Python數據科學：技術詳解與商業實踐 Python数据科学：技术详解与商业实践

本書共19章，第1章介紹數據科學中涉及的基本領域；第2～3章介紹與數據工作緊密相關的Python語言基礎；第4章講解描述性統計分析在宏觀業務領域的分析；第5章講解數據規整、清洗的重要技能；第6章介紹數據科學領域實用的四大統計檢驗；第7章講解當被解釋變量為連續變量時，如何使用線性回歸作預測；第8章講解使用邏輯回歸作評分卡模型；第9章講解另外一個可解釋模型——決策樹。第10～12章分別講解了BP神經網絡、樸素貝葉斯、近鄰域、支持向量機的原理和在決策類模型中的運用；第13～14章作為一個整體講解商業分析場景下的信息壓縮；第15章以產品推薦作為案例，講解發現事件與事件伴生關係的關聯分析和序列分析算法；第16章使用欺詐識別案例講解當被解釋變量分佈極端不平衡時的處理方法；第17章繼續使用欺詐識別案例講解集成學習算法；第18章講解了使用效應分解和ARIMA方法實現宏觀業務指標預測；第19章用案例展現了分類和聚類模型的CRISP-DM和SEMMA流程。