命令行中的數(shù)據(jù)科學

定　價：￥49.00

作　者：	（荷）詹森斯（Jeroen Janssens）著；王曉偉，劉峰譯
出版社：	人民郵電出版社
叢編項：
標　簽：	計算機/網(wǎng)絡數(shù)據(jù)倉庫與數(shù)據(jù)挖掘數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787115391681	出版時間：	2015-06-01	包裝：
開本：		頁數(shù)：		字數(shù)：

內容簡介

　　本書集實用性和先進性于一身，為數(shù)據(jù)分析人員使用命令行這個靈活的工具提供了重要參考。作者講解了眾多實用的命令行工具，以及如何使用它們高效地獲取、清洗、探索和建模數(shù)據(jù)。無論你使用Windows、OS X，還是Linux，都可以安裝包含80多個命令行工具的“數(shù)據(jù)科學工具箱”，迅速建立自己的數(shù)據(jù)分析環(huán)境。無論你是否已經(jīng)習慣于使用Python或R語言，都能夠通過本書體會到使用命令行的快捷、靈活與伸縮自如。

作者簡介

　　Jeroen Janssens愛思唯爾（世界領先的科技及醫(yī)學出版公司）首席數(shù)據(jù)科學家，曾是紐約YPlan公司高級數(shù)據(jù)科學家。專門從事機器學習、異常檢測和數(shù)據(jù)可視化。在荷蘭馬斯特里赫特大學獲得人工智能碩士學位，在荷蘭蒂爾堡大學獲得機器學習博士學位。他熱衷于創(chuàng)建數(shù)據(jù)科學的開源工具，個人網(wǎng)站是http：//jeroenjanssens.com/。王曉偉（譯）畢業(yè)于國防科學技術大學，獲計算機科學與技術專業(yè)博士學位。研究興趣為海量數(shù)據(jù)管理與挖掘。劉峰（譯）百度LBS位置大數(shù)據(jù)部資深研發(fā)工程師，新加坡南洋理工大學計算機工程系博士，研究領域包括機器學習、神經(jīng)網(wǎng)絡、數(shù)據(jù)挖掘等。2010年加入百度，主要從事大數(shù)據(jù)分析和挖掘方面的工作，近年來專注于網(wǎng)絡定位、智能交通等LBS大數(shù)據(jù)的挖掘和機器學習應用。

