Java数据科学实战
Michael R. Brzustowicz
姜建锦, 赵绪营, 张岩 译
出版时间:2020年04月
页数:186
“这是一本不可多得的、采用Java来实现与应用数据科学的书。书中对机器学习所需的线 性代数和统计学的讨论简洁有力。本书汇集了布茹斯托维奇在该领域的丰富实战经验,我强烈推荐。”
——Terence Parr
旧金山大学计算机科学和数据科学教授,语法分析器生成工具ANTLR之父
数据科学近年来迅速成为了热门研究领域,但很少有数据科学从业人士冒险涉足Java世界。考虑到在工程与科学的交叉地带所需的可伸缩性、稳健性以及便利性,Java其实是一门理想的语言。本书将......展开全部内容介绍
  1. 前言 
  2. 第1章 数据的输入与输出 
  3. 1.1 究竟何谓数据 
  4. 1.2 数据模型 
  5. 1.2.1 一维数组 
  6. 1.2.2 多维数组
  7. 1.2.3 数据对象 
  8. 1.2.4 矩阵和向量 
  9. 1.2.5 JSON 
  10. 1.3 处理实际数据 
  11. 1.3.1 空值 
  12. 1.3.2 空格 
  13. 1.3.3 解析错误 
  14. 1.3.4 异常值 
  15. 1.4 管理数据文件 
  16. 1.4.1 首先理解文件内容
  17. 1.4.2 读取文本文件 
  18. 1.4.3 读取JSON文件 
  19. 1.4.4 读取图像文件 
  20. 1.4.5 写入文本文件 
  21. 1.5 掌握数据库操作 
  22. 1.5.1 命令行客户端 
  23. 1.5.2 结构化查询语言 
  24. 1.5.3 Java数据库连接 
  25. 1.6 通过绘图将数据可视化 
  26. 1.6.1 创建简单图形 
  27. 1.6.2 混合类型图的绘制 
  28. 1.6.3 把图存入文件 
  29. 第 2章 线性代数 
  30. 2.1 构造向量和矩阵 
  31. 2.1.1 数组存储 
  32. 2.1.2 块存储 
  33. 2.1.3 映射存储 
  34. 2.1.4 访问元素 
  35. 2.1.5 处理子阵 
  36. 2.1.6 随机化 
  37. 2.2 向量与矩阵的运算 
  38. 2.2.1 缩放 
  39. 2.2.2 转置 
  40. 2.2.3 加与减 
  41. 2.2.4 长度 
  42. 2.2.5 距离 
  43. 2.2.6 相乘 
  44. 2.2.7 内积 
  45. 2.2.8 外积 
  46. 2.2.9 逐项积 
  47. 2.2.10 复合运算 
  48. 2.2.11 仿射变换 
  49. 2.2.12 映射函数 
  50. 2.3 矩阵分解 
  51. 2.3.1 Cholesky分解 
  52. 2.3.2 LU分解 
  53. 2.3.3 QR分解 
  54. 2.3.4 奇异值分解 
  55. 2.3.5 特征分解 
  56. 2.3.6 行列式 
  57. 2.3.7 矩阵逆 
  58. 2.4 求解线性方程组 
  59. 第3章 统计学 
  60. 3.1 数据的概率起源 
  61. 3.1.1 概率密度 
  62. 3.1.2 累积概率 
  63. 3.1.3 统计矩 
  64. 3.1.4 熵 
  65. 3.1.5 连续分布 
  66. 3.1.6 离散分布 
  67. 3.2 数据集的特征 
  68. 3.2.1 矩的计算 
  69. 3.2.2 描述性统计 
  70. 3.2.3 多元统计 
  71. 3.2.4 协方差与相关系数 
  72. 3.2.5 回归 
  73. 3.3 处理大数据集 
  74. 3.3.1 累积统计 
  75. 3.3.2 统计结果的归并 
  76. 3.3.3 回归 
  77. 3.4 数据库内置函数的应用 
  78. 第4章 数据操作 
  79. 4.1 转换文本数据 
  80. 4.1.1 从文档中提取标记 
  81. 4.1.2 利用字典 
  82. 4.1.3 文档向量化 
  83. 4.2 数值数据的缩放与归一化 
  84. 4.2.1 对列进行缩放 
  85. 4.2.2 对行进行缩放 
  86. 4.2.3 矩阵的缩放算子 
  87. 4.3 将数据降维至主成分 
  88. 4.3.1 协方差方法 
  89. 4.3.2 SVD方法 
  90. 4.4 创建训练集、验证集及测试集 
  91. 4.4.1 基于索引的重新采样 
  92. 4.4.2 基于列表的重新采样 
  93. 4.4.3 小批量 
  94. 4.5 标签的编码  
  95. 4.5.1 泛型编码器 
  96. 4.5.2 一位有效编码 
  97. 第5章 学习与预测 
  98. 5.1 学习算法 
  99. 5.1.1 迭代学习过程 
  100. 5.1.2 梯度下降优化方法 
  101. 5.2 评估学习过程 
  102. 5.2.1 损失函数最小化 
  103. 5.2.2 方差和的最小化 
  104. 5.2.3 轮廓系数 
  105. 5.2.4 对数似然性 
  106. 5.2.5 分类器的准确率 
  107. 5.3 无监督型学习 
  108. 5.3.1 K均值聚类 
  109. 5.3.2 DBSCAN 
  110. 5.3.3 高斯混合 
  111. 5.4 监督型学习 
  112. 5.4.1 朴素贝叶斯 
  113. 5.4.2 线性模型 
  114. 5.4.3 深度网络 
  115. 第6章 Hadoop MapReduce 
  116. 6.1 Hadoop分布式文件系统 
  117. 6.2 MapReduce体系结构 
  118. 6.3 编写MapReduce应用 
  119. 6.3.1 剖析MapReduce任务 
  120. 6.3.2 Hadoop数据类型 
  121. 6.3.3 映射器 
  122. 6.3.4 归约器 
  123. 6.3.5 JSON字符串作为文本的简单性 
  124. 6.3.6 部署技巧 
  125. 6.4 MapReduce示例 
  126. 6.4.1 单词计数 
  127. 6.4.2 定制单词计数 
  128. 6.4.3 稀疏线性代数 
  129. 附录A 数据集 
  130. 作者简介 
  131. 关于封面 
购买选项
定价:59.00元
书号:978-7-115-53330-2
出版社:人民邮电出版社