用Python快速上手資料分析與機器學習 (2版)

類似書籍推薦給您

特色 廣受讀者好評、第二版登場！ 紮實地學會資料分析工程師所需要的基本技能 書中會對資料分析工程師所需要的基本技巧進行詳盡解說。 ‧取得資料、處理資料 ‧資料視覺處理 ‧編寫程式碼 ‧基礎數學知識 ‧機器學習的流程與執行方法 第2版的重點 ‧支援Python 3.10版本 ‧用更深入淺出的方式進行講解 在書中可以學到 ‧Python基本語法 ‧講解資料格式 ‧資料的預處理技巧 ‧資料視覺處理技巧 ‧運用現成的演算法來執行機器學習 適合對象 想成為資料分析工程師的讀者 目錄 Chapter 1 資料分析工程師的職責 1.1 資料分析的世界 1.2 機械學習的定位與流程 1.3 資料分析主要會用到的套件 Chapter 2 Python與環境 2.1 建構執行環境 2.2 Python的基礎 2.3 JupyterLab Chapter 3 基礎數學 3.1 讀懂公式的基礎知識 3.2 線性代數 3.3 基礎解析 3.4 機率與統計 Chapter 4 運用函式庫實作資料分析 4.1 NumPy 4.2 pandas 4.3 Matplotlib 4.4 scikit-learn Chapter 5 應用：蒐集、處理資料 5.1 網頁抓取 5.2 自然語言的處理 5.3 處理圖像資料

SAS應用之資料處理 (1版)

類似書籍推薦給您

【簡介】 本書內容主要係針對SAS應用軟體的資料處理部份(DATA STEP)進行介紹，其共分為15章，由SAS的起動運作與作業流程開始說起，經由語言基本結構、資料集命名、資料輸入輸出、變數修飾、資料的組合與連結、變數的指標控制、程式的條件與流程控制、陣列宣告等，最後再談判到遺失值的表示與處理、常用函數、以及巨集變數與指命等，無一不深入淺出地加以說明與舉例。 　　書中在多處以錯誤的範例來提醒讀者可能發生的問題與其之訊息，使讀者在撰寫程式時，不致發生相同的問題。因此，本書的特點有：(1)全書以教學性、基礎性和實用性觀點說明SAS資料處理的內容；(2)以許多範例輔助說明，有助於讀者完全瞭解書中的內容；(3)書內完整的範例皆附於光碟內，可方便讀者綀習與修改；(4)適合於以SAS應用軟體進行處理或執行分析者參考之用。 【目錄】

資料科學的統計實務：探索資料本質、扎實解讀數據，才是機器學習成功建模的第一步 (1版)

