书名：Python大数据分析与机器学习商业案例实战pdf/doc/txt格式电子书下载

推荐语：

作者：王宇韬,钱妍竹

出版社：机械工业出版社

出版时间：2020-05-01

书籍编号：30618039

ISBN：9787111654711

正文语种：中文

字数：269802

版次：1

所属分类：互联网+-大数据

Python大数据分析与机器学习商业案例实战

王宇韬　钱妍竹　著

ISBN：978-7-111-65471-1

。

版权所有，侵权必究

客服热线：+ 86-10-68995265

客服信箱：service@bbbvip.com

官方网址：www.hzmedia.com.cn

新浪微博 @华章数媒

微信公众号 华章电子书（微信号：hzebook）

前言

在这个信息爆炸的时代，如何高效处理数据并利用数据推动决策显得尤为重要，这便是人们通常所说的“大数据分析”。与大数据分析相伴而生的机器学习（Machine Learning），有些人可能会感到陌生，然而说到战胜了众多人类围棋高手的智能机器人AlphaGo，想必大多数人都有所耳闻。AlphaGo背后的原理支撑就是机器学习，它通过模拟人类的学习行为，不停地分析海量的围棋数据，发现数据背后的规律，从而在已有条件下做出最为理性的决断，这个过程充满了机器美学。

大数据分析和机器学习面对的数据浩如烟海，原始的纸笔演算根本无力应对，幸运的是，飞速发展的信息技术为我们建造了一个“武器库”——从Excel、MATLAB等专业的应用软件，到Java、R、Python等程序设计语言，大大降低了大数据分析和机器学习的实现门槛，推动着这些先进技术在各行各业生根发芽。

Python是大数据分析和机器学习“武器库”中的一把“利刃”，其功能强大且简单易上手。本书就是一本专注于利用Python编程实现大数据分析与机器学习商业应用的实战型教程，讲解了线性回归模型、逻辑回归模型、决策树模型、朴素贝叶斯模型、K近邻算法模型、随机森林模型、AdaBoost与GBDT模型、XGBoost与LightGBM模型、PCA（主成分分析）模型、聚类与分群模型（KMeans与DBSCAN算法）、协同过滤算法模型、Apriori关联分析模型、神经网络模型等十余种机器学习模型，每种模型都配有一到两个典型案例，涵盖了多个行业的应用场景，如金融领域的大数据风控、量化金融交易，产品营销领域的产品智能定价与智能推荐、用户评论情感分析、客户精准营销与流失预警，医疗领域的疾病预测与关联规则分析，社会科学领域的收入预测、人脸识别，企业办公与管理领域的手写文字识别、员工离职预测等。

有的读者可能会在感慨机器学习之强大的同时发出疑问：机器学习这么厉害，我能学会吗？其实机器学习并不复杂，尤其是Python中的编程实现更加方便，你甚至无须完全了解模型的数学原理，便能用几行代码搭建出一个简单的模型，相信读者在阅读完3～5章之后就能体会到Python的数据分析之美。当然，知其然更要知其所以然，本书还会以简单易懂的方式讲解各个机器学习模型的数学原理，读者只需具备高中数学以上的基础便能理解。

为方便读者学习，本书所有案例均提供配套的素材文件、数据文件和源代码文件，并且附赠Python基础知识的电子书和教学视频，具体的获取方法见“如何获取学习资源”中的说明。

