计算社会科学导论

本书精心选择了回归分 析、机器学习、聚类分析、 神经网络分析、自然语言处 理、计算机视觉、社会网络 分析、ABM等内容。通过飞 桨平台提供多种开发工具和 预训练模型，以及详细的帮 助文档和课程，让广大师生 快速有效地开展学习和研究 。 本书是一本开源的、不 断更新的、“适文化”的教材 ，可作为人文社科类学生学 习计算社会科学的入门教材 ，目的是让他们了解计算社 会科学主要的研究议题、研 究方法、源起和发展，从而 开启他们的学习与探索之旅 。本书也可以供计算社会科 学相关专业学生和研究者来 了解“社会科学家们到底在 做什么？”，有助于计算社 会科学相关专业学习人员提 高人文素养。

基础理论篇 第1章 绪论 1.1 实证社会科学的困境 1.2 计算社会科学简史 1.2.1 两大传统 1.2.2 未来挑战 1.3 计算社会科学的基础问题 1.3.1 概念界定 1.3.2 学科边界 1.3.3 研究范式 1.3.4 研究方法 1.4 如何使用本书？ 习题1 第2章 Python语言入门 2.1 Python语言简介 2.1.1 简介 2.1.2 历史 2.1.3 Python与计算社会科学 2.2 Python的安装 2.2.1 在Windows上安装Python 2.2.2 在macOS上安装Python 2.2.3 Anaconda安装 2.2.4 PyCharm安装 2.2.5 AI Studio调用 2.3 Python基础语法 2.3.1 数据结构类型 2.3.2 条件语句 2.3.3 循环语句 2.3.4 函数 2.3.5 库（包） 2.3.6 案例：政府工作报告热点分析 2.4 搜集数据：网络爬虫简介 2.4.1 什么是网络爬虫 2.4.2 利用Python进行爬虫 本章小结 习题2 机器学习篇 第3章 回归分析 3.1 算法基础 3.1.1 线性回归的基本原理 3.1.2 线性回归模型的评估指标 3.1.3 方差与偏差的权衡 3.1.4 过拟合与欠拟合 3.2 岭回归 3.2.1 对岭回归的理解 3.2.2 调参 3.2.3 案例1：如何预测居民的幸福度 3.3 拉索回归 3.3.1 对拉索回归的理解 3.3.2 贝叶斯角度理解岭回归与拉索回归