☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

適讀人群 ： 足球愛好者、博彩愛好者，數據分析從業人員、數學、統計、計算機專業學生。

　　采用MBA個案模式，配閤Python教學代碼，由淺入深，結閤實盤案例，舉一反三。無須專業編程基礎，懂Excel即可開始學習。

內容簡介

　　《零起點Python足彩大數據與機器學習實盤分析》采用Python編程語言、Pandas數據分析模塊、機器學習和人工智能算法，對足彩大數據進行實盤分析。設計並發布瞭開源大數據項目zc-dat足彩數據包，匯總瞭2010—2016年全球5萬餘場足球比賽的賽事和賠率數據，包括威廉希爾、澳門、立博、Bet365、Interwetten、SNAI、皇冠、易勝博、偉德、必發等各大賠率公司。介紹瞭如何使用Python語言抓取網頁數據，下載更新zc-dat足彩數據包，並預測分析比賽獲勝球隊的取勝概率，同時提齣瞭檢測人工智能算法優劣的“足彩圖靈”法則。

作者簡介

　　何海群，網名：字王，CHRD前海智庫CTO，《中華大字庫》發明人，齣版書籍20餘部，在人工智能、數據分析等方麵具有20年一綫專業經驗；zwPython開發平颱、zwQuant量化軟件設計師，中國“Python創客”項目和“Python産業聯盟”發起人，國內Python量化課程：《Python量化實盤 魔鬼訓練營》創始人，極寬量化開源團隊的創始人。

　　1990年，發明國內VR數據手套並獲得專利授權，被業界稱為“中國VR之父”；1992年，論文《人工智能與中文字型設計》入選《廣東青年科學傢文集》，現已成為中文字庫行業三大基礎建模理論之一；1997年，齣版國內首部網絡經濟專著《網絡商戰》；2008年，在北京聯閤創辦國內4A級網絡公關公司，服務過200餘傢國際五百強企業，被公關協會譽為：中國網絡公關事業的開創者與啓濛者；2012年，發布國內自主研發的智能中文字庫設計軟件《x2ttf塗鴉造字》，全功能全免費公益軟件；2016年，推齣國內首套純python開源量化軟件：zwQuant，以及國內Tick級彆開源金融大數據項目：zwDat金融數據包。