由于编者水平有限，本书难免有不足之处，恳请广大读者批评指正，除了扫描封底及勒口中的二维码关注公众号以外，也可加入QQ群930872583与我们交流。

编者

2020年3月

如何获取学习资源

本书的学习资源分为案例文件（包括素材文件、数据文件、源代码文件等）和视频课程两部分。获取学习资源的方法有两种，下面分别介绍。

方法1　百度网盘下载案例文件，在线观看视频课程

步骤1：扫描关注微信公众号

用手机微信扫描右侧二维码，关注我们的微信公众号。

步骤2：获取学习资源下载地址和提取密码

进入公众号，发送关键词“机器学习”，即可获得案例文件的百度网盘下载地址和提取密码，以及视频课程的在线观看地址和免费兑换码。

步骤3：提取文件

在计算机的网页浏览器中打开获取的案例文件下载地址，在页面的“请输入提取密码”文本框中输入获取的提取密码（输入时注意区分大小写），再单击“提取文件”按钮。

步骤4：下载文件

在资源下载页面中单击打开资源文件夹，将鼠标指针放在要下载的文件上，单击文件名右侧显示的“下载”按钮，即可将文件下载到计算机中。下载的文件如果为压缩包，可使用7-Zip、WinRAR等软件解压。

提示

不要直接单击文件名，而要单击文件名右侧的“下载”按钮。如果页面中提示选择“高速下载”或“普通下载”，请选择“普通下载”。

方法2　QQ群下载案例文件，在线观看视频课程

加入本书的服务QQ群930872583，可从群文件中下载案例文件。

在手机微信中进入公众号，发送关键词“机器学习”，即可获得视频课程的在线观看地址和免费兑换码。

提示

读者在下载和使用学习资源的过程中如果遇到自己解决不了的问题，请加入QQ群930872583，向群管理员寻求帮助。

第1章　Python与数据科学

本章首先介绍大数据分析的原理与应用领域、机器学习的基本概念及Python在数据科学中的作用，然后讲解如何安装Python及使用相关的代码编辑器，最后会提及如何快速掌握Python的基础知识。

1.1　大数据分析与机器学习概述

说到大数据分析与机器学习（Machine Learning），有的读者可能感觉比较陌生，然而说到击败了世界顶级围棋选手的智能机器人AlphaGo，想必大家都有所耳闻。AlphaGo背后的原理就是大数据分析。通过不停地进行机器训练与学习，AlphaGo在积累了海量数据后，逐渐掌握了大量围棋技巧，并凭借高速的计算能力击败了顶级围棋选手。机器学习便是模拟或实现人类的学习行为，以探寻大数据背后的规律。机器学习在某种程度上可以说是人工智能的核心。

1.1.1　大数据分析与机器学习的应用领域

除了围棋领域，大数据分析在其他领域也有很大的应用空间。在信息时代，我们每天都要接触海量的数据，通过人力在海量的数据中寻找规律有很大的局限性，而通过机器学习则可以高效、快速地对数据进行分析并提炼出规律。

下表简单展示了大数据分析与机器学习在8大领域的应用，我们将在后面的章节中通过实战讲解其中的部分案例。

上表中的案例仅是大数据分析与机器学习的很小一部分应用场景。虽然不同行业的应用场景不同，但是其原理都是相通的，等学习完后面的章节，相信大家会对这些案例有更加清晰的认知。

1.1.2　机器学习的基本概念

机器学习是强有力的大数据分析工具。机器学习主要分为监督式学习与非监督式学习两大类，两者的区别在于训练数据中是否有目标变量（又称为预测变量）。

下面用两张图来解释两者的区别。监督式学习（训练数据中有目标变量）如下图所示，它的训练数据中有3个特征变量（体型、毛发、特点）和1个目标变量（品种），该机器学习的目的就是根据训练数据搭建模型来预测狗的品种。

非监督式学习（训练数据中无目标变量）如下图所示，它的训练数据中只有特征变量，而没有目标变量（品种），所以它的学习目的不是预测品种。以第13章的聚类模型为例，非监督式学习可以根据这些特征将训练数据中的狗进行归类，如A类狗、B类狗、C类狗，那么对于一个新样本便可以根据它的特征来判别它属于哪一个分类。

再细分来说，监督式学习主要分为回归分析（Regression）与分类问题（Classification），其特点与典型案例见下表。

而非监督式学习主要分为数据聚类与分群（Clustering）与数据降维（Dimension Reduction），其特点与典型案例见下表。

从机器学习模型的角度，可以将监督式学习和非监督式学习分成如下表所示的不同算法模型。这些模型的原理和应用将在后面的章节进行详细讲解，并且每一章都会通过商业案例实战来帮助大家理解和巩固。

