| 失效链接处理 |
|
大数据分析与法 PDF 下蝲
下蝲地址Q?/strong>
版权归出版社和原作者所有，链接已删除，误买正?br style="padding: 0px; margin: 0px;" />
用户下蝲说明Q?/strong>
?sh)子版仅供预览，下蝲?4时内务必删除，支持正版Q喜Ƣ的误买正版书c：(x)
http://product.dangdang.com/25546469.html
相关截图Q?br />  资料介：(x) 本书详细介绍了数据科学领域的相关技术，包括数据分析、基本学?fn)算法、模p逻辑、h工神l网l、基因算法和q化计算、用R语言q行大数据分析等。本书可以作为高{院校计机专业本科生和研究生，以及(qing)其他专业研究生的人工评的教材，也可以作为相x师和数据分析技术h员的参考书?br /> 资料目录Q?/strong>
译者序
前言
W?章 l论 1
1.1 引言 1
1.2 数据U学的历?2
1.3 C商业中数据科学的重要?3
1.4 数据U学?5
1.5 三维数据U学zd 6
1.5.1 理数据?7
1.5.2 处理数据理 8
1.5.3 数据分析 11
1.6 数据U学与其他领域交?11
1.7 数据分析思维 13
1.8 应用领域 13
1.8.1 资源的可持箋发展 13
1.8.2 利用C交q_q行各种zd 14
1.8.3 Web应用 14
1.8.4 Google自动l计员项?15
1.9 应用计算理数据U学zd 15
1.10 商业中的数据U学场景 17
1.11 有助于数据科学的工具和技?17
1.11.1 数据清洗工具 18
1.11.2 数据理和徏模工?19
1.11.3 数据可视化工?20
1.12 l习(fn) 21
参考文?22
W?章 数据分析 23
2.1 引言 23
2.2 跨行业标准过E?24
2.3 数据分析生命周期 25
2.4 数据U学目生命周期 27
2.5 数据分析的复杂?28
2.6 从数据到z察?30
2.7 构徏分析能力Q银行案?31
2.8 数据质量 32
2.9 数据准备q程 33
2.10 沟通分析结?34
2.10.1 沟通分析结果的{略 34
2.10.2 数据可视?35
2.10.3 可视化技?36
2.11 l习(fn) 37
参考文?37
W?章 基本学习(fn)法 38
3.1 从数据中学习(fn) 38
3.2 监督学习(fn) 40
3.2.1 U性回?40
3.2.2 决策?41
3.2.3 随机林 46
3.2.4 k-q邻法 47
3.2.5 逻辑回归 49
3.2.6 模型l合?50
3.2.7 朴素贝叶?53
3.2.8 贝叶斯信늽l?54
3.2.9 支持向量?56
3.3 无监督学?57
3.3.1 Apriori 法 58
3.3.2 k-means法 60
3.3.3 用于数据压羃的降l?62
3.4 强化学习(fn) 62
3.5 案例研究Q用机器学?fn)进行市销zd 65
3.6 l习(fn) 66
参考文?67
W?章 模糊逻辑 68
4.1 引言 68
4.2 模糊隶属函数 70
4.2.1 三角形隶属函?71
4.2.2 梯Ş隶属函数 71
4.2.3 高斯隶属函数 71
4.2.4 sigmoid隶属函数 72
4.3 隶属值分配方?72
4.4 模糊化与解模p化Ҏ(gu) 73
4.5 模糊集合操作 73
4.5.1 模糊集合的ƈ?74
4.5.2 模糊集合的交?74
4.5.3 模糊集合的补?74
4.6 模糊集合性质 76
4.7 模糊关系 76
4.8 模糊命题 79
4.8.1 模糊q接?79
4.8.2 析取 79
4.8.3 合取 80
4.8.4 否定 80
4.8.5 蕴含 80
4.9 模糊推理 80
4.10 Z模糊规则的系l?81
4.11 数据U学的模p逻辑 82
4.11.1 应用1QWeb内容挖掘 83
4.11.2 应用2QWebl构挖掘 84
4.11.3 应用3QWeb使用挖掘 85
4.11.4 应用4Q环境和C交数据处理 86
4.12 用模p逻辑q行数据U学zd的工具和技?87
4.13 l习(fn) 88
参考文?88
W?章 人工经|络 89
5.1 引言 89
5.2 W号学习(fn)Ҏ(gu) 90
5.3 人工经|络?qing)其特?91
5.4 ANN模型 93
5.4.1 Hopfield模型 93
5.4.2 感知器模?94
5.4.3 多层感知?96
5.4.4 多层感知器的深度学习(fn) 98
5.4.5 其他ANN模型 100
5.4.6 U性回归与经|络 101
5.5 ANN工具和程?102
5.6 C交|络q_上的情感挖掘 103
5.6.1 情感挖掘相关工作 103
5.6.2 q泛架构 104
5.6.3 经|络设计 104
5.7 应用与挑?106
5.8 x?107
5.9 l习(fn) 108
参考文?109
W?章 遗传法与进化计?111
6.1 引言 111
6.2 遗传法 112
6.3 遗传法的基本原?114
6.3.1 个体~码 114
6.3.2 变异 114
6.3.3 交叉 115
6.3.4 适应度函?116
6.3.5 选择 116
6.3.6 其他~码{略 117
6.4 利用遗传法q行函数优化的实?118
6.5 模式与模式定?120
6.5.1 实例、定义位和模式顺?120
6.5.2 模式的重要?121
6.6 ZҎ(gu)应用的遗传算?121
6.7 q化~程 123
6.8 遗传法在医疗保健中的应?124
6.8.1 ȝ保健案例 124
6.8.2 Z遗传法的病度系l?125
6.8.3 ~码候选?127
6.8.4 U群上的操作 127
6.8.5 其他应用 128
6.9 l习(fn) 130
参考文?131
W?章 其他元启发式和分cL?132
7.1 引言 132
7.2 自适应记忆q程 132
7.2.1 忌搜烦 133
7.2.2 分散搜烦 134
7.2.3 路径重连 136
7.3 体 136
7.3.1 蚁群优化 137
7.3.2 人工蜂群法 138
7.3.3 x形成动力?139
7.3.4 _子优?139
7.3.5 随机扩散搜烦 141
7.3.6 体与大数据 142
7.4 案例推理 142
7.4.1 案例推理中的学习(fn) 144
7.4.2 案例推理与数据科?145
7.4.3 处理复杂的领?146
7.5 _糙?146
7.6 l习(fn) 148
参考文?148
W?章 分析和大数据 149
8.1 引言 149
8.2 传统分析与大数据分析 150
8.3 大规模ƈ行处?152
8.3.1 MapReduce 152
8.3.2 与RDBMS的比?154
8.3.3 ׃n存储的ƈ行编E?155
8.3.4 Apache Hadoop 生态系l?155
8.3.5 Hadoop分布式文件系l?157
8.4 NoSQL
|
| Java1234官方?5Q?/td> | 
|
| Java1234官方?5Q?/td> | 838462530 |
苏公|安?32061202001004?/p>
