书籍描述
了解如何识别数据中异常、有趣、极端或不准确的部分。
数据科学家的主要任务有两个：发现数据中的模式以及找到异常。这些异常值通常是数据中最具信息量的部分，它们揭示了隐藏的洞察、新的模式以及潜在的问题。《在 Python 中进行异常值检测》是一本实用指南，教你如何识别数据集中那些偏离常规的部分，即使它们隐藏得很深或与预期的数据点交织在一起。
在《在 Python 中进行异常值检测》中，您将学习如何：
• 使用标准 Python 库识别异常值
• 选择最合适的检测方法
• 结合多种异常值检测方法以提高结果
• 有效地解读您的结果
• 处理数值、分类、时间序列和文本数据
异常值检测是现代商业中的一个重要工具，无论是发现新产品、拓展市场，还是标记欺诈行为及其他可疑活动。本指南介绍了异常值检测的核心工具，以及利用数据科学家熟悉的 Python 数据堆栈的技术。入门时，您只需要具备基本的统计学知识和 Python 数据生态系统的理解。
购买纸质书籍附赠免费的 PDF 和 ePub 格式电子书，由 Manning 出版社提供。
技术背景
异常值——即那些与其他数据点不一致的值——可以帮助识别欺诈、进行安全审计、发现机器人活动，或仅仅评估数据集的质量。本书独特地介绍了您在查找、理解和响应数据中的异常时所需的异常值检测工具、技术和算法。
本书内容
《在 Python 中进行异常值检测》通过多个实际案例来阐述异常值检测的原则与实践，包括社交媒体、金融、网络日志及其他重要领域。您将探索一套全面的统计方法和机器学习方法，用于识别和解读表格、文本、时间序列和图像数据中的异常值。途中，您将学习如何使用 scikit-learn 和 PyOD，应用关键的异常值检测算法，并为实际应用场景增添一些高价值的技术。
本书内容包括：
• 使用 Python 库识别异常值
• 结合多种异常值检测方法
• 解读检测结果
适读人群
本书适合熟悉 pandas 和 NumPy 等工具，并具备基本统计学知识的 Python 程序员。
作者介绍
Brett Kennedy 是一位拥有超过三十年软件开发和数据科学经验的数据科学家。
目录
第一部分
异常值检测概述
简单异常值检测
基于机器学习的异常值检测
异常值检测过程
第二部分5. 使用 scikit-learn 进行异常值检测
6. PyOD 库
7. 其他异常值检测库和算法
第三部分8. 评估检测器和参数
9. 处理特定数据类型
10. 处理非常大或非常小的数据集
11. 用于异常值检测的合成数据
12. 集体异常值
13. 可解释的异常值检测
14. 异常值检测器的集成
15. 处理异常值检测预测
第四部分16. 基于深度学习的异常值检测
17. 时间序列数据
作者介绍
Brett Kennedy 是一位拥有超过三十年软件开发和数据科学经验的数据科学家。他在与财务审计、欺诈检测和社交媒体分析相关的异常值检测领域有着丰富的经验。此前，他曾领导一个专注于异常值检测的研究团队。
专知便捷查看，访问下面网址或点击最底端“阅读原文”
https://www.zhuanzhi.ai/vip/bfda6a24ff84d91804f7c192d2d5cb61
点击“阅读原文”，查看下载本文