1.1.3　Python在数据科学中的作用

数据分析的工具有很多，如经典的MATLAB与R语言，以及目前非常火的Python。Python之所以能够成为如今大数据分析的主要工具，主要是因为它有很多现成的数据分析及机器学习的工具包（在Python中称为“库”），如NumPy库、pandas库、Scikit-Learn库（简称sklearn库）等。这些库里封装了很多已经写好的算法模型，我们在编程时可以直接调用，而不需要把精力花在数学表达式的构建上，大大提高了工作效率。

了解了Python的强大之处后，下面来讲解Python的安装方法及相关代码编辑器的基本使用方法。

1.2　Python编程环境部署与基本操作

本节主要讲解如何安装Python和编辑器PyCharm，并着重介绍编辑器Jupyter Notebook的使用（笔者推荐在Jupyter Notebook中运行机器学习的相关代码）。由于本书的侧重点是大数据分析与机器学习，所以本节的知识仅讲解核心要点，在本书附赠的相关视频和部分电子教材中有更详细的讲解。

1.2.1　Python的安装

学习Python的第一步是什么？自然是安装Python了。这里介绍一种非常方便的安装方法——Anaconda安装。Anaconda是Python的一个发行版本，安装好了Anaconda就相当于安装好了Python，并且里面还集成了很多关于Python科学计算的第三方库。

在浏览器中打开Anaconda的官网下载地址https://www.anaconda.com/distribution/，根据当前操作系统配置选择相应的版本下载即可。这里选择Windows系统的Python 3.7版本，如下图所示，默认为64位的版本。如果操作系统是32位，那么选择32位的版本下载，如果是macOS或Linux系统，选择相应版本下载即可。

如果官网下载速度较慢，可以到清华大学开源软件镜像站下载安装文件，网址为https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/。

双击下载好的安装文件，进入安装界面。建议不要改变默认安装路径（防止可能出现的安装问题），然后在弹出的界面中单击多次“Next”按钮。安装到如下图所示的界面时，一定要勾选第一个复选框，其作用相当于自动配置好环境变量，对初学者来说比较方便。

如果弹出的界面中询问是否安装Microsoft VSCode（Install Microsoft VSCode），单击“Skip”按钮跳过即可。最后单击“Finish”按钮，完成安装。

要输入和调试Python程序，还需要选择一款代码编辑器。Anaconda自带了一些不错的编辑器，如Spyder、Jupyter Notebook，此外常用的编辑器还有PyCharm。笔者通常用Jupyter Notebook进行机器学习的代码学习、调试与整理，最终在PyCharm中运行完整的项目。下面先简单介绍PyCharm的安装和配置方法，然后详细介绍Jupyter Notebook的基本操作。初学者重点学习Jupyter Notebook的使用。

1.2.2　PyCharm的安装与设置

PyCharm的特点是界面美观，并且能够快速识别常见的编程格式错误。例如，代码中的双括号“()”如果少了右括号“）”，PyCharm就会自动提示。PyCharm的官网下载地址为http://www.jetbrains.com/pycharm/download/，选择操作系统类型后，下载免费的Community版，如下图所示。

双击下载好的安装文件即可开始安装，安装过程中，在大多数界面单击“Next”按钮和“Install”按钮，当出现如下图所示的界面时，要勾选两个复选框，这是为了选择64位的安装版本并关联扩展名为.py的Python文件。

之后一直单击“Next”按钮，最后单击“Finish”按钮即可完成安装。

初次启用PyCharm时需要注意以下事项。

步骤1：单击“Do not import settings”单选按钮，如下图所示。

步骤2：选择页面风格，建议选择默认的黑色风格。

步骤3：选择辅助工具，直接跳过，不做任何设置。

步骤4：单击“Create New Project”按钮，创建Python项目。

步骤5：为项目文件夹命名，这一步要展开“Project Interpreter”选项组，单击“Existing interpreter”单选按钮，

....