大数据分析(数据挖掘必备算法示例详解)(中文 )

大数据分析 数据挖掘必备算法示例详解张重生编著
  • 作者:张重生, 1982- 编著
  • 出版社:北京 机械工业出版社 2017
  • 页数:246
  • 索书号:TP274/413
  • ISBN:9787111555469
  • 浏览次数:1
  • 我要借阅
内容简介
由张重生所著的《大数据分析(数据挖掘必备算法示例详解)》详细介绍了大数据分析,尤其是数据分类相关算法的原理及实现细节,并给出了每个算法的编程实例。全书共计21章,内容包括十大数据分类算法、十大从二元分类到多类分类的算法、九大属性选择算法、五大数据选择算法,若干集成学习方法和不均衡数据分类算法,以及大数据分析的平台与技术。 本书可作为高等学校计算机科学与技术、数据科学与大数据技术、统计学、软件工程、地理信息系统等专业的研究生和高年级本科生的教材,也可作为科研人员、工程师和大数据爱好者的参考书。
作者简介
1982年9月生,博士,教授,硕士生导师,河南大学大数据团队带头人。研究领域为大数据分析、深度学习、数据挖掘、数据库、实时数据分析。 博士毕业于INRlA,France(法国国家信息与自动化研究所),获得优秀博士论文荣誉。2010年08月至2011年3月,在美国加州大学洛杉矶分校(UCLA)计算机系,师从Carlo Zaniolo教授进行流数据挖掘方面的研究。十多年来,一直从事数据库、数据挖掘、大数据分析相关的研究,发表SCI/EI论文20篇,含Information Sciences、Neurocornputinq、lEEE ICDM、PAKDD、SSDBM等著名国际期刊和会议论文。作为项目负责人主持4项科研项目,出版学术著作三部,作为第一发明人获得3项国家发明专利,指导硕士研究生12名。
目录
第1章 数据分析绪论
1.1 理解数据中字段的类型是数据分析的重要前提
1.2 进行数据分析时数据的表示形式
1.3 数据分类——数据类别的自动识别
1.4 数据分类问题与回归问题的区别与联系
1.5 数据分析算法简介
1.6 交叉验证
1.7 一个简单的分类器-K近邻分类器
1.8 后续章 节组织
第2章 SVM算法
2.1 算法原理
2.2 工具包简介
2.3 实例详解
第3章 决策树算法
3.1 信息熵值
3.2 决策树的构建目标
3.3 ID3决策树算法
3.4 C45决策树算法
3.5 CART决策树算法
3.6 ID3、C45、CART算法的终止条件
3.7 C45算法的参数介绍
3.8 实例详解
第4章 随机森林算法
4.1 算法原理
4.2 工具包介绍
4.3 实例详解
第5章 梯度提升决策树算法
5.1 算法原理
5.2 工具包介绍
5.3 实例详解
第6章 AdaBoost算法
6.1 算法原理
6.2 工具包介绍
6.3 实例详解
第7章 朴素贝叶斯分类器
7.1 朴素贝叶斯分类的问题定义
7.2 朴素贝叶斯算法原理
7.3 一种常见的朴素贝叶斯模型的错误计算方法
7.4 朴素贝叶斯算法对连续型属性的处理
第8章 极限学习机器算法
8.1 算法原理
8.2 算法参数介绍
8.3 实例详解
第9章 逻辑回归算法
9.1 Logistic Regression算法流程
9.2 Logistic Regression算法原理推导
第10章 稀疏表示分类算法
10.1 算法原理
10.2 SRC工具包及算法参数介绍
10.3 SRC算法实例详解
第11章 不同数据分类算法性能的大规模实验对比分析
11.1 为什么要比较不同数据分类算法的性能?
11.2 不同数据分类算法性能比较的相关工作
11.3 新数据分类算法性能的大规模实验对比分析结果
11.4 结论
第12章 从二分类到多分类——OVA
12.1 OVA 聚合规则的核心思想
12.2 MAX聚合规则
12.3 DOO聚合规则
12.4 调用示例
第13章 从二分类到多分类——OVO
13.1 OVO 聚合规则的核心思想
13.2 WV聚合规则
13.3 VOTE聚合规则
13.4 PC聚合规则
13.5 PE聚合规则
13.6 LVPC聚合规则
13.7 调用示例
第14章 从二分类到多分类——ECOC
14.1 ECOC的核心思想
14.2 ECOC 编码
14.3 ECOC 译码
14.4 ECOC多类分类调用示例
第15章 三种从二分类到多分类聚合策略的实验对比分析
15.1 OVA策略的实验结果
15.2 OVO策略的实验结果
15.3 ECOC策略的实验结果
第16章 多个分类算法的集成方法研究
16.1 差异性(Diversity)的原理与技术
16.2 集成学习方法
16.3 本章小结
第17章 属性选择算法
第18章 高级属性选择算法
第19章 数据选择算法
第20章 不均衡数据分类算法及大规模实验分析
第21章 大数据分析
相关图书
版权所有 北京大学图书馆©2017-2019