●第1章 緒論
1.1 本書的定位
1.1.1 背景
1.1.2 本書特點
1.1.3 本書目標
1.1.4 本書內容提要
1.2 本書的基礎
1.2.1 何為數據挖掘
1.2.2 數據分析與建模的典型流程
1.2.3 交通數據類型介紹
1.3 本書的算例數據集簡介
1.4 本書簡介
1.5 參考文獻
第2章 Python數據分析應用
2.1 Python環境配置
2.1.1 基礎Python環境配置
2.1.2 Anaconda環境配置
2.1.3 常用交互式工具——Jupyter Notebook
2.2 Python基礎知識
2.2.1 基礎數據類型
2.2.2 變量和賦值
2.2.3 縮進和注釋
2.3 Python中的容器
2.3.1 列表
2.3組
2.3.3 字典
2.3.4 集合
2.4 流程控制語句
2.4.1 條件判斷
2.4.2 循環
2.5 函數的定義與調用
2.6 異常處理
2.7 匿名函數
2.8 Python中的模塊
2.8.1 模塊的使用方法
2.8.2 Python標準庫簡介
2.8.3 Numpy簡介
2.8.4 Pandas簡介
2.8.5 高級統計特征函數
2.8.6 Matplotlib簡介
2.8.7 Scikit-learn簡介
2.8.8 TensorFlow簡介
2.9 本章小結
2.10 本章習題
2.11 參考文獻
第3章 數據預處理與探索性數據分析
3.1 數據預處理
3.1.1 數據質量分析
3.1.2 缺失值處理
3.1.3 異常值處理
3.1.4 數據標準化處理
3.2 時空數據分析基礎
3.2.1 空間坐標繫轉換
3.2.2 劃分
3.2.3 時空特征提取
3.2.4 網格化處理後的滴滴網約車軌跡數據
3.3 探索性數據分析
3.3.1 數據分布特征分析
3.3.2 統計量分析
3.3.3 對比分析
3.3.4 周期性分析
3.3.5 相關性分析
3.4 本章小結
3.5 本章習題
3.6 參考文獻
……
第4章 大數據可視化的Python實踐
第5章 機器學習簡介
第6章 線性模型
第7章 支持向量機
第8章 決策樹
第9章 聚類分析
第10章 集成學習
第11章 人工神經網絡
第12章 深度學習

本書從最基本的理論知識出發，首先介紹了Python這一數據挖掘工具的基本用法；其次以它為載體，介紹了大數據的數據探索方法、數據預處理、數據描述統計分析等方法；隨後，為了增強本書讀者對目前常用的熱門算法的了解，本書深入淺出地介紹了包括回歸、分類、聚類等在內的機器學習算法和深度學習算法。此外，在介紹上述理論知識和算法時，為了幫助讀者對書中所介紹的知識與方法的理解，編者在書中的各個章節都嵌入了大量的交通案例，展示如何將各類算法模型應用到交通實踐當中。
本書主要面向的是交通運輸工程專業本科高年級，以及碩士生、博士生新生等交通數據分析中的初學者。