Java數(shù)據(jù)分析指南：Java

定　價：￥79.00

作　者：	[美] 約翰·哈伯德著，高蓉，李茂譯
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787115494863	出版時間：	2018-12-01	包裝：	平裝
開本：	16開	頁數(shù)：	331	字數(shù)：

內(nèi)容簡介

　　當今，數(shù)據(jù)科學已經(jīng)成為一個熱門的技術(shù)領(lǐng)域，例如數(shù)據(jù)處理、信息檢索、機器學習、自然語言處理、數(shù)據(jù)可視化等都得到了廣泛的應(yīng)用和發(fā)展。而Java作為一門經(jīng)典的編程語言，在數(shù)據(jù)科學領(lǐng)域也有著突出的表現(xiàn)。本書旨在通過Java編程來引導讀者更好地進行數(shù)據(jù)分析。本書包含11章內(nèi)容，詳細地介紹了數(shù)據(jù)科學導論、數(shù)據(jù)預(yù)處理、數(shù)據(jù)可視化、統(tǒng)計、關(guān)系數(shù)據(jù)庫、回歸分析、分類分析、聚類分析、推薦系統(tǒng)、NoSQL數(shù)據(jù)庫以及Java大數(shù)據(jù)分析等重要主題。本書適合想通過Java解決數(shù)據(jù)科學問題的讀者，也適合數(shù)據(jù)科學領(lǐng)域的專業(yè)人士以及普通的Java開發(fā)者閱讀。通過閱讀本書，讀者將能夠?qū)?shù)據(jù)分析有更加深入的理解，并且掌握實用的數(shù)據(jù)分析技術(shù)。

作者簡介

　　約翰·哈伯德（John R. Hubbard）任教于賓夕法尼亞州和弗吉尼亞州的高校，從事計算機數(shù)據(jù)分析工作長達40余年。他擁有賓州州立大學的計算機科學碩士學位和密歇根大學的數(shù)學博士學位。目前，他在里士滿大學擔任數(shù)學和計算機科學的名譽教授，他在該校講授數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)庫系統(tǒng)、數(shù)值分析和大數(shù)據(jù)。哈伯德博士出版了許多著作并發(fā)表過多篇論文，除了本書，他還出版過6本計算領(lǐng)域的著作。其中某些著作已經(jīng)翻譯為德文、法文、中文和其他5種語言。此外，他還是一位業(yè)余音樂家。

