Julia数据科学应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

Julia数据科学应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 Julia简介1

1.1 Julia如何提高数据科学水平2

1.1.1数据科学工作流程3

1.1.2 Julia被数据科学社区接受的过程5

1.2 Julia扩展6

1.2.1包的质量6

1.2.2找到新的包6

1.3关于本书7

第2章 建立数据科学工作环境9

2.1 Julia IDE9

2.1.1 Juno10

2.1.2 IJulia11

2.1.3其他IDE12

2.2 Julia扩展包13

2.2.1找到并选择扩展包13

2.2.2安装扩展包14

2.2.3使用扩展包15

2.2.4破解扩展包16

2.3 IJulia基础16

2.3.1文件处理16

2.3.2在.j1文件中组织代码19

2.3.3引用代码20

2.3.4工作目录20

2.4要使用的数据集21

2.4.1数据集描述21

2.4.2下载数据集23

2.4.3加载数据集24

2.5在Julia中实现一个简单的机器学习算法25

2.5.1算法描述26

2.5.2算法实现27

2.5.3算法测试30

2.6将工作区保存到数据文件32

2.6.1将数据保存为分隔值文件32

2.6.2将数据保存为Julia数据文件33

2.6.3将数据保存为文本文件35

2.7帮助36

2.8小结36

2.9思考题37

第3章 Julia入门39

3.1数据类型39

3.2数组42

3.2.1数组基础42

3.2.2在数组中引用多个元素43

3.2.3多维数组44

3.3字典44

3.4基本命令与函数45

3.4.1 print（）和println（）46

3.4.2 typemax（）和typemin（）46

3.4.3 collect（）47

3.4.4 show（）47

3.4.5 linspace（）48

3.5数学函数48

3.5.1 round（）48

3.5.2 rand（）和randn（）49

3.5.3 sum（）52

3.5.4 mean（）53

3.6数组与字典函数53

3.6.1 in53

3.6.2 append！（）54

3.6.3 pop！（）54

3.6.4 push！（）55

3.6.5 splice！（）55

3.6.6 insert！（）56

3.6.7 sort（）和sort！（）57

3.6.8 get（）57

3.6.9 keys（）和values（）58

3.6.10 length（）和size（）58

3.7其他函数59

3.7.1 time（）59

3.7.2条件语句59

3.7.3 string（）61

3.7.4 map（）62

3.7.5 versioin（）62

3.8运算符、循环语句与条件语句62

3.8.1运算符63

3.8.2循环语句64

3.8.3 break命令66

3.9小结66

3.10思考题67

第4章 Julia进阶68

4.1字符串处理68

4.1.1 split（）69

4.1.2 join（）70

4.1.3正则表达式函数70

4.2定制函数74

4.2.1函数结构74

4.2.2匿名函数75

4.2.3多分派75

4.2.4函数示例76

4.3实现简单算法77

4.4创建完整解决方案79

4.5小结83

4.6思考题84

第5章 Julia数据科学应用概述85

5.1数据科学工作流程85

5.2数据工程88

5.2.1数据准备88

5.2.2数据探索90

5.2.3数据表示92

5.3数据建模93

5.3.1数据发现93

5.3.2数据学习94

5.4信息萃取96

5.4.1数据产品创建96

5.4.2知识、交付物与可视化产品97

5.5保持开放型思维99

5.6在实际问题中应用数据科学流程99

5.6.1数据准备99

5.6.2数据探索100

5.6.3数据表示101

5.6.4数据发现101

5.6.5数据学习102

5.6.6数据产品创建102

5.6.7知识、交付物和可视化产品103

5.7小结103

5.8思考题105

第6章 Julia数据工程106

6.1数据框106

6.1.1创建并填充数据框107

6.1.2数据框基础108

6.1.3引用数据框中的特定变量109

6.1.4探索数据框109

6.1.5筛选数据框110

6.1.6在数据框变量上应用函数111

6.1.7使用数据框进行工作111

6.1.8修改数据框113

6.1.9对数据框的内容进行排序113

6.1.10数据框的一些补充建议114

6.2导入与导出数据115

6.2.1使用.json数据文件115

6.2.2保存数据到.json文件115

6.2.3将数据文件加载到数据框116

6.2.4保存数据框到数据文件116

6.3数据清洗117

6.3.1数值型数据的清洗117

6.3.2文本型数据的清洗118

6.4数据格式化与转换119

6.4.1数值型数据的格式化119

6.4.2文本数据的格式化119

6.4.3数据类型的重要性120

6.5对数值型数据进行转换120

6.5.1标准化121

6.5.2离散化（分箱）与二值化122

6.5.3二值变量转换为连续型变量（仅对于二值分类问题）123

6.5.4文本数据转换124

6.5.5大小写标准化124

6.5.6向量化124

6.6初步的特征评价126

6.6.1回归126

6.6.2分类126

6.6.3特征评价补充说明127

6.7小结128

6.8思考题129

第7章 探索数据集130

7.1倾听数据130

本章要使用的扩展包131

7.2计算基本统计量和相关性131

7.2.1变量概要133

7.2.2变量之间的相关性134

7.2.3两个变量之间的可比性136

7.3绘制统计图136

7.3.1图形语法137

