数据预处理在大数据和人工智能方面有着广泛的应用,本书结合理论和工程应用循序渐进地介绍数据预处理技术，内容包括：网络爬虫、数据采集与存储、python数据处理库、信息格式化抽取、数据清洗、数据集成、特征向量化、特征降维、可视化技术、数据预处理在实际项目中的应用及其深度学习技术进行数据预处理。本书的特点是示例代码丰富，实用性和系统性较强，适合于大数据从业者、AI技术开发人员、培训机构及大专院校相关专业的教学参考书。

作者针对高维稀疏数据挖掘问题，从数据预处理的角度，研究对象—属性空间的划分问题，其目的是把所研究的数据挖掘空间分解为若干规模较小的对象：属性空间，从而降低实际数据挖掘的难度。本书针对高维稀疏数据挖掘问题，以降低数据挖掘规模，建立了体系完整的数据预处理理论和方法，具有很强的理论意义和实际应用前景。

作者针对高维稀疏数据挖掘问题，从数据预处理的角度，研究对象—属性空间的划分问题，其目的是把所研究的数据挖掘空间分解为若干规模较小的对象：属性空间，从而降低实际数据挖掘的难度。本书针对高维稀疏数据挖掘问题，以降低数据挖掘规模，建立了体系完整的数据预处理理论和方法，具有很强的理论意义和实际应用前景。

这是一本以Python为工具，以商业实战为导向的数据科学家养成手册，从技术、业务、商业实战3个维度为有志成为数据科学家的读者提供了系统化的学习路径。 3位作者是数据科学和金融领域的资深专家，不仅技术精湛、经验丰富，而且在本书的写作上也颇下功夫：首先，将数学和算法等复杂的技术用图形化的方式来展现，尽可能降低读者的理解难度；其次，本书不是一本教科书或案例集，而是针对数据科学家的能力模型提供系统化的解决方案。 全书一共19章：内容依次围绕技术、业务和商业实战3个维度展开： 技术维度：较为系统和深度地讲解了数据挖掘、数据分析以及机器学习等数据科学中核心的技术。 业务维度：围绕宏观业务分析和微观客户分析展现了数据科学在市场研究、企业管理、客户画像与分析、精准营销、风险度量、流失预警等方面的知识点。 实战维度：以案例的形式全面展现了著名咨询公司从事客户量化分析的...(展开全部)

在大数据、人工智能时代，数据分析必不可少。本书以数据分析中至关重要的数据预处理为主题，通过54道例题具体介绍了基于SQL、R、Python的处理方法和相关技巧。全书共4个部分：第1部分介绍预处理的基础知识；第2部分介绍以数据结构为对象的预处理，包括数据提取、数据聚合、数据连接、数据拆分、数据生成和数据扩展；第3部分介绍以数据内容为对象的预处理，涉及数值型、分类型、日期时间型、字符型和位置信息型；第4部分为预处理实战，介绍与实际业务相同的预处理流程。 本书适合新手数据科学家、系统工程师、具备编程及数理基础的技术人才，以及对数据挖掘和数据分析等感兴趣的人阅读。

作者简介： Jacqueline Kazil 数据科学家，资深软件开发者。活跃于Python软件基金会、PyLadies等社区。曾参与美国总统创新伙伴项目，是美国政府技术组织18F的联合创始人。曾担任《华盛顿邮报》数据记者。 Katharine Jarmul 资深Python开发者，PyLadies联合创始人。喜欢数据分析和获取、网页抓取、教人学习Python以及Unix，期望通过教育和培训来促进Python和其他开源语言的多元化。 译者简介： 张亮（hysic） 毕业于北京大学物理学院，爱好机器学习和数据分析的核安全工程师。 吕家明 2016年毕业于哈尔滨工业大学，现就职于腾讯，从事搜索、Query分析等相关工作，熟悉大规模数据下的数据挖掘和机器学习实践。

本书采用基于项目的方法，介绍用Python完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内容包括：Python基础知识，如何从CSV、Excel、XML、JSON和PDF文件中提取数据，如何获取与存储数据，各种数据清洗与分析技术，数据可视化方法，如何从网站和API中提取数据。

本书采用基于项目的方法，介绍用Python完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内容包括：Python基础知识，如何从CSV、Excel、XML、JSON和PDF文件中提取数据，如何获取与存储数据，各种数据清洗与分析技术，数据可视化方法，如何从网站和API中提取数据。

本书针对图像处理中常见的问题，如噪声、对比度不足、颜色不统一等，提供了多种预处理方法。首先，针对低照度图像，本书介绍了一种对比度增强方法，该方法可以有效提高图像的视觉效果，使其更清晰。此外，对于不同相机拍摄的彩色图像间颜色不统一的问题，本书也提出了一种有效的颜色转移方法，确保不同来源的图像在色彩上保持一致。对于灰度化处理，本书提出了一种考虑色彩信息损失的方法，既简化了图像又保留了重要色彩信息。此外，针对脉冲噪声，本书还给出了一种基于线性结构特征的滤波方法。此外，本书还给出了一种基于tanh函数及Gamma函数的深度估计方法。在介绍这些方法时，本书不仅详细阐述了其原理、处理步骤和参数设置，还通过实验验证了其效果。最后，本书总结了这些方法的优点，使其更具实用性。

本书针对图像处理中常见的问题，如噪声、对比度不足、颜色不统一等，提供了多种预处理方法。首先，针对低照度图像，本书介绍了一种对比度增强方法，该方法可以有效提高图像的视觉效果，使其更清晰。此外，对于不同相机拍摄的彩色图像间颜色不统一的问题，本书也提出了一种有效的颜色转移方法，确保不同来源的图像在色彩上保持一致。对于灰度化处理，本书提出了一种考虑色彩信息损失的方法，既简化了图像又保留了重要色彩信息。此外，针对脉冲噪声，本书还给出了一种基于线性结构特征的滤波方法。此外，本书还给出了一种基于tanh函数及Gamma函数的深度估计方法。在介绍这些方法时，本书不仅详细阐述了其原理、处理步骤和参数设置，还通过实验验证了其效果。最后，本书总结了这些方法的优点，使其更具实用性。