概率 137
4.6.6　模型序列AdaBoost 138
4.6.7　梯度樹提升 139
4.6.8　XGBoost 140
4.7　處理大數(shù)據(jù) 142
4.7.1　作為范例創(chuàng)建一些大數(shù)據(jù)集 142
4.7.2　對容量的可擴展性 143
4.7.3　保持速度 144
4.7.4　處理多樣性 145
4.7.5　隨機梯度下降概述 147
4.8　深度學習 148
4.9　自然語言處理一瞥 153
4.9.1　詞語分詞 153
4.9.2　詞干提取 154
4.9.3　詞性標注 154
4.9.4　命名實體識別 155
4.9.5　停止詞 156
4.9.6　一個完整的數(shù)據(jù)科學例子文本分類 156
4.10　無監(jiān)督學習概覽 158
4.11　小結(jié) 165
第5章　社交網(wǎng)絡(luò)分析 166
5.1　圖論簡介 166
5.2　圖的算法 171
5.3　圖的加載、輸出和采樣 177
5.4　小結(jié) 179
第6章　可視化、發(fā)現(xiàn)和結(jié)果 180
6.1　matplotlib基礎(chǔ)介紹 180
6.1.1　曲線繪圖 181
6.1.2　繪制分塊圖 182
6.1.3　數(shù)據(jù)中的關(guān)系散點圖 183
6.1.4　直方圖 184
6.1.5　柱狀圖 185
6.1.6　圖像可視化 186
6.1.7　pandas的幾個圖形示例 188
6.1.8　散點圖 190
6.1.9　平行坐標 192
6.2　封裝matplotlib命令 193
6.2.1　Seaborn簡介 194
6.2.2　增強EDA性能 197
6.3　交互式可視化工具Bokeh 201
6.4　高級數(shù)據(jù)學習表示 203
6.4.1　學習曲線 204
6.4.2　確認曲線 205
6.4.3　隨機森林的特征重要性 206
6.4.4　GBT部分依賴關(guān)系圖形 207
6.4.5　創(chuàng)建MA-AAS預測服務(wù)器 208
6.5　小結(jié) 212
附錄A　增強Python基礎(chǔ) 213