《巧用ChatGPT进行数据分析与挖掘》内容简介与阅读建议

Name: 巧用ChatGPT进行数据分析与挖掘
Author: 谢佳标
ISBN: 9787111761174

获取这本书 暂无已核验电子书资源

下载

作者: 谢佳标
分类: 科技技术
出版年份: 2024
出版社: 机械工业出版社
语言: 中文

《巧用ChatGPT进行数据分析与挖掘》内容简介

阅读完本书，你将掌握以下知识：(1)数据分析、数据挖掘以及机器学习算法的基础知识。(2)ChatGPT等AI工具的注册及使用，以及如何使用这些AI工具学习Python。(3)使用ChatGPT辅助各种常见的数据操作和数据预处理。(4)使用ChatGPT辅助静态数据可视化和数据交互可视化。(5)使用ChatGPT辅助聚类分析、关联规则分析、回归分析。(6)使用ChatGPT辅助学习降维算法、决策树算法、随机森林、k近邻算法、支持向量机算法、神经网络算法。(7)使用ChatGPT辅助数据建模以及对模型的性能进行评估和优化。本书采用由浅入深的写作方式，既确保了内容的可理解性，又保持了足够的深度，配有详细的代码示例和实践指导，确保每位读者能够轻松上手并从中获益，提升自己的分析效率和洞察能力。本书采用案例驱动的写作方式，通过实际业务案例详细拆解AI技术在各个场景中的应用步骤和技巧。语言简洁易懂，理论与实践结合，注重实用性和可操作性，帮助读者快速掌握核心知识。提供丰富的实际案例和操作指南，涵盖多种AI工具和交互技巧，确保读者能够学以致用。

《巧用ChatGPT进行数据分析与挖掘》书籍信息摘要

《巧用ChatGPT进行数据分析与挖掘》内容简介与阅读建议，作者谢佳标，科技技术，2024年。获取前建议核对作者、出版社、年份、ISBN、版本和正版渠道。相关主题：ChatGPT、数据分析、数据挖掘技巧、计算机类。

