● 网页抓取 ● 使用聚类算法组织数据集 ● 可视化复杂的多变量数据集 ● 训练决策树机器学习算法

Leonard Apeltsin是Anomaly的数据科学主管。他的团队应用高级分析来发现医疗保健欺诈、浪费和滥用的情况。在加盟Anomaly之前，Leonard领导了Primer AI的机器学习开发工作；Primer AI是一家专门从事自然语言处理的初创公司。作为创始成员，Leonard帮助Primer AI团队从4名员工发展到近100名员工。在进入创业公司之前，Leonard在学术界工作，他发现了遗传相关疾病的隐藏模式。他的发现发表在《科学》和《自然》杂志的附属期刊上。Leonard拥有卡内基梅隆大学的生物学和计算机科学学士学位，以及加州大学旧金山分校的生物信息学博士学位。

前 言 开放式解决问题的能力对于数据科学职业至关重要。遗憾的是，这些能力不能仅通过阅读获得。要成为问题解决者，你必须坚持不懈地解决难题。考虑到这一点，我围绕案例研究构思了本书：以现实世界情况为模型的开放式问题。案例研究范围从在线广告分析到使用新闻数据跟踪疾病暴发。完成这些案例研究后，你将可以开始你的数据科学事业。 本书的目标读者 本书的目标读者是具有基本的分析基础且有兴趣转行到数据科学职业的人。我的设想是，他也许是一位想探索更多的分析机会的经济学大四学生，或者是一位已经毕业的化学专业学生正在寻找以数据为中心的职业道路。又或者，读者可能是一位成功的前端Web开发人员，其数学背景非常有限，但也想尝试数据科学。本书的潜在读者都没有上过数据科学课程，这让他们在进行各种数据分析时感到力不从心。本书的目的是消除这些技能缺陷。 本书的读者需要了解Python编程的最基本知识。自学Python入门知识的水平应该能足以探索本书中的练习。至于数学知识，读者只需要理解基本的高中三角函数即可。 本书组织结构 本书包含5个难度由浅入深的案例研究。每个案例研究都以你需要解决的问题的详细陈述开始。问题陈述之后是用2~5章介绍解决问题所需的数据科学技能。这些技能部分涵盖了Python基础库以及数学和算法技术。每个案例研究的最后一章都描述了问题的解决方案。 案例研究1与基本概率论有关。 ● 第1章讨论如何使用简单的Python计算概率。 ● 第2章介绍概率分布的概念。该章还介绍Matplotlib可视化库，通过它可以对分布进行可视化。 ● 第3章讨论如何使用随机模拟来估...