圖書目錄

前言
第1章簡介　
　1.1　概述　
　1.2　數(shù)據(jù)科學就是OSEMN　
　1.2.1　數(shù)據(jù)獲取　
　1.2.2　數(shù)據(jù)清洗　
　1.2.3　數(shù)據(jù)探索　
　1.2.4　數(shù)據(jù)建?！?br /> 　1.2.5　數(shù)據(jù)解釋　
　1.3　插入的幾章　
　1.4　什么是命令行　
　1.5　為什么用命令行做數(shù)據(jù)科學工作　
　1.5.1　命令行的靈活性　
　1.5.2　命令行可增強　
　1.5.3　命令行可擴展　
　1.5.4　命令行可擴充　
　1.5.5　命令行無處不在　
　1.6　一個現(xiàn)實用例　
　1.7　延伸閱讀　
第2章入門指南　
　2.1　概述　
　2.2　設置數(shù)據(jù)科學工具箱　
　2.2.1　步驟1：下載和安裝VirtualBox　
　2.2.2　步驟2：下載和安裝Vagrant　
　2.2.3　步驟3：下載并啟動數(shù)據(jù)科學工具箱　
　2.2.4　步驟4：登錄（Linux 和Mac OS X）　
　2.2.5　步驟4：登錄（微軟Windows）　
　2.2.6　步驟5：關閉或重啟　
　2.3　必要的概念和工具　
　2.3.1　環(huán)境　
　2.3.2　運行命令行工具　
　2.3.3　五類命令行工具　
　2.3.4　命令行工具的組合　
　2.3.5　輸入和輸出重定向　
　2.3.6　處理文件　
　2.3.7　尋求幫助　
　2.4　延伸閱讀　
第3章數(shù)據(jù)獲取　
　3.1　概述　
　3.2　將本地文件復制到數(shù)據(jù)科學工具箱　
　3.2.1　本地數(shù)據(jù)科學工具箱　
　3.2.2　遠程數(shù)據(jù)科學工具箱　
　3.3　解壓縮文件　
　3.4　微軟Excel 電子表格的轉換　
　3.5　查詢關系數(shù)據(jù)庫　
　3.6　從互聯(lián)網(wǎng)下載　
　3.7　調用Web API　
　3.8　延伸閱讀　
第4章創(chuàng)建可重用的命令行工具　
　4.1　概述　
　4.2　將單行轉變?yōu)閟hell 腳本　
　4.2.1　步驟1：復制和粘貼　
　4.2.2　步驟2：添加執(zhí)行權限　
　4.2.3　步驟3：定義shebang　
　4.2.4　步驟4：刪除固定的輸入　
　4.2.5　步驟5：參數(shù)化　
　4.2.6　步驟6：擴展PATH　
　4.3　用Python 和R 創(chuàng)建命令行工具　
　4.3.1　移植shell 腳本　
　4.3.2　處理來自標準輸入的流數(shù)據(jù)　
　4.4　延伸閱讀　
第5章數(shù)據(jù)清洗　
　5.1　概述　
　5.2　純文本的常見清洗操作　
　5.2.1　行過濾　
　5.2.2　值提取　
　5.2.3　值替換和刪除　
　5.3　處理CSV　
　5.3.1　主體、頭部和列　
　5.3.2　對CSV 執(zhí)行SQL 查詢　
　5.4　處理HTML/XML 和JSON　
　5.5　CSV 的常見清洗操作　
　5.5.1　列的提取和重排序　
　5.5.2　行過濾　
　5.5.3　列合并　
　5.5.4　多個CSV 文件的合并　
　5.6　延伸閱讀　
第6章管理數(shù)據(jù)工作流　
　6.1　概述　
　6.2　Drake 簡介　
　6.3　Drake 的安裝　
　6.4　獲取古騰堡計劃中下載最多的電子書　
　6.5　所有工作流都從單個步驟開始　
　6.6　具體情況具體對待　
　6.7　重新構建具體目標　
　6.8　討論　
　6.9　延伸閱讀　
第7章數(shù)據(jù)探索　
　7.1　概述　
　7.2　檢查數(shù)據(jù)及其屬性　
　7.2.1　確定有無數(shù)據(jù)頭　
　7.2.2　檢查所有數(shù)據(jù)　
　7.2.3　特征名稱和數(shù)據(jù)類型　
　7.2.4　唯一標識、連續(xù)變量和因子　
　7.3　計算描述性統(tǒng)計信息　
　7.3.1　使用csvstat　
　7.3.2　在命令行中通過Rio 使用R　
　7.4　生成可視化圖形　
　7.4.1　介紹Gunplot 和feedgnuplot　
　7.4.2　介紹ggplot2　
　7.4.3　直方圖　
　7.4.4　條形圖　
　7.4.5　密度圖　
　7.4.6　箱線圖　
　7.4.7　散點圖　
　7.4.8　折線圖　
　7.4.9　總結　
　7.5　延伸閱讀　
第8章并行管道　
　8.1　概述　
　8.2　串行處理　
　8.2.1　對數(shù)字進行遍歷　
　8.2.2　對行進行遍歷　
　8.2.3　對文件進行遍歷　
　8.3　并行處理　
　8.3.1　GNU Parallel 介紹　
　8.3.2　指定輸入　
　8.3.3　控制并發(fā)任務的個數(shù)　
　8.3.4　記錄日志和輸出　
　8.3.5　創(chuàng)建并行工具　
　8.4　分布式處理　
　8.4.1　獲得運行中的AWS EC2 實例列表　
　8.4.2　在遠程機器上運行命令　
　8.4.3　在遠程機器間分發(fā)本地數(shù)據(jù)　
　8.4.4　在遠程機器上處理文件　
　8.5　討論　
　8.6　延伸閱讀　
第9章數(shù)據(jù)建模　
　9.1　概述　
　9.2　更多的酒，來吧！　
　9.3　用Tapkee 降維　
　9.3.1　介紹Tapkee　
　9.3.2　安裝Tapkee　
　9.3.3　線性和非線性映射　
　9.4　用Weka 聚類　
　9.4.1　介紹Weka　
　9.4.2　在命令行里改進Weka　
　9.4.3　在CSV 和ARFF 格式之間轉換　
　9.4.4　比較三種聚類算法　
　9.5　通過SciKit-Learn Laboratory 進行回歸　
　9.5.1　準備數(shù)據(jù)　
　9.5.2　運行實驗　
　9.5.3　解析結果　
　9.6　用BigML 分類　
　9.6.1　生成均衡的訓練和測試數(shù)據(jù)集　
　9.6.2　調用API　
　9.6.3　檢查結果　
　9.6.4　小結　
　9.7　延伸閱讀　
第10章總結　
　10.1　讓我們回顧一下
　10.2　三條建議　
　10.2.1　有耐心　
　10.2.2　有所創(chuàng)新　
　10.2.3　肯于實踐　
　10.3　接下來做什么　
　10.3.1　API　
　10.3.2　shell 編程　
　10.3.3　Python、R 和SQL　
　10.3.4　數(shù)據(jù)解釋　
　10.4　聯(lián)系方式　
　附錄A　命令行工具列表　
　附錄B　參考文獻　
　作者介紹　
　封面介紹