加载中...
扫一扫
下载苏宁易购APP
关注苏宁推客公众号
自购省钱·分享赚钱
下载苏宁金融APP
关注苏宁易购服务号
用户评价:----
物流时效:----
售后服务:----
实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
全新正版数据挖掘技术与应用9787568292573北京理工大学
¥ ×1
商品
服务
物流
章 绪论 1.1 数据挖掘的定义 1.2 为什么进行数据挖掘 1.2.1 数据挖掘的背景 1.2.2 数据挖掘的意义 1.3 数据挖掘的应用 1.4 数据挖掘的对象和常用方法 1.4.1 数据挖掘的对象 1.4.2 数据挖掘的常用方法 1.5 数据挖掘的主要问题 1.6 数据挖掘在睡眠分期中的应用 1.6.1 睡眠分期的背景 1.6.2 常用睡眠分期数据库 1.6.3 睡眠分期中的数据挖掘 参考文献第2章 数据描述和预处理 2.1 数据描述 2.2 数据类型 2.2.1 数据的一般特 2.2.2 记录数据 2.. 基于图形的数据 2.2.4 有序数据 . 数据质量 2.4 数据可视化 2.4.1 柱形图 2.4.2 直方图与核密度估计图 2.4.3 箱形图 2.5 数据预处理 2.5.1 标准化 2.5.2 非线变换 2.5.3 归一化 2.5.4 离散化 2.6 睡眠分期中的数据描述和预处理 参考文献第3章 基本统计分析方法 3.1 正态分布参数的设检验和区间估计 3.1.1 对均值肚的估计 3.1.2 对方差α2的设检验和置信区间 3.2 两组数据的比较 3.2.1 数据成对 3.2.2 数据相互独立 3.3 二维数据检验 3.4 回归分析 3.4.1 主要定理 3.4.2 非线转换 3.4.3 分类属预测 3.5 方差分析 3.5.1 单因素方差分析 3.5.2 多因素ANOVA 3.6 睡眠脑电特征基本统计方法示例 参考文献第4章 决策树算法与随机森林 4.1 决策树模型与学习 4.1.1 决策树模型 4.1.2 决策树与if—then规则 4.1.3 决策树与条件概率分布 4.1.4 决策树学习 4.2 特征选择 4.2.1 特征选择的问题 4.2.2 信息增益 4.. 信息增益比 4.3 决策树的生成 4.3.1 3算法 4.3.2 C4.5 的生成算法 4.4 决策树的剪枝孵趸j”分类与回归树算法 4.5.1 CART的生成 4.5.2 CART剪枝算法 4.6 集成学习和随机森林 4.6.1 集成学习 4.6.2 Bagging与随机森林 4.7 随机森林算法在睡眠分期中的应用 参考文献第5章 贝叶斯网络 5.1 朴素贝叶斯法的学习与分类 5.1.1 基本方法 5.1.2 后验概率化的含义 5.2 朴素贝叶斯的参数估计 5.2.1 极大似然估计 5.2.2 学习与分类算法 5.. 贝叶斯估计 5.3 贝叶斯网络 5.3.1 模型表示 5.3.2 建立模型 5.3.3 使用贝叶斯信念网络进行推理示例 5.3.4 BBN的特点 5.4 贝叶斯网络在睡眠分期中的应用 参考文献第6章 支持向量机 6.1 线可分的SVM方法 6.2 线不可分的SVM方法 6.3 核函数 6.4 SVM在睡眠分期中的应用 参考文献第7章 神经网络算法 7.1 概述 7.1.1 人工神经网络发展历史 7.1.2 神经网络分类 7.2 单层神经网络 7.2.1 生物神经网络 7.2.2 人工神经网络 7.3 多层感知器和反向传播算法 7.3.1 反向传播算法和反向传播网络简介 7.3.3 误差反向传播 7.3.4 梯度消失问题及其解决办法 7.4 深度学习 7.4.1 深度学与经网络 7.4.2 CNN——AlexNet模型 7.5 神经网络在睡眠分期中的应用 参考文献第8章 遗传算法 8.1 遗传算法的基本原理 8.1.1 遗传与进化的系统观 8.1.2 遗传算法的特点 8.1.3 遗传算法的基本术语 8.1.4 遗传算法的主要步骤 8.1.5 基本遗传算法的构成要素 8.2 遗传算法的基本实现技术 8.2.1 编码方法 8.2.2 适应度函数 8.. 选择算子 8.2.4 交叉算子 8.2.5 变异算子 8.2.6 遗传算法的运行参数 8.2.7 约束条件的处理方法 8.3 遗传算法的优化举例 8.3.1 优化实例l 8.3.2 优化实例 参考文献第9章 聚类算法 9.1 K—Means聚类 9.2 Mean—Shift聚类 9.3 基于密度的聚类方法 9.3.1 算法优缺点 9.3.2 基本概念 9.3.3 I)BSCAN算法原理 9.4 基于高斯混合模型的期望化聚类 9.5 聚类算法在睡眠分期中的应用 9.5.1 K—Means方法 9.5.2 DBSCAN方法 参考文献0章 主成分分析 10.1 数据降维 10.2 主成分分析原理 10.2.1 PCA的理论推导 10.2.2 方差、协方差及协方差矩阵 10.3 PcA算法示例 10.4 PCA在睡眠分期中的应用 参考文献l章 数据挖掘算法 11.1 隐马尔可夫模型 11.1.1 什么样的问题需要HMM 11.1.2 HMM 11.1.3 一个HMM实例 11.1.4 HMM观测序列的生成 11.1.5 HMM的三个基本问题 11.1.6 代码示例 11.2 关联规则挖掘 11.2.1 关联规则介绍 11.2.2 Apriori算法 11.. FP—growth算
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
亲,很抱歉,您购买的宝贝销售异常火爆,让小苏措手不及,请稍后再试~
验证码错误
看不清楚?换一张
确定关闭
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
查看我的收藏夹
非常抱歉,您前期未参加预订活动,无法支付尾款哦!
关闭
抱歉,您暂无任性付资格
继续等待
0小时0分
立即开通
SUPER会员