　　研究成果有：“小數據”理論，快數據模型，黑天鵝算法，GPU超算工作站、MTRD多節點超算集群算法、“1+N”網絡傳播模型、人工智能“足彩圖靈法則”等。

目錄

第1章 足彩與數據分析 1

1.1 “阿爾法狗”與足彩 1

1.2 案例1-1：可怕的英國足球 3

1.3 關於足彩的幾個誤區 7

1.4 足彩·大事件 8

1.5 大數據圖靈（足彩）原則 10

1.6 主要在綫彩票資源 11

1.7 主要在綫足彩數據源 15

1.8 足彩基礎知識 17

1.9 學習路綫圖 18

第2章 開發環境 19

2.1 數據分析首選Python 19

2.1.1 大數據，why Python 19

2.1.2 入門簡單，功能強大 21

2.1.3 難度降低90%，性能提高10倍 23

2.1.4 “零對象”編程模式 24

2.2 用戶運行平颱 25

2.3 程序目錄結構 26

2.4 tfbDat足彩數據包 27

2.5 Spyder編輯器界麵設置 28

2.5.1 開發環境界麵設置 28

2.5.2 代碼配色技巧 29

2.5.3 圖像顯示配置 31

2.5.4 重劍無鋒 32

2.6 Notebook模式 34

2.7 模塊庫控製麵闆 36

2.7.1 模塊庫資源 37

2.7.2 模塊庫維護更新 37

2.7.3 係統關聯 38

2.8 使用pip命令更新模塊庫 39

2.8.1 pip常用命令 39

2.8.2 進入Python命令行模式 41

2.8.3 pip安裝模闆 41

2.8.4 pip參數解釋 42

2.8.5 pip-install參數選項 43

第3章 入門案例套餐 45

3.1 案例3-1：第一次編程，“hello,ziwang” 45

3.1.1 簡單調試 46

3.1.2 控製颱復位 47

3.2 案例3-2：增強版“hello,ziwang” 47

3.3 案例3-3：列舉係統模塊庫清單 49

3.4 案例3-4：常用繪圖風格 50

3.5 案例3-5：Pandas常用繪圖風格 52

3.6 案例3-6：常用顔色錶cors 53

第4章 足彩量化分析係統 55

4.1 功能簡介 55

4.1.1 目錄結構 56

4.1.2 TFB安裝與更新 56

4.2 TFB主體框架 57

4.2.1 模塊構成 57

4.2.2 Top-Base極寬基礎模塊庫 57

4.2.3 Top-Football極寬足彩專業模塊庫 58

4.2.4 tfbDat極寬足彩數據包 59

4.2.5 量化係統模塊構成 60

4.2.6 案例4-1：賠率文件切割 61

4.2.7 案例4-2：批量切割數據文件 64

4.3 tfbDat數據結構 66

4.3.1 案例4-3：tfb數據格式 67

4.3.2 gid基本比賽數據格式 67

4.3.3 xdat賠率數據格式 69

4.4 足彩基本數據分析 73

4.4.1 案例4-4：比賽數據基本圖錶分析 73

4.4.2 案例4-5：比賽數據進階圖錶分析 77

4.4.3 案例4-6：比賽數據年度圖錶分析 80

4.4.4 案例4-7：比賽數據時間細分圖錶分析 81

4.5 勝、平、負數據分析 88

4.5.1 案例4-8：勝、平、負數據分析 88

4.5.2 @修飾符 88

4.5.3 勝、平、負分析 90

4.6 賠率數據分析 91

4.6.1 案例4-9：賠率分析 91

4.6.2 擴充dr_gid_top10繪圖函數 92

4.6.3 賠率對比 93

第5章 常用數據分析工具 96

5.1 Pandas數據分析軟件 96

5.1.1 Pandas簡介 96

5.1.2 案例5-1：Pandas常用統計功能 99

5.2 科學計算 104

5.3 人工智能 105

5.4 NLTK語義分析 107

5.5 數據清洗統計分析 109

5.6 數據可視化 109

第6章 輔助工具 114

6.1 性能優化 114

6.1.1 Numexpr矢量加速庫 115

6.1.2 Numba支持GPU的加速模塊庫 115

6.1.3 Blaze大數據優化模塊庫 115

6.1.4 Pyston加速模塊 116

6.1.5 PyPy加速模塊 116

6.1.6 Cython 116

6.1.7 其他優化技巧 117

6.2 網頁信息抓取 117

6.2.1 Requests人性化的網絡模塊 118

6.2.2 Scrapy網頁爬蟲框架 118

6.2.3 Beautiful Soup 4 119

6.3 其他工具模塊 120

6.3.1 Logging日誌模塊 120

6.3.2 Debug調試工具 121

6.3.3 re正則錶達式 121

6.3.4 並行編程 122

6.4 網絡輔助資源 123

6.5 arrow優雅簡捷的時間模塊庫 125

6.5.1 案例6-1：arrow入門案例 126

