大數據分析：數據挖掘必備算法示例詳解

內容簡介

本書詳細介紹了大數據分析，尤其是數據分類相關算法的原理及實現細節，並給出了每個算法的編程實例。全書總計21章，內容包括十大數據分類算法、十大從二元分類到多類分類的算法、九大屬性選擇算法、五大數據選擇算法，若干集成學習方法和不均衡數據分類算法，以及大數據分析的平台與技術。本書可作為高等學校計算機科學與技術、數據科學與大數據技術、統計學、軟體工程、地理信息系統等專業的研究生和高年級本科生的教材，也可作為科研人員、工程師和大數據愛好者的參考書。

圖書目錄

第1章數據分析緒論

1.1理解數據中欄位的類型是數據分析的重要前提

1.2進行數據分析時數據的表示形式

1.3數據分類——數據類別的自動識別

1.4數據分類問題與回歸問題的區別與聯繫

1.5數據分析算法簡介

1.6交叉驗證

1.7一個最簡單的分類器-K近鄰分類器

1.8後續章節組織

第2章SVM算法

2.1算法原理

2.2工具包簡介

2.3實例詳解

第3章決策樹算法

3.1信息熵值

3.2決策樹的構建目標

3.3 ID3決策樹算法

3.4 C4.5決策樹算法

3.5 CART決策樹算法

3.6 ID3、C4.5、CART算法的終止條件

3.7C4.5算法的參數介紹

3.8實例詳解

第4章隨機森林算法

4.1算法原理

4.2工具包介紹

4.3實例詳解

第5章梯度提升決策樹算法

5.1算法原理

5.2工具包介紹

5.3實例詳解

第6章AdaBoost算法

6.1算法原理

6.2工具包介紹

6.3實例詳解

第7章樸素貝葉斯分類器

7.1樸素貝葉斯分類的問題定義

7.2樸素貝葉斯算法原理

7.3一種常見的樸素貝葉斯模型的錯誤計算方法

7.4樸素貝葉斯算法對連續型屬性的處理

第8章極限學習機器算法

8.1算法原理

8.2算法參數介紹

8.3實例詳解

第9章邏輯回歸算法

9.1 Logistic Regression算法流程

9.2 Logistic Regression算法原理推導

第10章稀疏表示分類算法

10.1算法原理

10.2 SRC工具包及算法參數介紹

大數據分析：數據挖掘必備算法示例詳解

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條