數據科學與工程算法基礎

內容簡介

《數據科學與工程算法基礎》從機率統計、線性代數和組合最佳化角度出發，介紹經典的數據科學與工程算法，內容涉及數據分析處理全流程的算法及其數學基礎，主要包括抽樣算法；尾機率不等式及其套用；典型的哈希技術，如布隆過濾器和局部敏感哈希；數據流模型以及典型Misra Gries算法、Count Sketch算法；隨機遊走及其套用；EM算法；特徵值計算；奇異值分解和主成分分析；矩陣分解；整數規劃；子模函式及其套用；模組度及社區發現等。全書配有大量翔實的套用實例可供參考，有相當數量的習題可供讀者練習。

　　《數據科學與工程算法基礎》可作為數據科學與大數據技術專業本科生、研究生相關課程的教材或參考書，也可供相關領域技術人員參考。

圖書目錄

第1章緒論

1．1 數據分析處理階段

1．1．1 數據採集

1．1．2 數據預處理

1．1．3 數據存儲與管理

1．1．4 數據分析與挖掘

1．1．5 數據可視化

1．2 算法設計原則

1．2．1 數據特點

1．2．2 算法評價

1．2．3 算法設計原則

本章小結

習題1

第2章抽樣算法

2．1 引入

2．2 基本概念

2．2．1 總體與樣本

2．2．2 抽樣調查

2．3 系統抽樣

2．3．1 直線等距抽樣

2．3．2 圓形等距抽樣

2．3．3 系統抽樣特點

2．4 分層抽樣

2．5 水庫抽樣

2．5．1 水庫抽樣算法

2．5．2 算法分析

2．5．3 分散式水庫抽樣算法

本章小結

習題2

第3章尾機率不等式及其套用

3．1 引入

3．2 Markov不等式

3．3 Chebyshev不等式

3．4 Chernoff不等式

3．5 尾機率不等式的套用-Morris算法

3．5．1 Morris算法

3．5．2 Morris+算法

3．5．3 Morris++算法

本章小結

習題3

第4章哈希技術

4．1 引入

4．2 哈希

4．3 布隆過濾器

4．3．1 布隆過濾器的基本原理

4．3．2 誤判率

4．3．3 降低誤判率

4．3．4 套用場景

4．4 局部敏感哈希

4．4．1 哈希函式的選擇

4．4．2 Shingling

4．4．3 Min-Hashing

數據科學與工程算法基礎

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條