7.3.2为可视化准备数据137

7.3.3箱线图138

7.3.4条形图138

7.3.5折线图139

7.3.6散点图140

7.3.7直方图143

7.3.8导出统计图到文件144

7.4假设检验145

7.4.1检验的基础知识145

7.4.2错误类型146

7.4.3灵敏度与特异度146

7.4.4显著性水平与检验力146

7.4.5 KRUSKAL-WALLIS检验147

7.4.6 T-检验147

7.4.7卡方检验149

7.5其他检验151

7.6统计检验附加说明151

7.7案例研究：探索OnlineNewsPopularity数据集151

7.7.1变量统计152

7.7.2可视化153

7.7.3假设154

7.7.4奇妙的T-SNE方法155

7.7.5结论156

7.8小结156

7.9思考题159

第8章 构建数据空间160

8.1主成分分析161

8.1.1在Julia中使用PCA162

8.1.2独立成分分析：主成分分析的最常用替代方法164

8.2特征评价与选择165

8.2.1方法论概述165

8.2.2在Julia中使用余弦相似度进行特征评价与选择166

8.2.3在Julia中使用DID进行特征评价与选择168

8.2.4特征评价与选择方法的优缺点170

8.3其他数据降维技术170

8.3.1其他降维方法概述171

8.3.2何时使用高级降维方法172

8.4小结172

8.5思考题173

第9章 数据抽样与结果评价175

9.1抽样技术175

9.1.1基本抽样176

9.1.2分层抽样176

9.2分类问题的性能指标177

9.2.1混淆矩阵177

9.2.2准确度178

9.2.3精确度与召回度180

9.2.4 F1指标181

9.2.5误判成本181

9.2.6受试者工作特征（ROC）曲线及相关指标182

9.3回归问题的性能指标185

9.3.1 MSE及其变种RMSE186

9.3.2 SSE187

9.3.3其他指标187

9.4 K折交叉验证（KFCV）188

9.4.1在Julia中应用KFCV189

9.4.2 KFCV小提示189

9.5小结190

9.6思考题192

第10章 无监督式机器学习193

10.1无监督式学习基础知识193

10.1.1聚类的类型194

10.1.2距离的度量195

10.2使用K-均值算法分组数据196

10.2.1使用Julia实现K-均值聚类197

10.2.2对K-均值算法的使用建议198

10.3密度和DBSCAN算法199

10.3.1 DBSCAN算法199

10.3.2在Julia中应用DBSCAN200

10.4层次聚类201

10.4.1在Julia中使用层次聚类201

10.4.2何时使用层次聚类203

10.5聚类的验证方式203

10.5.1 Silhouettes203

10.5.2关于聚类验证的一些建议204

10.6关于有效进行聚类的一些建议204

10.6.1处理高维数据205

10.6.2标准化205

10.6.3可视化建议205

10.7小结206

10.8思考题207

第11章 监督式机器学习209

11.1决策树210

11.1.1在Julia中使用决策树211

11.1.2关于决策树的一些建议214

11.2回归树214

11.2.1在Julia中实现回归树215

11.2.2关于回归树的一些建议216

11.3随机森林216

11.3.1在Julia中使用随机森林进行分类216

11.3.2在Julia中使用随机森林进行回归218

11.3.3关于随机森林的一些建议219

11.4基本神经网络220

11.4.1在Julia中使用神经网络221

11.4.2关于神经网络的一些建议223

11.5极限学习机224

11.5.1在Julia中使用ELM224

11.5.2关于ELM的一些建议226

11.6用于回归分析的统计模型227

11.6.1在Julia中使用统计回归227

11.6.2关于统计回归的一些建议230

11.7其他监督式学习系统230

11.7.1提升树230

11.7.2支持向量机230

11.7.3直推式系统231

11.7.4深度学习系统232

11.7.5贝叶斯网络232

11.8小结233

11.9本章思考题235

第12章 图分析236

12.1图的重要性237

12.2定制数据集239

12.3图的统计量240

12.4环的检测242

用Julia检测环243

12.5连通子图244

12.6团245

12.7图的最短路径246

12.8最小生成树248

12.8.1在Julia中实现MST249

12.8.2用文件保存和加载图250

12.9 Julia在图分析中的作用251

12.10小结252

12.11思考题254

第13章 更上一层楼255

13.1 Julia社区255

13.1.1与其他Julia用户进行交流255

13.1.2代码库256

13.1.3视频文件256

13.1.4新闻257

13.2学以致用257

13.2.1从这些特征开始258

13.2.2关于这个项目的一些思考259

13.3在数据科学中使用Julia的最后思考260

13.3.1不断提高Julia编程水平260

13.3.2贡献Julia项目261

13.3.3 Julia在数据科学中的未来262

附录A 下载安装Julia与IJulia264

附录B 与Julia相关的一些常用站点266

附录C 本书所用的扩展包268

附录D Julia与其他平台的集成269

D.1 Julia与R的集成269

D.1.1在R中运行Julia脚本269

D.1.2在Julia中运行R脚本270

D.2 Julia与Python的集成270

D.2.1在Python中运行Julia脚本270

D.2.2在Julia中运行Python脚本271

附录E Julia中的并行处理272

附录F 各章思考题答案275