返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 全新正版数据挖掘技术与应用9787568292573北京理工大学
    • 作者: 编者:由育阳|责编:孙澍著 | 编者:由育阳|责编:孙澍编 | 编者:由育阳|责编:孙澍译 | 编者:由育阳|责编:孙澍绘
    • 出版社: 北京理工大学出版社
    • 出版时间:2021-06-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    如梦图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 编者:由育阳|责编:孙澍著| 编者:由育阳|责编:孙澍编| 编者:由育阳|责编:孙澍译| 编者:由育阳|责编:孙澍绘
    • 出版社:北京理工大学出版社
    • 出版时间:2021-06-01
    • 版次:1
    • 印次:1
    • 印刷时间:2021-06-01
    • 开本:16开
    • ISBN:9787568292573
    • 版权提供:北京理工大学出版社
    • 作者:编者:由育阳|责编:孙澍
    • 著:编者:由育阳|责编:孙澍
    • 装帧:暂无
    • 印次:1
    • 定价:68.00
    • ISBN:9787568292573
    • 出版社:北京理工大学
    • 开本:16开
    • 印刷时间:2021-06-01
    • 语种:暂无
    • 出版时间:2021-06-01
    • 页数:暂无
    • 外部编号:31244951
    • 版次:1
    • 成品尺寸:暂无

    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

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    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

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购