類似書籍推薦給您

很多資料科學、機器學習的書，內容充滿各種建模的技術展示、完美的案例分析，卻忘記了更重要的「資料」。唯有掌握好手中的資料，才是機器學習成功建模的第一步。 　　無法了解資料，深度學習也救不了你；相反的，正確蒐集資料，輕鬆建模沒煩惱。 　　如何了解資料？當然要從統計觀念開始。學習統計一定都要看抽象複雜的數學嗎？並不是！本書所使用的範例，會告訴大家「為什麼統計學要如此定義」、「為什麼技巧要那樣使用」。當讀者了解統計背後的觀念時，才不會迷失在複雜的數學。此外，有別於一般市售書籍總是用漂亮案例展示程式運行結果，此書用相當多的範例都是「專家也會犯的錯誤」，相信讀者同時學習成功以及失敗的案例後，可以更全面地了解資料科學的分析流程觀念。 　　本書會介紹資料分析中的許多技術的基本觀念，如變異數分析、偏相關係數、自相關函數、Bonferroni校正、Holm校正、隨機對照試驗、斷點迴歸分析、傾向評分匹配、T檢定、F檢定、分層多階段抽樣法等，介紹的過程中會直擊分析技術的思維，而非僅展示漂亮的數學。 　　本書亦會說明身為資料科學家該有的素養，來避免確認偏誤、倖存者偏誤、選擇偏誤、發表偏誤、自願者偏誤、可得性偏誤、樂觀偏誤、常態偏誤、後此謬論、賭徒謬誤、辛普森謬論、p-hacking、HARKing、單方論證、霍桑效應、畢馬龍效應等資料分析中可能踩到的陷阱。 目錄 序言 第一篇 資料特性的相關知識 第1章 測量其實並非易事 1.1 測量資料 1.2 測量的難處 1.3 測量誤差之外的誤差 第2章 資料誤差 2.1 測量標準的選擇 2.2 問卷帶來的問題 2.3 抽樣母體誤差 2.4 沒觀測誤差 2.5 回答者帶來的問題 2.6 發表偏誤（Publication Bias） 第3章 測量誤差中的隨機誤差 (Random Error) 與偏誤 (Bias) 3.1 測量誤差（Measurement Error）的分析 3.2 誤差與機率分佈（Probability Distribution） 3.3 機率分佈的相關知識 3.4 處理隨機誤差 (Random Error) 第4章 資料抽樣方法論 4.1 抽樣的概念 4.2 抽樣的方法 第二篇 資料分析的相關知識 第5章 資料分析的基本流程 5.1 檢查手中資料 5.2 正確分析資料 5.3 妥善管理資料 第6章 干擾因子（Confounding Factor）與因果關係 6.1 兩個變數之間的關聯 6.2 面對並處理干擾因子（Confounding Factor） 6.3 無法使用隨機對照試驗（Randomized Controlled Trial）的處理方式 第7章 單一變數的分析手法 7.1 探討敘述統計量 (Descriptive Statistics) 7.2 探討資料分佈 7.3 探討理論分佈 7.4 探討時序資料 第8章 探究變數之間的關係 – 假設檢定（Hypothesis Testing）、檢定三步驟、手法選擇、相關係數、效應大小（Effect Size） 8.1 比較兩個變數的數值 8.2 關於假設檢定的思維 8.3 研究兩個變數的相關性 第9章 解讀多變數資料 9.1 探索分析與多重檢定 9.2 變異數分析（Analysis of Variance）與多重比較 9.3 探究相關結構 9.4 分析方法整理 第10章 數學模型的要點 10.1 簡介數學模型 10.2 配合目標來建立模型 10.3 使用模型進行預測（Prediction） 第三篇 資料活用的相關知識 第11章 分析資料的陷阱 11.1 資料操作時容易遇到的陷阱 11.2 資料有限時容易遇到的陷阱 11.3 資料推論時容易遇到的陷阱 第12章 解讀資料的陷阱 12.1 分析結果的可信度 12.2 解讀資料的認知偏誤 第13章 運用資料的陷阱 13.1 依不同目標做出評估跟決策 13.2 獲取資料的實際考量 13.3 現實世界與資料分析的差異

量化研究與統計分析：SPSS與R資料分析範例解析 (6版)

