大數(shù)據(jù)挖掘與統(tǒng)計機(jī)器學(xué)習(xí)（第2版）

定　價：￥42.00

作　者：	呂曉玲，宋捷
出版社：	中國人民大學(xué)出版社
叢編項：	大數(shù)據(jù)分析統(tǒng)計應(yīng)用叢書
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787300264066	出版時間：	2019-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	332	字?jǐn)?shù)：

內(nèi)容簡介

　　《大數(shù)據(jù)挖掘與統(tǒng)計機(jī)器學(xué)習(xí)（第2版）/大數(shù)據(jù)分析統(tǒng)計應(yīng)用叢書》介紹數(shù)據(jù)挖掘與統(tǒng)計機(jī)器學(xué)習(xí)領(lǐng)域常用的模型和算法，包括基礎(chǔ)的線性回歸和線性分類方法，以及模型選擇和模型評價的概念和方法，進(jìn)而介紹非線性的回歸和分類方法（包括決策樹與組合方法、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)以及在此基礎(chǔ)上發(fā)展的深度學(xué)習(xí)方法）。最后介紹無監(jiān)督的學(xué)習(xí)中的聚類方法和業(yè)界廣泛使用的推薦系統(tǒng)方法。除了方法的理論講解之外，我們給出了每種方法的R語言及Python語言實現(xiàn)。《大數(shù)據(jù)挖掘與統(tǒng)計機(jī)器學(xué)習(xí)（第2版）/大數(shù)據(jù)分析統(tǒng)計應(yīng)用叢書》的一個亮點是最后一章給出的三個大數(shù)據(jù)案例，數(shù)據(jù)量均在10G左右。

作者簡介

暫缺《大數(shù)據(jù)挖掘與統(tǒng)計機(jī)器學(xué)習(xí)（第2版）》作者簡介

圖書目錄

第1章概述
1．1 名詞演化
1．2 基本內(nèi)容
1．3 數(shù)據(jù)智慧
第2章線性回歸方法
2．1 多元線性回歸
2．2 壓縮方法：嶺回歸與Lasso
2．3 Lasso模型的求解與理論性質(zhì)
2．4 損失函數(shù)加罰的建模框架
2．5 上機(jī)實踐
2．6 上機(jī)實踐：Python
第3章線性分類方法
3．1 分類問題綜述與評價準(zhǔn)則
3．2 Logistic回歸
3．3 線性判別
3．4 上機(jī)實踐
3．5 上機(jī)實踐：Python
第4章模型評價與選擇
4．1 基本概念
4．2 。理論方法
4．3 數(shù)據(jù)重利用方法
4．4 上機(jī)實踐
4．5 上機(jī)實踐：Python
第5章決策樹與組合方法
5．1 決策樹
5．2 Bagging
5．3 Boosting
5．4 隨機(jī)森林
5．5 上機(jī)實踐
5．6 上機(jī)實踐：Python
第6章神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
6．1 神經(jīng)網(wǎng)絡(luò)
6．2 深度信念網(wǎng)
6．3 卷積神經(jīng)網(wǎng)絡(luò)
6．4 上機(jī)實踐
6．5 上機(jī)實踐：Python
第7章支持向量機(jī)
7．1 線性可分支持向量機(jī)
7．2 軟間隔支持向量機(jī)
7．3 一些拓展
7．4 上機(jī)實踐
7．5 上機(jī)實踐：Python
第8章聚類分析
8．1 基于距離的聚類
8．2 基于模型和密度的聚類
8．3 稀疏聚類
8．4 雙向聚類
8．5 上機(jī)實踐
8．6 上機(jī)實踐：Python
第9章推薦系統(tǒng)9．1 基于鄰居的推薦
9．2 潛在因子與矩陣分解算法
9．3 上機(jī)實踐
9．4 上機(jī)實踐：Python
第10章大數(shù)據(jù)案例分析
10．1 智能手機(jī)用戶監(jiān)測數(shù)據(jù)案例分析
10．2 美國航空數(shù)據(jù)案例分析
10．3 美國紐約公共自行車數(shù)據(jù)案例分析
參考文獻(xiàn)