交通大数据——理论与方法

第1章 绪论
1.1 本书的定位
1.1.1 背景
1.1.2 本书特点
1.1.3 本书目标
1.1.4 本书内容提要
1.2 本书的基础
1.2.1 何为数据挖掘
1.2.2 数据分析与建模的典型流程
1.2.3 交通数据类型介绍
1.3 本书的算例数据集简介
1.4 本书简介
1.5 参考文献
第2章 Python数据分析应用
2.1 Python环境配置
2.1.1 基础Python环境配置
2.1.2 Anaconda环境配置
2.1.3 常用交互式工具——Jupyter Notebook
2.2 Python基础知识
2.2.1 基础数据类型
2.2.2 变量和赋值
2.2.3 缩进和注释
2.3 Python中的容器
2.3.1 列表
2.3.2 元组
2.3.3 字典
2.3.4 集合
2.4 流程控制语句
2.4.1 条件判断
2.4.2 循环
2.5 函数的定义与调用
2.6 异常处理
2.7 匿名函数
2.8 Python中的模块
2.8.1 模块的使用方法
2.8.2 Python标准库简介
2.8.3 Numpy简介
2.8.4 Pandas简介
2.8.5 高级统计特征函数
2.8.6 Matplotlib简介
2.8.7 Scikit-learn简介
2.8.8 TensorFlow简介
2.9 本章小结
2.10 本章习题
2.11 参考文献
第3章 数据预处理与探索性数据分析
3.1 数据预处理
3.1.1 数据质量分析
3.1.2 缺失值处理
3.1.3 异常值处理
3.1.4 数据标准化处理
3.2 时空数据分析基础
3.2.1 空间坐标系转换
3.2.2 时空单元划分
3.2.3 时空特征提取
3.2.4 网格化处理后的滴滴网约车轨迹数据
3.3 探索性数据分析
3.3.1 数据分布特征分析
3.3.2 统计量分析
3.3.3 对比分析
3.3.4 周期性分析
3.3.5 相关性分析
3.4 本章小结
3.5 本章习题
3.6 参考文献
……
第4章 大数据可视化的Python实践
第5章 机器学习简介
第6章 线性模型
第7章 支持向量机
第8章 决策树
第9章 聚类分析
第10章 集成学习
第11章 人工神经网络
第12章 深度学习