類似書籍推薦給您

量化研究與統計分析：SPSS與R資料分析範例解析 作 者：邱皓政 出版社別：五南 書 系：研究&方法 出版日期：2022/03/15(6版4刷) ＩＳＢＮ：978-957-763-340-8 書 號：1H47 頁 數：576 開 數：16K 內容簡介 　　量化研究是當代社會與行為科學的強勢典範，統計分析則是量化研究的核心，當學生們苦惱於學統計、做研究、跑分析之時，《量化研究與統計分析》一書提供了一套從研究學理──統計的知識──操作的能力，三合一的系統化知識與技術性介紹。 　　難得的是，本書有別於傳統統計教科書的深奧難解、研究方法教材的浩瀚無邊、統計軟體操作指南的繁文縟節，作者以其多年研究實務與豐富教學經驗，於書中萃取了研究方法、統計概念與資料分析三種教材精華，簡化軟體操作介紹，將量化研究實務工作與SPSS與R的應用加以整合，凸顯出本書實用性與工具性價值。 　　本書為大專院校統計學、研究方法與資料分析的教科書。為提高學習意願與接受度，在基本原理與公式推導方面做了相當程度的精簡，並強調實例分析，技術上以SPSS為主、以R為輔，左右逢源、簡單易懂，極適合作為學術研究工作者的量化研究工具書。 本書特色 　　■ 以SPSS最新版本SPSS 23~25進行全面編修，更新介面說明，增補新增功能介紹，充分發揮SPSS優勢長項。 　　■ 納入免費軟體R的操作介紹與實例分析，搭配統計原理與SPSS的操作對應，擴展學習視野與分析能力。 　　■ 強化研究上的實務解決方案，充實變異數分析與多元迴歸範例，納入PROCESS模組，擴充調節與中介效果實作技術，符合博碩士生與研究人員需求。 目錄 第一篇 量化研究的基本概念 chapter 1 科學研究與量化方法 第一節 科學研究的概念與方法 第二節 主要的量化研究設計 第三節 量化研究的結構與內容 第四節 量化研究的程序 第五節 結語 chapter 2 變數與測量 第一節 前言 第二節 變數的類型與尺度 第三節 測量的格式 第四節 反應心向 第二篇 資料處理與數據查核 chapter 3 資料編碼與資料庫建立 第一節 編碼系統的建立與應用 第二節 SPSS 基本操作 第三節 資料庫建立 第四節 複選題處理與分析 第五節 排序題處理與分析 chapter 4 資料檢核與整備 第一節 資料查核 第二節 遺漏值處理 第三節 離群值的偵測與處置 第四節 資料轉換 第五節 資料與檔案管理 chapter 5 描述統計與圖示 第一節 次數分配表 第二節 集中量數 第三節 變異量數 第四節 偏態與峰度 第五節 相對量數 第六節 標準分數 第七節 SPSS 的描述統計操作 第八節 SPSS 的統計圖製作 第九節 R 的描述統計與圖表運用 第三篇 統計分析的原理與技術 chapter 6 類別資料的分析：卡方檢定 第一節 基本概念 第二節 類別變數的統計考驗 第三節 替代性的關聯係數 第四節 SPSS 的類別資料分析範例 第五節 R 的類別資料分析範例 chapter 7 平均數檢定：t 檢定 第一節 基本概念 第二節 平均數差異檢定的原理 第三節 SPSS 的平均數檢定範例 第四節 R 的平均數檢定範例 chapter 8 變異數分析：ANOVA 第一節 基本概念 第二節 變異數分析的統計原理 第三節 ANOVA 的基本假設與相關問題 第四節 多重比較：事前與事後檢定 第五節 共變數分析 第六節 SPSS 的變異數分析範例 第七節 R 的變異數分析範例 chapter 9 多因子變異數分析 第一節 基本概念 第二節 多因子變異數分析的統計原理 第三節 相依樣本多因子變異數分析 第四節 多因子變異數分析的平均數圖示 第五節 SPSS 的多因子變異數分析範例 第六節 R 的多因子變異數分析範例 chapter 10 線性關係的分析：相關與迴歸 第一節 基本概念 第二節 積差相關的原理與特性 第三節 其他相關的概念 第四節 迴歸分析 第五節 SPSS 的相關與迴歸範例 第六節 R 的相關與迴歸分析範例 chapter 11 多元迴歸 第一節 基本概念 第二節 多元迴歸的原理與特性 第三節 多元迴歸的變數選擇模式 第四節 虛擬迴歸 第五節 SPSS 的多元迴歸範例 第六節 R 的多元迴歸 chapter 12 中介與調節 第一節 緒論 第二節 調節效果分析 第三節 中介效果分析 第四節 SPSS 的調節與中介效果分析範例 第五節 PROCESS 的調節與中介效果分析範例 第六節 R 的調節與中介效果分析範例 第四篇 量表發展的分析技術 chapter 13 量表發展與信效度議題 第一節 量表發展的程序與步驟 第二節 信度 第三節 效度 第四節 信度與效度之關係 chapter 14 項目分析與信度估計 第一節 項目分析的基本概念 第二節 項目分析的計量方法 第三節 SPSS 的項目分析範例 第四節 SPSS 的信度估計範例 第五節 R 的項目分析與信度分析範例 chapter 15 因素分析：探索取向 第一節 基本概念 第二節 因素分析的基本原理 第三節 因素分析的程序 第四節 探索性因素分析範例 第五節 結語 chapter 16 因素分析：驗證取向 第一節 基本概念 第二節 驗證性因素分析的特性 第三節 驗證性因素分析的執行 第四節 驗證性因素分析範例 第五節 結語 附錄：R 的小世界—R 簡介與操作說明 第一節 R 是甚麼 第二節 R 與套件安裝 第三節 R 的資料與檔案管理 參考文獻 索引