PYTHON高级数据分析:机器学习.深度学习和NLP实例

本书介绍高级数据分析概念的广泛基础，以及*近的数据库革命，如Neo4j、弹性搜索和MongoDB。本书讨论了如何实现包括局部爬取在内的ETL技术，并应用于高频算法交易和目标导向的对话系统等领域。还有一些机器学习概念的例子，如半监督学习、深度学习和NLP。本书还涵盖了重要的传统数据分析技术，如时间序列和主成分分析等。

萨扬？穆霍帕迪亚(Sayan Mukhopadhyay)，拥有超过13年的行业经验，对投资银行、在线支付、在线广告、IT架构和零售等领域的数据分析应用有着深刻的理解。他的专业领域是在分布式和数据驱动的环境(如实时分析、高频交易等)中实现高性能计算。他在印度贾达普大学获得电子和仪器工程学位，在班加罗尔的印度科学研究所获得硕士学位，研究方向为计算和数据科学。

译者序作者简介技术审核员简介致谢第1章  简介0011.1  为何选择Python0011.2  何时避免使用Python0021.3  Python中的面向对象编程0021.4  在Python中调用其他语言0101.5  将Python模型作为微服务0111.6  高性能API和并发编程014第2章  Python结构化数据提取、转换和加载0192.1  MySQL0202.1.1  如何安装MySQLdb0202.1.2  数据库连接0202.1.3  INSERT操作0202.1.4  READ操作0212.1.5  DELETE操作0222.1.6  UPDATE操作0232.1.7  COMMIT操作0232.1.8  ROLL-BACK操作0242.2  Elasticsearch0262.3  Neo4j Python驱动0292.4  neo4j-rest-client0292.5  内存数据库0292.6  Python版本MongoDB0302.6.1  将数据导入集合0312.6.2  使用pymongo创建连接0312.6.3  访问数据库对象0322.6.4  插入数据0322.6.5  更新数据0322.6.6  删除数据0322.7  Pandas0332.8  Python非结构化数据提取、转换和加载0342.8.1  电子邮件解析0342.8.2  主题爬取036第3章  基于Python的监督学习0433.1  使用Python实现降维0433.1.1  相关性分析0443.1.2  主成分分析0463.1.3  互信息0483.2  使用Python进行分类0493.3  半监督学习0503.4  决策树0503.4.1  哪个属性优先0503.4.2  随机森林分类器0523.5  朴素贝叶斯分类器0523.6  支持向量机0543.7  最近邻分类器0553.8  情绪分析0563.9  图像识别0573.10  使用Python进行回归0583.10.1  最小二乘估计0593.10.2  逻辑回归0603.11  分类和回归0603.12  使模型高估或低估0613.13  处理分类型数据062第4章  无监督学习—聚类0674.1  K均值聚类0684.2  选择K—肘部法则0714.3  距离或相似性度量0714.3.1  属性0724.3.2  一般及欧氏距离0724.3.3  平方欧氏距离0744.3.4  字符串之间的编辑距离0744.4  文档上下文的相似性0764.5  什么是层次聚类0774.5.1  自下而上的方法0784.5.2  聚类之间的距离0794.5.3  自上而下的方法0804.5.4  图论方法0844.6  如何判断聚类结果是否良好085第5章  深度学习和神经网络0875.1  反向传播0885.1.1  反向传播方法0885.1.2  广义Delta规则0885.1.3  输出层权重更新0895.1.4  隐藏层权重更新0905.1.5  反向传播网络小结0915.2  反向传播算法0925.3  其他算法0945.4  TensorFlow0945.5  递归神经网络099第6章  时间序列1076.1  变化的分类1076.2  包含趋势的序列分析1076.2.1  曲线拟合1086.2.2  从时间序列中去除趋势1096.3  包含周期性的序列数据分析1106.4  从时间序列中去除周期性1116.4.1  滤波1116.4.2  差分1126.5  转换1126.5.1  稳定方差1126.5.2  使周期效应累加1136.5.3  使数据呈正态分布1136.6  平稳时间序列1146.6.1  平稳过程1146.6.2  自相关和相关图1146.6.3  自协方差和自相关函数的估计1156.7  使用Python进行时间序列分析1166.7.1  有用的方法1166.7.2  自回归过程1186.7.3  估计AR过程的参数1196.8  混合ARMA模型1226.9  集成ARMA模型1236.10  傅里叶变换1246.11  一个特殊的场景1256.12  数据缺失127第7章  大数据分析1297.1  Hadoop1297.1.1  MapReduce编程1297.1.2  partitioning函数1307.1.3  combiner函数1317.1.4  HDFS文件系统1407.1.5  MapReduce设计模式1407.2  Spark1467.3  云分析1487.4  物联网156