作者：谢佳标
分类：科技技术
出版年份：2024
出版社：机械工业出版社
语言：中文
格式：暂无已核验合规下载格式

《巧用ChatGPT进行数据分析与挖掘》适合哪些读者？

适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。

查看谢佳标的作品顺序浏览科技技术书籍查看“ChatGPT”相关书籍读完这本读什么查看书籍排行榜

获取建议

《巧用ChatGPT进行数据分析与挖掘》怎么获取更合适？

优先确认版本和阅读目的；下载区只展示已核验的公版、授权、开放许可或官方试读资源。

下载

暂无已核验电子书资源；本站不展示未授权完整文件。

下载

版本

优先选择作者、译者、出版社、出版年份和 ISBN 信息明确的版本；经典作品可优先选择校注、导读或权威出版社版本。

1.2.1　如何使用OpenAI的GPT-3.56
1.2.2　如何使用百度的文心一言10
1.2.3　如何使用科大讯飞的星火认知大模型14
1.3　使用ChatGPT辅助工具安装16
1.3.1　Anaconda的安装16
1.3.2　Jupyter Notebook的使用17
1.4　使用ChatGPT辅助Python入门18
1.4.1　使用ChatGPT学习Python数据对象19
1.4.2　使用ChatGPT学习NumPy23
1.4.3　使用ChatGPT学习Pandas25
1.5　本章小结28
第2章　使用ChatGPT学习数据操作29
2.1　使用ChatGPT学习数据的基本管理29
2.1.1　数据去重29
2.1.2　数据排序33
2.1.3　数据合并35
2.1.4　数据分箱38
2.2　使用ChatGPT学习描述统计分析40
2.2.1　描述统计分析概述41
2.2.2　中心趋势分析42
2.2.3　离散程度分析45
2.2.4　分布形状分析48
2.2.5　频数分布分析50
2.3　使用ChatGPT学习中文文本操作52
2.3.1　Jieba分词52
2.3.2　添加自定义词典55
2.3.3　关键词提取57
2.3.4　词性标注60
2.4　使用ChatGPT学习图像数据操作62
2.4.1　图像的读取、显示及保存62
2.4.2　图像像素的获取和编辑64
2.4.3　图像的几何变换操作65
2.5　本章小结68
第3章　使用ChatGPT学习数据预处理69
3.1　使用ChatGPT学习数据抽样69
3.1.1　常用的数据抽样方法69
3.1.2　简单随机抽样70
3.1.3　数据分区73
3.1.4　分层随机抽样76
3.1.5　数据类失衡处理79
3.2　使用ChatGPT学习数据清洗82
3.2.1　缺失值的识别及处理82
3.2.2　异常值的识别及处理89
3.3　使用ChatGPT学习数据变换91
3.3.1　数据标准化处理91
3.3.2　数据独热编码处理94
3.4　本章小结96
第4章　使用ChatGPT学习数据静态可视化97
4.1　使用ChatGPT了解数据可视化工具97
4.2　使用ChatGPT学习Matplotlib数据可视化98
4.2.1　Matplotlib绘图基础99
4.2.2　使用Matplotlib绘制图形111
4.3　使用ChatGPT学习Pandas数据可视化130
4.3.1　Pandas绘图方法130
4.3.2　使用Pandas绘制图形132
4.4　使用ChatGPT学习Seaborn数据可视化138
4.4.1　Seaborn绘图方法139
4.4.2　使用Seaborn绘制图形140
4.5　使用ChatGPT学习plotnine数据可视化154
4.5.1　plotnine绘图方法154
4.5.2　使用plotnine绘制图形156
4.6　本章小结158
第5章　使用ChatGPT学习交互数据可视化159
5.1　使用ChatGPT学习Plotly数据可视化159
5.1.1　Plotly交互可视化绘图方法160
5.1.2　使用graph_objs进行交互可视化161
5.1.3　使用express进行交互可视化174
5.2　使用ChatGPT学习Bokeh数据可视化180
5.2.1　Bokeh交互可视化绘图方法181
5.2.2　使用Bokeh进行交互可视化182
5.3　使用ChatGPT学习Pyecharts数据可视化187
5.3.1　Pyecharts交互可视化绘图方法187
5.3.2　使用Pyecharts进行交互可视化188
5.4　本章小结200
第6章　使用ChatGPT学习聚类分析201
6.1　使用ChatGPT了解无监督学习201
6.2　聚类分析方法概述203
6.3　k均值聚类205
6.3.1　k均值聚类的原理205
6.3.2　k均值聚类的Python实现206
6.3.3　案例：对iris数据集进行k均值聚类208
6.3.4　使用统计方法寻找最佳聚类簇数210
6.4　层次聚类215
6.4.1　层次聚类的原理215
6.4.2　层次聚类的Python实现217
6.4.3　案例：对USArrests数据集进行层次聚类218
6.4.4　使用轮廓系数寻找最佳聚类簇数222
6.5　密度聚类223
6.5.1　密度聚类的原理223
6.5.2　密度聚类的Python实现225
6.5.3　案例：对multishapes数据集进行密度聚类226
6.6　本章小结230
第7章　使用ChatGPT学习降维算法及关联规则分析231
7.1　使用ChatGPT了解降维算法231
7.2　主成分分析 233
7.2.1　主成分分析的原理 233
7.2.2　主成分分析的Python实现 234
7.2.3　案例：对iris 数据集进行主成分分析 236
7.3　关联规则分析 239
7.3.1　关联规则分析的原理 239
7.3.2　关联规则分析的Python实现 241
7.3.3　案例：对用户购买物品的行为进行关联规则分析 242
7.4　本章小结 249
第8章　使用ChatGPT学习回归分析 250
8.1　使用ChatGPT 了解常用的有监督学习算法 250
8.2　一元线性回归 252
8.2.1　一元线性回归的原理 252
8.2.2　使用scikit-learn 实现一元线性回归 254
8.2.3　案例：对women 数据集进行一元线性回归 255
8.3　多元线性回归 258
8.3.1　多元线性回归的原理 259
8.3.2　案例：对个人医疗费用进行多元线性回归 259
8.4　对自变量中有定性变量的数据集进行线性回归 263
8.4.1　对自变量中有定性变量的数据集建立线性回归模型 263
8.4.2　回归模型的效果评估 267
8.5　通过逐步回归寻找最优模型 270
8.6　逻辑回归 272
8.6.1　逻辑回归的原理 272
8.6.2　逻辑回归的Python 实现 274
8.6.3　案例：对iris 数据集进行逻辑回归 275
8.7　本章小结 276
第9章　使用ChatGPT学习决策树算法及随机森林算法 277
9.1　决策树算法的原理 277
9.1.1　决策树算法概述 277
9.1.2　常用的决策树算法 280
9.2　决策树算法的Python 实现 288
9.2.1　实现决策树算法的常用库 288
9.2.2　基于scikit-learn 实现决策树分类 289
9.3　案例：对iris 数据集进行决策树分类 290
9.3.1　构建决策树 290
9.3.2　查看生成的决策规则 291
9.3.3　决策树可视化 293
9.3.4　绘制决策边界 295
9.4　案例：对乳腺癌数据集进行决策树分类 299
9.4.1　构建决策树分类模型 299
9.4.2　对决策树分类模型进行调优 304
9.5　随机森林算法的原理及实现 305
9.5.1　常用的集成学习算法 305
9.5.2　基于scikit-learn 实现随机森林分类 307
9.5.3　案例：对乳腺癌数据集进行随机森林分类 309
9.6　本章小结 311
第10章　使用ChatGPT学习k近邻算法及支持向量机算法 312
10.1　 k 近邻算法的原理 312
10.1.1　 k 近邻算法的思想 312
10.1.2　 k 近邻算法的推导过程 313
10.1.3　距离的度量方法 315
10.2　 k 近邻算法的Python 实现 316
10.2.1　基于scikit-learn 实现k 近邻分类 316
10.2.2　案例：对乳腺癌数据集进行k 近邻分类 318
10.3　支持向量机算法的原理 322
10.3.1　了解支持向量机 323
10.3.2　常见的支持向量机模型 325
10.4　支持向量机算法的Python实现 326
10.4.1　基于scikit-learn 实现支持向量机分类 326
10.4.2　案例：对乳腺癌数据集进行支持向量机分类 328
10.5　本章小结 331
第11章　使用ChatGPT学习神经网络算法 332
11.1　神经网络算法的理论基础 332
11.1.1　了解神经网络算法 332
11.1.2　神经网络的拓扑结构 333
11.1.3　常用的激活函数 335
11.1.4　常用的神经网络模型 338
11.2　前馈神经网络 339
11.2.1　了解前馈神经网络 339
11.2.2　前馈神经网络的scikit-learn实现 341
11.2.3　案例：对乳腺癌数据集进行前馈神经网络分类 342
11.3　卷积神经网络 346
11.3.1　卷积神经网络的原理 346
11.3.2　卷积层的原理 349
11.3.3　卷积层的TensorFlow实现 352
11.3.4　池化层的原理 357
11.3.5　池化层的TensorFlow实现 359
11.3.6　全连接层 361
11.3.7　案例：使用卷积神经网络实现手写数字识别 362
11.4　本章小结 368
第12章　使用ChatGPT学习模型性能评估及优化 369
12.1　模型性能评估 369
12.1.1　数值预测的评估方法及其scikit-learn 实现 369
12.1.2　分类预测的评估方法及其scikit-learn 实现 371
12.2　模型参数优化 375
12.2.1　正则化 375
12.2.2　数据分区 377
12.2.3　 K 折交叉验证 378
12.2.4　网格搜索 379
12.2.5　 Dropout 381
12.2.6　梯度下降法 382
12.3　案例：对乳腺癌数据集寻找最优模型 385
12.4　本章小结 389

