Python机器学习——数据分析与评分卡建模（微课版）

本书从零基础入门，注重实战，内含10个学习实例，3个完整的项目案例，详细讲解了Python的环境搭建、基本语法结构、趣味应用、分析与建模以及完整的项目案例。全书采用视频教学，全程语音讲解的方式，配有270分钟高品质配套教学视频；教学资源丰富，提供教学课件、源代码、数据集。本书适用于互联网金融行业或银行业中的风控人员及学者；金融行业中的数据分析师及学者；正在学习Python机器学习方面的人员。 

本书从零基础入门，内含丰富项目案例实战演练，详细讲解了Python的环境搭建、基本语法结构、趣味应用、分析与建模以及完整的项目案例。

目录

第1章Python开发环境搭建

1．1利器1： Notepad编辑器

1．2利器2： Anaconda

1．3利器3： Miniconda

1．4利器4： PyCharm IDE工具

1．5利器5： Spyder

1．6利器6： Jupyter Notebook

1．7小结

第2章Python数据类型用法讲解

2．1变量

2．2字符串

2．3列表list

2．3．1增(append、insert、extend)

2．3．2删(pop、remove、del)

2．3．3改、查

2．3．4列表的循环遍历

2．3．5排序(sort，reverse)

2．3．6列表的其他操作符

2．4集合set

2．4．1创建集合

2．4．2集合的增、删

2．4．3集合的交、并、补等操作

2．5字典dictionary

2．5．1字典的查找操作

2．5．2字典的增、改操作

2．5．3字典的删操作

2．5．4字典的常用方法

2．5．5有序字典

2．6函数

2．7小结

第3章Python下的实际应用

3．1Python连接MySQL数据库

3．2Python连接MongoDB数据库

3．3结巴分词和词云图

3．4简单社交网络

3．5JSON解析

3．6OCR文字识别

3．7pyecharts

3.8stats简单统计分析

3．9小结

第4章异常样本识别

4．1逻辑回归、交叉验证与欠采样

4．2基于分布的异常样本识别

4．3小结

第5章自然语言处理案例——电商评论

5．1数据加载与预处理

5．2数据可视化

5．3文本分析

5．4情感分析

5．5文本分类

5．6小结

第6章模型融合

6．1分类模型的融合方法

6．2回归模型的融合方法

6．3小结

第7章创建金融申请评分卡

7．1变量选择

7．2各变量按照ln(odds)进行分箱

7．3计算WOE与IV值

7．4逻辑回归建模

7．5创建评分卡

7．6申请评分卡的评价、使用与监控

7．7小结

第8章社交网络分析与反欺诈

8．1Neo4j的下载与安装

8．2图形界面介绍

8．3Cypher语言

8．4Neo4j案例1——《天龙八部》的人物关系分析

8．5Neo4j案例2——金融场景中的社交网络分析

8．6Py2neo

8．7小结

参考文献

附录APyCharm安装步骤

附录BMySQL安装步骤

附录CMongoDB安装步骤

附录DNeo4j安装步骤

附录Ejdk安装步骤

附录F第三方包安装步骤

前言
Python自20世纪90年代初诞生以来，已逐渐被越来越多的开发者所接受甚至着迷。当然，这与其本身的简洁性、易读性以及可拓展性密不可分。Python具有丰富而强大的库，它能够很轻松地与其他语言的各种模块相结合。如果读者第一次见到用Python编写的语句，估计会被其整齐划一的设计风格所触动，Python的最大优点是易读、易维护。
本书以“零基础”为出发点，直接从实际应用案例入手，在内容方面更注重实战性。希望读者能在学习中不断思考，学以致用。
在本书的编写过程中，结合工作中的一些具体案例，整理成书。由于作者水平有限，疏漏在所难免，读者如发现问题，欢迎您及时指正。
特别声明，本书非系统性学习资料，内容的准备上有点跳跃，学习某些内容时还需要具备一些相关的基础知识，Google和百度会是阅读过程中的常伴。
为便于教学，本书有教学视频、源代码、课件等配套资源。
(1) 获取教学视频方式： 读者可以先扫描本书封底的文泉云盘防盗码，再扫描书中相应的视频二维码，观看教学视频。
(2) 获取源代码、数据集方式： 先扫描本书封底的文泉云盘防盗码，再扫描下方二维码，即可获取。

(3) 其他配套资源可以扫描封底课件二维码下载。
感谢本书的另外两名作者胡锋、周晓然，他们为此书同样牺牲了很多个人时间； 感谢我的同事，他们在本书的写作过程中提供了很多的帮助； 最后，感谢我的父母和妻子，把家庭生活安排得井井有条，让我能无后顾之忧，安心地编写此书！
希望这本书能够为正在学习或想要学习Python的读者提供帮助。
翟锟
2019年1月

第3章Python下的实际应用
Python是一种代表简单主义思想的语言，有“胶水语言”之称。目前，Python的应用层面也十分广泛，主要包括数据库的连接、系统编程、网络爬虫、人工智能、Web开发、系统运维、大数据、云计算、图形界面等。在当前环境下，Python重点应用于机器学习和人工智能方面。

视频讲解

3.1Python连接MySQL数据库
MySQL数据库是企业最常用的数据库之一，而MySQL数据库最常用的功能是select查询。数据分析人员希望可以用Python直接连接MySQL数据库，然后读取数据到pandas框架中。
首先安装好MySQL数据库，安装步骤详见附录B。然后安装pymysql，安装语句为： pip install pymysql，安装好这个包以后，在Jupyter Notebook中使用以下代码：

import pandas as pd

import pymysql

conn = pymysql.connect(

host =’主机IP’,

user =’用户名’,

password =’密码’,

db =’数据库名’,

port =端口,

charset =’utf8′)

table=”select…from…”

上面的table就是连接mysql后查询到的表。然后用下面代码，就可以直接把数据读取到pandas框架中了。数据读取到pandas框架后，就可以使用pandas的常见功能对数据进行处理，比如填补缺失值、删除数据等。

data = pd.read_sql(table, conn)