《數據流挖掘與線上學習算法》是2022年中國電力出版社出版的圖書。
基本介紹
- 中文名：數據流挖掘與線上學習算法
- 出版時間：2022年9月1日
- 出版社：中國電力出版社
- ISBN：9787519869946
內容簡介,圖書目錄,
內容簡介
《數據流挖掘與線上學習算法》是一本關於數據流挖掘與線上學習算法的著作，該書全面、系統闡述了數據流機器學習的模型、算法、平台與實例。
《數據流挖掘與線上學習算法》共10章，分為4個部分：第1部分包括首章-第3章，介紹數據流機器學習基礎知識；第2部分（第4-6章）介紹基於頻繁模式的數據挖掘與線上學習算法：第3部分是基於模型的線上學習算法，包括第7章線上稀疏學習模型和第8章線上低秩表示模型；第4部分（第9、10章）介紹基於實例的數據流概念演變檢測和線上學習算法。對每種典型線上學習算法的背景、模型定義、算法設計思想以及相關實驗分析等，書中都有都完整的闡述。同時，也詳細分析了一些與線上學習密切相關的離線數據挖掘和機器學習算法與套用。
《數據流挖掘與線上學習算法》的實驗平台開源、簡單易用。每章後面都設計了操作性強的課程實驗。在圖書“下載專區”目錄下，免費提供了《數據流挖掘與線上學習算法》代碼和相關教學配套資源的線上瀏覽與下載。
《數據流挖掘與線上學習算法》適合作為高等學校數據科學與大數據套用、智慧型科學與技術、人工智慧等專業本科生和研究生的教材與教學參考書，也可供研究數據流挖掘與線上學習算法的科技人員閱讀和使用。
圖書目錄
前言
第1章 數據流機器學習
1．1 大數據的兩種計算模式
1．1．1 大數據離線分析
1．1．2 批量處理方法
1．1．3 大數據實時分析
1．1．4 線上學習方法
1．2 離線分析平台Wreka
1．2．1 數據挖掘和機器學習
1．2．2 圖形用戶界面
1．2．3 ARFF格式與示例數據集
1．2．4 預處理過濾器
1．2．5 屬性選擇
1．2．6 可視化
1．3 數據流挖掘
1．3．1 數據流挖掘循環過程
1．3．2 分類器評估
1．3．3 分類方法
1．3．4 回歸
1．3．5 聚類
1．3．6 頻繁模式挖掘
1．4 數據流變化處理方法
1．4．1 數據流分布統計測試
1．4．2 概念漂移數據流產生
1．4．3 漂移評估與探測
1．4．4 自適應滑動視窗
1．4．5 數據流特徵高維問題
1．4．6 噪音數據流處理
1．5 大規模線上分析平台MOA
1．5．1 圖形用戶界面
1．5．2 命令行操作
1．5．3 數據源和數據流生成器
課程實驗1 實驗平台安裝與操作
1．6．1 實驗目的
1．6．2 實驗環境
1．6．3 安裝平台
1．6．4 平台操作
參考文獻
第2章 MOA平台機器學習實例
2．1 MOA分類
2．1．1 MOA分類器
2．1．2 樸素貝葉斯增量分類器
2．1．3 Hoeffding自適應視窗樹
2．1．4 MOA分類實戰操作
2．2 集成分類實例
2．2．1 裝袋算法
2．2．2 提升算法
2．2．3 隨機森林算法
2．2．4 MOA集成實戰操作
2．3 MOA聚類
2．3．1 MOA聚類設定
2．3．2 DBSCAN密度聚類
2．3．3 Den-Stream數據流聚類
2．3．4 MOA聚類實戰操作
2．4 頻繁閉合項集挖掘算法
2．4．1 MOA擴展包
2．4．2 MOA載入配置IncMine擴展包
2．4．3 Java調用IncMine對象和選項
2．4．4 Eclipse環境下開發IncMine代碼
課程實驗2數據分類
……
第3章 數據流線上學習模型與典型算法
第4章 離線挖掘頻繁閉合項集
第5章 頻繁子序列與基因表達數據雙向聚類
第6章 數據流顯露模式與貝葉斯分類
第7章 線上特徵稀疏學習
第8章 低秩表示線上學習
第9章 可變數據流重複類與新類檢測
第10章 KNN自適應存儲處理異質概念漂移