合规获取说明

当前暂无已核验电子书资源。若是商业出版物，建议优先通过出版社、书店或官方电子书平台获取。

常见问题

《巧用ChatGPT进行数据分析与挖掘》适合谁读？

适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。

《巧用ChatGPT进行数据分析与挖掘》阅读难度高吗？

建议先看简介、目录、作者和相关书籍，再判断是否适合当前阶段阅读。

《巧用ChatGPT进行数据分析与挖掘》纸质书值得买吗？

当前暂未接入已核验的纸质书购买链接，建议通过出版社、京东、当当等正版渠道核对版本后购买。

《巧用ChatGPT进行数据分析与挖掘》哪个版本更适合？

优先选择作者、译者、出版社、出版年份和 ISBN 信息清楚的版本；经典作品可优先选择校注、导读或权威出版社版本。

在哪里可以合法获取《巧用ChatGPT进行数据分析与挖掘》？

当前没有确认授权的电子书下载资源，也暂未接入已核验购买链接；商业出版物不提供未授权下载，建议通过出版社、京东、当当或官方电子书平台核对获取。

如何继续查找《巧用ChatGPT进行数据分析与挖掘》相关书籍？

可以进入谢佳标作者页查看其他作品，也可以通过分类、标签、排行榜、人工推荐和“读完这本还可以读”继续发现相近主题。