圖書目錄

第 1章數(shù)據(jù)科學導論 1
1．1　數(shù)據(jù)分析起源　1
1．2　科學方法　2
1．3　精算科學　2
1．4　蒸汽計算　3
1．5　一個驚人的例子　4
1．6　赫爾曼·何樂禮　5
1．7　ENIAC　6
1．8　VisiCalc　7
1．9　數(shù)據(jù)、信息和知識　7
1．10　為什么用Java　7
1．11　Java集成開發(fā)環(huán)境　8
1．12　小結(jié)　10
第　2章數(shù)據(jù)預(yù)處理　11
2．1　數(shù)據(jù)類型　11
2．2　變量　12
2．3　數(shù)據(jù)點和數(shù)據(jù)集　12
2．4　關(guān)系數(shù)據(jù)庫表　13
2．4．1　關(guān)鍵字段　13
2．4．2　鍵—值對　14
2．5　哈希表　14
2．6　文件格式　16
2．6．1　微軟Excel數(shù)據(jù)　18
2．6．2　XML和JSON數(shù)據(jù)　21
2．7　生成測試數(shù)據(jù)集　27
2．7．1　元數(shù)據(jù)　28
2．7．2　數(shù)據(jù)清洗　29
2．7．3　數(shù)據(jù)縮放　30
2．7．4　數(shù)據(jù)過濾　30
2．7．5　排序　33
2．7．6　合并　34
2．7．7　散列法　37
2．8　小結(jié)　38
第3章　數(shù)據(jù)可視化　39
3．1　表和圖　40
3．1．1　散點圖　40
3．1．2　線圖　42
3．1．3　條形圖　43
3．1．4　直方圖　43
3．2　時間序列　45
3．3　Java實現(xiàn)　46
3．4　移動平均　49
3．5　數(shù)據(jù)排序　53
3．6　頻率分布　55
3．7　正態(tài)分布　57
3．8　指數(shù)分布　59
3．9　Java示例　59
3．10　小結(jié)　61
第4章　統(tǒng)計　62
4．1　描述性統(tǒng)計量　62
4．2　隨機抽樣　65
4．3　隨機變量　67
4．4　概率分布　67
4．5　累積分布　69
4．6　二項分布　70
4．7　多元分布　74
4．8　條件概率　76
4．9　概率事件的獨立性　77
4．10　列聯(lián)表　78
4．11　貝葉斯定理　78
4．12　協(xié)方差和相關(guān)　80
4．13　標準正態(tài)分布　82
4．14　中心極限定理　86
4．15　置信區(qū)間　87
4．16　假設(shè)檢驗　89
4．17　小結(jié)　91
第5章　關(guān)系數(shù)據(jù)庫　92
5．1　關(guān)系數(shù)據(jù)模型　92
5．2　關(guān)系數(shù)據(jù)庫　93
5．3　外鍵　94
5．4　關(guān)系數(shù)據(jù)庫設(shè)計　95
5．4．1　創(chuàng)建數(shù)據(jù)庫　96
5．4．2　SQL命令　100
5．4．3　數(shù)據(jù)插入數(shù)據(jù)庫　104
5．4．4　數(shù)據(jù)庫查詢　106
5．4．5　SQL數(shù)據(jù)類型　107
5．4．6　JDBC　108
5．4．7　使用JDBC PreparedStatement　110
5．4．8　批處理　112
5．4．9　數(shù)據(jù)庫視圖　115
5．4．10　子查詢　119
5．4．11　表索引　121
5．5　小結(jié)　123
第6章　回歸分析　124
6．1　線性回歸　124
6．1．1　Excel中的線性回歸　125
6．1．2　計算回歸系數(shù)　129
6．1．3　變異統(tǒng)計量　131
6．1．4　線性回歸的Java實現(xiàn)　134
6．1．5　安斯庫姆的四重奏　141
6．2　多項式回歸　143
6．2．1　多元線性回歸　147
6．2．2　Apache Commons的實現(xiàn)　150
6．2．3　曲線擬合　151
6．3　小結(jié)　153
第7章　分類分析　154
7．1　決策樹　156
7．1．1　熵和它有什么關(guān)系？　157
7．1．2　ID3算法　160
7．1．3　Weka平臺　171
7．1．4　數(shù)據(jù)的ARFF文件類型　171
7．1．5　Weka的Java實現(xiàn)　174
7．2　貝葉斯分類器　175
7．2．1　Weka的Java實現(xiàn)　177
7．2．2　支持向量機算法　181
7．3　邏輯回歸　184
7．3．1　k近鄰算法　189
7．3．2　模糊分類算法　193
7．4　小結(jié)　194
第8章　聚類分析　195
8．1　測量距離　195
8．2　維數(shù)災(zāi)難　200
8．3　層次聚類法　201
8．3．1　Weka實現(xiàn)　210
8．3．2　K-均值聚類　212
8．3．3　K-中心點聚類　218
8．3．4　仿射傳播聚類　220
8．4　小結(jié)　228
第9章　推薦系統(tǒng)　229
9．1　效用矩陣　230
9．2　相似性度量　231
9．3　余弦相似性　233
9．4　一個簡單的推薦系統(tǒng)　233
9．5　亞馬遜項目對項目的協(xié)同過濾推薦　244
9．6　實現(xiàn)用戶評分　250
9．7　大型稀疏矩陣　254
9．8　使用隨機訪問文件　257
9．9　Netflix大獎賽　260
9．10　小結(jié)　260
第　10章 NoSQL數(shù)據(jù)庫　261
10．1　映射數(shù)據(jù)結(jié)構(gòu)　261
10．2　SQL與NoSQL　263
10．3　Mongo數(shù)據(jù)庫系統(tǒng)　265
10．4　Library數(shù)據(jù)庫　270
10．5　MongoDB的Java開發(fā)　273
10．6　MongoDB的地理空間數(shù)據(jù)庫擴展　281
10．7　MongoDB中的索引　282
10．8　為什么選擇NoSQL，為什么選擇MongoDB　283
10．9　其他的NoSQL數(shù)據(jù)庫系統(tǒng)　284
10．10　小結(jié)　284
第　11章 Java大數(shù)據(jù)分析　285
11．1　擴展、數(shù)據(jù)分塊和分片　285
11．2　谷歌的PageRank算法　286
11．3　谷歌的MapReduce框架　290
11．4　MapReduce的一些應(yīng)用示例　291
11．5　“單詞計數(shù)”示例　292
11．6　可擴展性　296
11．7　MapReduce的矩陣操作　297
11．8　MongoDB中的MapReduce　301
11．9　Apache Hadoop　302
11．10　Hadoop MapReduce　303
11．11　小結(jié)　304
附錄　Java工具　305