數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)：PMML建模（上）

定　價(jià)：￥99.00

作　者：	潘風(fēng)文，黃春芳著
出版社：	化學(xué)工業(yè)出版社
叢編項(xiàng)：	人工智能開發(fā)叢書
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥99.00)

ISBN：	9787122356079	出版時(shí)間：	2020-02-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)：PMML建模（上）/人工智能開發(fā)叢書》結(jié)合實(shí)際例子詳細(xì)介紹了數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)領(lǐng)域關(guān)聯(lián)規(guī)則模型、樸素貝葉斯模型、貝葉斯網(wǎng)絡(luò)模型、基線模型、聚類模型、通用回歸模型、回歸模型、高斯過(guò)程模型以及K近鄰模型九種模型的表達(dá)方式及構(gòu)建知識(shí)。讀者好同時(shí)結(jié)合《PMML建模標(biāo)準(zhǔn)語(yǔ)言基礎(chǔ)》一書進(jìn)行學(xué)習(xí)，以便融會(huì)貫通，靈活運(yùn)用，更好地把PMML語(yǔ)言應(yīng)用到自己的項(xiàng)目實(shí)踐中?！稊?shù)據(jù)挖掘與機(jī)器學(xué)習(xí)：PMML建模（上）/人工智能開發(fā)叢書》的讀者對(duì)象為從事數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能系統(tǒng)開發(fā)的人員以及教師和學(xué)生，也可以作為大數(shù)據(jù)及機(jī)器學(xué)習(xí)愛好者的自學(xué)用書。

作者簡(jiǎn)介

暫缺《數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)：PMML建模（上）》作者簡(jiǎn)介

圖書目錄

1 關(guān)聯(lián)規(guī)則模型AssociationModel
1．1 關(guān)聯(lián)規(guī)則基礎(chǔ)知識(shí)
1．2 關(guān)聯(lián)規(guī)則算法簡(jiǎn)介
1．3 關(guān)聯(lián)規(guī)則模型元素AssociationModel
1．3．1 模型屬性
1．3．2 模型子元素
1．3．3 評(píng)分應(yīng)用過(guò)程
2 樸素貝葉斯模型NaiveBayesModel
2．1 樸素貝葉斯模型基礎(chǔ)知識(shí)
2．1．1 全概率公式
2．1．2 貝葉斯定理
2．2 樸素貝葉斯算法簡(jiǎn)介
2．2．1 樸素貝葉斯算法
2．2．2 樸素貝葉斯模型參數(shù)估計(jì)
2．3 樸素貝葉斯模型元素NaiveBayesModel
2．3．1 模型屬性
2．3．2 模型子元素
2．3．3 評(píng)分應(yīng)用過(guò)程
3 貝葉斯網(wǎng)絡(luò)模型BayesianNetworkModel
3．1 貝葉斯網(wǎng)絡(luò)基礎(chǔ)知識(shí)
3．2 貝葉斯網(wǎng)絡(luò)算法簡(jiǎn)介
3．3 貝葉斯網(wǎng)絡(luò)模型元素BayesianNetworkModel
3．3．1 模型屬性
3．3．2 模型子元素
3．3．3 評(píng)分應(yīng)用過(guò)程
4 基線模型BaselineModel
4．1 基線模型的基礎(chǔ)知識(shí)
4．1．1 一般基線模型的概念
4．1．2 PMML規(guī)范中的基線模型
4．2 基線模型元素BaselineModel
4．2．1 模型屬性
4．2．2 模型子元素
4．2．3 評(píng)分應(yīng)用過(guò)程
5 聚類模型ClusteringModel
5．1 聚類模型的基礎(chǔ)知識(shí)
5．2 聚類算法簡(jiǎn)介
5．2．1 硬聚類和軟聚類
5．2．2 基于算法主要特征的劃分
5．2．3 PMML規(guī)范中的聚類
5．3 聚類模型元素ClusteringModel
5．3．1 模型屬性
5．3．2 模型子元素
5．3．3 評(píng)分應(yīng)用過(guò)程
6 通用回歸模型GeneralRegressionModel
6．1 通用回歸模型基礎(chǔ)知識(shí)
6．2 通用回歸算法簡(jiǎn)介
6．2．1 一般線性回歸模型GLM
6．2．2 廣義線性回歸GLZM
6．2．3 Cox回歸
6．3 通用回歸模型元素GeneralRegressionModel
……