《Python数据分析与挖掘实战》
在当今大数据驱动的时代，要想从事机器学习、人工智能、数据挖掘等前沿技术，离不开数据跟踪与分析，通过NumPy、Pandas等进行数据科学计算，通过Seaborn、Matplotlib等进行数据可视化展示，从实战的角度出发，让你在数据科学领域迈出重要的一步，开启数据分析与挖掘的开发之旅。
目前数据分析与挖掘行业火爆，人才供不应求。机器学习、自然语言处理、数据可视化、数据探索、数据分析和数据挖掘，这些火热的前沿技术都是数据科学体系的范畴，是信息时代的高薪领域。而Python是用于数据分析与挖掘的必备工具！
大数据时代是海量数据同完美计算能力相结合的产物，确切地说是移动互联网、物联网产生了海量的数据，大数据计算技术完全胜任海量数据的收集、存储、计算、分析等问题。综合来看，未来几年大数据在商业智能、智慧城市和精准营销等领域的应用将发挥主导作用。
读者需要了解的重要信息
本书作为数据分析与挖掘专业的图书，介绍数据挖掘的算法流程、必备工具和实践方法，案例采用Python3来实现。本书涵盖从数据获得到数据处理和结果展示输出的全过程，以数据分析与挖掘五大环节（数据采集、数据预处理、探索分析、挖掘建模、模型评估）为轴线，理论与实践相结合，所有案例均具有代表性，明确了数据分析与挖掘目标及完成效果。分析挖掘的基本任务是从数据中提取商业价值，具体涵盖分类和预测、聚类分析、关联规则、时序模式、偏差检验、智能推荐等。
本书以真实案例驱动，配以分析用的数据与源代码，科学系统地介绍数据分析与挖掘建模领域的科学思维、必备知识、专业工具、完整流程以及编程技巧，让你能够快速胜任数据分析师岗位。
本书内容
本书整体分为15章，系统讲解机器学习的典型算法，主要内容如下：
第1章简要介绍大数据获取，第2章是数据预处理，第3章是探索性数据分析，第4章是用Sklearn估计器分类，第5章是主流数据分析库，第6章是大数据数据库介绍，第7章是数据仓库/商业智能，第8章是数据聚合与分组运算，第9章是数据挖掘工具，第10章是挖掘建模，第11章是模型评估，第12章是社会媒体挖掘，第13章是用图挖掘分类，第14章是基于深度神经网络的验证码识别，第15章是基于深度学习的文本分类挖掘实现。
源代码和源数据下载
本书的例子都是在Python3集成开发环境Anaconda3中通过实际调试的典型案例。配套的示例源代码和源数据可通过使用微信扫描下方的二维码获取（可通过下载页面，把链接发到自己的邮箱中下载）。
