0去购物车结算
购物车中还没有商品,赶紧选购吧!
当前位置: > web大数据处理与分析

相同语种的商品

浏览历史

web大数据处理与分析


联系编辑
 
标题:
 
内容:
 
联系方式:
 
  
web大数据处理与分析
  • 书号:9787030606365
    作者:夏换,杨秀璋,于小民
  • 外文书名:
  • 装帧:平装
    开本:B5
  • 页数:282
    字数:367000
    语种:zh-Hans
  • 出版社:科学出版社
    出版时间:2019-03-01
  • 所属分类:
  • 定价: ¥152.00元
    售价: ¥120.08元
  • 图书介质:
    纸质书

  • 购买数量: 件  可供
  • 商品总价:

内容介绍

样章试读

用户评论

全部咨询

本书主要研究Web大数据的数据预处理和数据分析技术,采用Python 语言实现。全书贯穿各种算法与案例进行讲解,内容包括基础知识、Python数据预处理和Python数据分析三部分,涉及数据挖掘概念、关系型数据库、语料知识库、正则表达式、中文分词、数据清洗、词性标注、特征提取、权重计算、聚类分析、分类分析、主题模型、神经网络等知识。本书一方面填补了Web大数据预处理和分析相结合的空白,另一方面包含了各种实战案例,构思合理、逻辑清晰,符合国家大数据发展战略,有利于推动各地区的大数据发展。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录,共 1 页。 第一页 上一页 下一页 最末页
用户名: 匿名用户
E-mail:
咨询内容:

目录

  • 目录
    第一部分 基础知识
    第1章 概述 3
    1.1 大数据预处理和分析 3
    1.2 各章概要 8
    1.3 如何阅读本书 12
    第2章 数据挖掘基础知识 14
    2.1 数据挖掘 14
    2.2 有监督学习 16
    2.3 无监督学习 17
    2.4 部分监督学习 19
    第3章 关系型数据库和语料知识库 21
    3.1 关系型数据库 21
    3.2 SQL基础知识 23
    3.3 Python调用数据库 32
    3.4 常见的语料知识库 39
    第4章 正则表达式和基本字符串函数 48
    4.1 正则表达式 48
    4.2 基本字符串函数 58
    4.3 字符编码简介 64
    第二部分 基于Python的大数据预处理
    第5章 数据预处理相关介绍 71
    5.1 预处理概述 71
    5.2 中文分词 72
    5.3 数据清洗 74
    5.4 词性标注基础 75
    5.5 向量空间模型及特征提取 76
    5.6 权重计算 76
    第6章 中文分词技术及Jieba工具 77
    6.1 中文分词技术介绍 77
    6.2 常用中文分词工具 80
    6.3 Jieba中文分词工具 81
    6.4 案例分析:使用Jieba对百度百科摘要信息进行中文分词 91
    第7章 数据清洗及停用词过滤 94
    7.1 数据清洗的概念 94
    7.2 数据清洗常见方法 97
    7.3 停用词过滤 98
    第8章 词性标注 106
    8.1 词性标注概述 106
    8.2 BosonNLP词性标注 109
    8.3 Jieba工具词性标注 115
    8.4 案例分析:基于Jieba工具的词性标注 120
    第9章 向量空间模型及特征提取 124
    9.1 向量空间模型 124
    9.2 特征提取 126
    9.3 余弦相似性 129
    9.4 案例分析:基于向量空间模型的余弦相似度计算 131
    第10章 权重计算及TF-IDF 139
    10.1 权重计算 139
    10.2 TF-IDF 141
    10.3 Scikit-Learn中的TF-IDF使用方法 143
    10.4 案例分析:TF-IDF计算中文语料权重 146
    第三部分 基于Python的大数据分析
    第11章 Python大数据分析的常用库介绍 157
    11.1 数据挖掘概述 157
    11.2 开发软件安装过程 159
    11.3 Scikit-Learn库 165
    11.4 NumPy、SciPy、Matplotlib库 169
    第12章 基于Python的聚类数据分析 175
    12.1 聚类概述 175
    12.2 聚类算法基本用法 178
    12.3 案例分析:基于Birch层次聚类算法及PAC降维显示聚类图像 190
    第13章 基于Python的分类算法分析 206
    13.1 分类概述 206
    13.2 Python分类算法基本用法 214
    13.3 案例分析:基于新闻数据分类算法的示例 229
    第14章 基于Python的LDA主题模型 242
    14.1 LDA主题模型 242
    14.2 LDA安装过程 244
    14.3 LDA基本用法 245
    14.4 案例分析:LDA主题模型分布计算 254
    第15章 基于Python的神经网络分析 265
    15.1 神经网络的基础知识 265
    15.2 神经网络的Python简单实现 271
    15.3 Python神经网络工具包 275
    15.4 案例分析:使用神经网络训练 280
    参考文献 283
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证