数据科学导论：Python语言实现

4.3 K近邻 4.4 高级非线性算法 4.4.1 基于SVM的分类算法 4.4.2 基于SVM的回归算法 4.4.3 调整SVM 4.5 组合策略 4.5.1 基于随机样本的粘合策略 4.5.2 基于弱组合的分袋策略 4.5.3 随机子空间和随机分片 4.5.4 模型序列——AdaBoost 4.5.5 梯度树提升 4.5.6 处理大数据 4.6 自然语言处理一瞥 4.6.1 词语分词 4.6.2 词干提取 4.6.3 词性标注 4.6.4 命名实体识别 4.6.5 停止词 4.6.6 一个完整的数据科学示例——文本分类 4.7 无监督学习概述 4.8 小结 6.3.4 GBT部分依赖关系图 6.4 小结 译者序 我们正处于一个快速发展的信息化时代，人们每天都在生产着各种 类型的数据，与此同时，数据也在极大地影响着我们的生活。于是，数 据成为与能源同等重要的资源。掌握了数据获取、处理、建模、分析等 过程的理论和方法，无疑就是掌握了打开这种新型资源的钥匙。 数据科学是融合多种学科的新的知识领域，一般要求学习者或从业 者具备统计学等数学知识、计算机相关学科专业知识和特定业务领域的 知识。目前，数据科学领域的研究和应用备受瞩目，吸引了众多研究 者、实践者和从业者的参与，他们都在积极探索数据科学的基本理论、 研究方法和技术应用。 工欲善其事，必先利其器。那么，什么才是数据科学家最值得信赖 的专业工具呢？Python无疑是众多数据分析语言中最适合的一个。 Python是一种通用的、解释性和面向对象的语言，具有强大的数据分析 和机器学习软件包，为解决各种数据科学问题提供了快速、可靠、成熟 的开发环境。它易学易用，便于快速开发，有很好的交互式体验，已经 征服了科学界，堪称解决数据科学问题的神器。 本书介绍了进行数据科学分析和开发的所有关键要点，包括Python 软件及相关工具包的安装和使用；不仅包含数据加载、运算和改写等基 ......