Визуализация распределения данных и ядерная оценка плотности в Python учебно-методическое пособие
Рассмотрены возможности библиотек Python для визуализации распределения данных. Приведены примеры построения гистограмм, kde- и ecdf-графиков, а также кумулятивных кривых в каждой из рассмотренных библиотек. Показано, как можно получить координаты графиков в библиотеке Plotly. На тестовом примере пр...
Сохранить в:
| Главный автор: | |
|---|---|
| Формат: | Книга |
| Темы: | |
| Online-ссылка: | Перейти к просмотру издания |
| Метки: |
Добавить метку
Нет меток, Требуется 1-ая метка записи!
|
| LEADER | 03406nam0a2200361 4500 | ||
|---|---|---|---|
| 001 | RU/IPR SMART/147881 | ||
| 856 | 4 | |u https://www.iprbookshop.ru/147881.html |z Перейти к просмотру издания | |
| 801 | 1 | |a RU |b IPR SMART |c 20250903 |g RCR | |
| 010 | |a 978-5-7882-3479-3 | ||
| 205 | |a Визуализация распределения данных и ядерная оценка плотности в Python |b 2028-02-12 | ||
| 333 | |a Гарантированный срок размещения в ЭБС до 12.02.2028 (автопролонгация) | ||
| 100 | |a 20250903d2024 k y0rusy01020304ca | ||
| 105 | |a y j 000zy | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 200 | 1 | |a Визуализация распределения данных и ядерная оценка плотности в Python |e учебно-методическое пособие |f А. Н. Титов, Р. Ф. Тазиева | |
| 700 | 1 | |a Титов, |b А. Н. |4 070 | |
| 701 | 1 | |a Тазиева, |b Р. Ф. |4 070 | |
| 330 | |a Рассмотрены возможности библиотек Python для визуализации распределения данных. Приведены примеры построения гистограмм, kde- и ecdf-графиков, а также кумулятивных кривых в каждой из рассмотренных библиотек. Показано, как можно получить координаты графиков в библиотеке Plotly. На тестовом примере продемонстрированы результаты работы созданной авторами программы. Для оценки уровня усвоения студентами пройденного материала предложены варианты самостоятельных работ. Предназначено для бакалавров, обучающихся по направлениям подготовки 09.03.02 «Информационные системы и технологии», 18.03.01 «Химическая технология», 28.03.02 «Наноинженерия», 29.03.04 «Технология художественной обработки материалов», 29.03.05 «Конструирование изделий легкой промышленности», изучающих дисциплины «Теория вероятностей и математическая статистика», «Обработка экспериментальных данных», «Большие данные», «Алгоритмы и структура данных», «Вычислительная математика». Подготовлено на кафедре информатики и прикладной математики. | ||
| 210 | |a Казань |c Издательство КНИТУ |d 2024 | ||
| 610 | 1 | |a Python | |
| 610 | 1 | |a распределение данных | |
| 610 | 1 | |a Matplotlib | |
| 610 | 1 | |a Seaborn | |
| 675 | |a 004.42 | ||
| 686 | |a 32.97 |2 rubbk | ||
| 300 | |a Книга находится в премиум-версии IPR SMART. | ||
| 106 | |a s | ||
| 230 | |a Электрон. дан. (1 файл) | ||
| 336 | |a Текст | ||
| 337 | |a электронный | ||
| 503 | 0 | |a Доступна эл. версия. IPR SMART | |
| 215 | |a 96 с. | ||