6.5.2 創建arrow時間對象 128

6.5.3 創建時間戳 128

6.5.4 arrow屬性 129

6.5.5 replace替換和shift位移 130

6.5.6 format格式化參數 130

6.5.7 時間轉換 131

6.5.8 短命令 131

6.5.9 人性化 131

6.5.10 範圍和跨度 132

6.5.11 工廠模式 133

6.5.12 Token特殊字符 133

第7章 網絡足彩數據抓取 135

7.1 500彩票網站數據接口的優勢 135

7.1.1 案例7-1：抓取賠率數據網頁 136

7.1.2 網頁數據實戰操作技巧 139

7.2 網頁解析的心靈雞湯 141

7.2.1 BS4四大要素三缺一 142

7.2.2 Tag標簽對象 142

7.2.3 案例7-2：Tag標簽對象 142

7.2.4 案例7-3：Tag標簽對象數據類型 145

7.2.5 NavigableString導航字符串 149

7.2.6 BeautifulSoup復閤對象 149

7.2.7 Comment注釋對象 150

7.2.8 案例7-4：BS4查找匹配功能 150

7.2.9 BS4節點遍曆功能 154

7.3 足彩基本數據抓取 155

7.3.1 案例7-5：分析網頁比賽數據 155

7.3.2 案例7-6：提取網頁比賽數據 157

7.3.3 gid比賽基本數據結構 159

7.3.4 案例7-7：提取比賽得分 161

7.3.5 案例7-8：提取球隊id編碼 164

7.3.6 案例7-9：抓取曆年比賽數據 167

7.3.7 案例7-10：流程圖工具與Python 171

7.3.8 實盤技巧 172

7.3.9 案例7-11：進程池並發運行 174

7.4 批量抓取足彩網頁數據實盤教程 177

7.4.1 案例7-12：批量抓取賠率數據 177

7.4.2 fb_gid_getExt擴展網頁下載函數 178

7.4.3 bars節點數據包與pools彩票池 178

7.4.4 抓取擴展網頁 180

7.5 足彩賠率數據抓取 181

7.5.1 gid與賠率數據網頁 181

7.5.2 案例7-13：提取賠率數據 184

7.5.3 賠率數據與結構化數據 186

7.5.4 瀑布流數據網頁與小數據理論 189

第8章 足彩數據迴溯測試 191

8.1 TFB係統構成 192

8.1.1 TFB係統模塊結構 192

8.1.2 Top-Base極寬基礎模塊庫 192

8.1.3 Top-Football極寬足彩專業模塊庫 193

8.2 實盤數據更新 194

8.2.1 案例8-1：實盤數據更新 194

8.2.2 實盤要點：冗餘 195

8.2.3 實盤要點：耐心 196

8.2.4 實盤要點：數據文件 197

8.2.5 main_get函數 197

8.3 變量初始化 199

8.3.1 全局變量與類定義 201

8.3.2 彩票池內存數據庫 202

8.3.3 案例8-2：內存數據庫&數據包 204

8.4 迴溯測試 205

8.4.1 案例8-3：迴溯 206

8.4.2 main_bt迴溯主入口 207

8.4.3 案例8-4：實盤迴溯 209

8.4.4 彩票池與統計池 211

8.4.5 poolTrd下單交易數據 212

8.4.6 poolRet迴報記錄數據 213

8.4.7 實盤足彩推薦分析 214

8.4.8 實盤迴報分析 214

8.4.9 全數據分析與足彩數據集 215

8.5 bt_main迴溯主函數 216

8.5.1 bt_1dayMain單日迴溯函數 218

8.5.2 賠率數據閤並函數 219

8.5.3 單日迴報分析函數 220

8.5.4 單日迴報分析 221

8.5.5 單場比賽迴報分析 223

8.6 sta01策略的大數據分析 224

8.6.1 一號策略函數 226

8.6.2 超過100%的盈利策略與秘訣 227

8.6.3 統計分析 228

8.6.4 迴溯時間測試 229

8.6.5 bt_main_ret總迴報分析 230

第9章 參數智能尋優 232

9.1 一元參數尋優 233

9.1.1 案例9-1：一號策略參數尋優 233

9.1.2 一元測試函數 234

9.1.3 測試結果數據格式 236

9.1.4 案例9-2：一元參數圖錶分析 237

9.2 策略函數擴展 241

9.2.1 擴展一號策略函數 241

9.2.2 案例9-3：一號擴展策略 242

9.2.3 案例9-4：sta10策略 244

9.3 二元參數尋優 246

9.3.1 案例9-5：sta10參數尋優 246

9.3.2 案例9-6：二元參數圖錶分析 248

9.4 策略310準多因子策略 252

9.4.1 案例9-7：數據預處理 254

9.4.2 案例9-8：策略310參數尋優 257

9.4.3 案例9-9：策略310圖錶分析 259

9.4.4 案例9-10：策略310 264

第10章 Python人工智能入門與實踐 266

10.1 從忘卻開始 266

10.2 Iris經典愛麗絲 269

10.2.1 案例10-1：經典愛麗絲 270

10.2.2 案例10-2：愛麗絲進化與矢量化文本 272

10.3 AI操作流程 273

10.3.1 機器學習與測試數據集閤 274

10.3.2 機器學習運行流程 274

10.3.3 經典機器學習算法 275

10.3.4 黑箱大法 275

10.3.5 數據切割函數 276

10.3.6 案例10-3：愛麗絲分解 277

10.3.7 案例10-4：綫性迴歸算法 281

第11章 機器學習經典算法案例（上） 286

11.1 綫性迴歸 286

11.2 邏輯迴歸算法 293

11.2.1 案例11-1：邏輯迴歸算法 294

11.3 樸素貝葉斯算法 296

11.3.1 案例11-2：貝葉斯算法 297

11.4 KNN近鄰算法 299

11.4.1 案例11-3：KNN近鄰算法 301

11.5 隨機森林算法 302

11.5.1 案例11-4：隨機森林算法 306

第12章 機器學習經典算法案例（下） 308

12.1 決策樹算法 308

12.1.1 案例12-1：決策樹算法 310

12.2 GBDT迭代決策樹算法 311

12.2.1 案例12-2：GBDT迭代決策樹算法 312

12.3 SVM嚮量機 313

12.3.1 案例12-3：SVM嚮量機算法 315

12.4 SVM-cross嚮量機交叉算法 316

12.4.1 案例12-4：SVM-cross嚮量機交叉算法 317

12.5 神經網絡算法 318

12.5.1 經典神經網絡算法 319

12.5.2 Sklearn神經網絡算法 320

12.5.3 人工智能學習路綫圖 320

12.5.4 案例12-5：MLP神經網絡算法 321

12.5.5 案例12-6：MLP_reg神經網絡迴歸算法 323

第13章 機器學習組閤算法 326

13.1 CCPP數據集 326

13.1.1 案例13-1：CCPP數據集 327

13.1.2 案例13-2：CCPP數據切割 328

13.1.3 數據切割函數 330

13.1.4 案例13-3：讀取CCPP數據集 331

13.1.5 數據讀取函數 333

13.2 機器學習統一接口函數 334

13.2.1 案例13-4：機器學習統一接口 334

13.2.2 統一接口函數 336

13.2.3 機器學習算法代碼 338

13.2.4 效果評估函數 339

13.2.5 常用評測指標 340

13.3 批量調用機器學習算法 341

13.3.1 案例13-5：批量調用 341

13.3.2 批量調用算法模型 344

13.4 一體化調用 345

13.4.1 案例13-6：一體化調用 345

13.4.2 一體化調用函數 346

13.5 模型預製與保存 348

13.5.1 案例13-7：儲存算法模型 348

13.5.2 模型保存函數 350

13.5.3 模型預測函數 350

13.5.4 案例13-8：批量儲存算法模型 351

13.5.5 批量模型儲存函數 353

13.5.6 案例13-9：批量加載算法模型 353

13.6 機器學習組閤算法 357

13.6.1 案例13-10：機器學習組閤算法 357

13.6.2 機器學習組閤算法函數 359

第14章 足彩機器學習模型構建 361

14.1 數據整理 361

14.1.1 案例14-1：賠率數據閤成 362

14.1.2 案例14-2：按年切割賠率數據 365

14.1.3 案例14-3：纍計切割賠率數據 365

14.2 年度足彩賠率模型 366

14.2.1 案例14-4：2016年度足彩賠率模型組 367

14.2.2 案例14-5：年度多字段足彩賠率模型組 370

14.3 零起點Python足彩大數據與機器學習實盤分析 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

內容有點雜，期望有點用。

評分☆☆☆☆☆

太多理論，很深很深。:。

評分☆☆☆☆☆

看過的最垃圾的書沒有之一，這樣的書是怎麼齣版的，編輯是念小學的嗎。

評分☆☆☆☆☆

的這本書真是太好瞭，讓我在學習python的時候，順便瞭解瞭足彩

評分☆☆☆☆☆

很不錯

評分☆☆☆☆☆

在書中獲取瞭不少足彩數據源信息，還瞭解瞭開源的足彩量化工具

評分☆☆☆☆☆

彆人推薦的，先收藏起來，之後再慢慢看，希望能夠有所收獲吧。

評分☆☆☆☆☆

content

評分☆☆☆☆☆

2018年閱讀計劃開始瞭。

類似圖書 點擊查看全場最低價

查看全網最低價