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

  • 智能交通大数据 综合交通数据科学技术及应用 周慧娟 张尊栋 刘小明 吴文祥 陈智 智能交通 大数据分析 深度学
  • 新商品上架
    • 作者: 无著
    • 出版社: 机械工业出版社
    • 出版时间:2024-08
    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:
    句字图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 无著
    • 出版社:机械工业出版社
    • 出版时间:2024-08
    • 开本:184mm×260mm开
    • ISBN:9787892994475
    • 出版周期:旬刊
    • 版权提供:机械工业出版社


    商品名称:

    智能交通大数据:综合交通数据科学技术及应用

    作 者:

    周慧娟等编著

    市 场 价:

    69.00元

    ISBN 号:

    978-7-111-76137-2

    出版日期:

    2024年8月第1版第1次印刷

    开 本:

    184mm×260mm ·11.25印张·265千字

    出 版 社:

    机械工业出版社

    前言

    第1章 绪论 // 1

    1.1 数据科学的发展历程与应用现状 // 1

    1.2 综合交通领域研究方向及应用需求 // 2

    1.3 综合交通数据科学技术 // 3

    1.3.1 概述 // 3

    1.3.2 内容 // 3

    1.3.3 应用 // 4

    1.4 本书简介 // 4

    第2章 回归分析的原理、模型与实现 // 6

    2.1 回归分析简介 // 6

    2.2 简单线性回归 // 7

    2.2.1 案例引入 // 7

    2.2.2 基本概念 // 7

    2.2.3 模型描述 // 8

    2.2.4 参数估计 // 9

    2.2.5 欠拟合与过拟合 // 13

    2.2.6 多元线性回归 // 16

    2.3 逻辑回归 // 20

    2.3.1 案例引入 // 20

    2.3.2 基本概念 // 21

    2.3.3 模型描述 // 21

    2.3.4 参数估计 // 23

    2.4 非线性回归 // 27

    2.4.1 多项式回归 // 27

    2.4.2 幂函数回归 // 29

    2.4.3 常见非线性回归模型 // 30

    2.5 正则化回归方法 // 31

    2.5.1 L2正则化:岭回归 // 32

    2.5.2 L1正则化:LASSO回归 // 32

    2.6 本章小结 // 34

    第3章 聚类分析的原理、模型与实现 // 35

    3.1 聚类概述 // 35

    3.1.1 什么是聚类 // 35

    3.1.2 聚类的要求 // 35

    3.1.3 聚类的计算方法 // 36

    3.1.4 聚类的应用 // 38

    3.1.5 聚类效果评价指标 // 38

    3.2 k-means聚类 // 40

    3.2.1 k-means聚类原理 // 41

    3.2.2 k-means聚类优缺点 // 42

    3.2.3 k-means聚类调优和改进算法 // 43

    3.3 层次聚类 // 44

    3.3.1 层次聚类原理 // 45

    3.3.2 层次聚类优缺点 // 46

    3.3.3 凝聚的层次聚类方法 // 47

    3.4 DBSCAN // 52

    3.4.1 DBSCAN原理 // 53

    3.4.2 DBSCAN关键参数 // 54

    3.4.3 DBSCAN优缺点 // 56

    3.5 其他聚类方法 // 57

    3.5.1 GMM聚类 // 57

    3.5.2 谱聚类 // 57

    3.5.3 GMM聚类和谱聚类示例 // 58

    3.6 算法对比 // 59

    3.6.1 分类和聚类的区别 // 59

    3.6.2 k-means聚类、DBSCAN、层次聚类对比 // 59

    3.6.3 scikit-learn库中的聚类算法的比较 // 64

    第4章 神经网络与深度学习 // 66

    4.1 神经网络 // 66

    4.1.1 人工神经网络 // 66

    4.1.2 神经元 // 67

    4.1.3 激活函数 // 67

    4.1.4 神经网络的基本结构 // 71

    4.1.5 前向传播与反向传播 // 72

    4.2 深度强化学习 // 74

    4.2.1 卷积运算 // 74

    4.2.2 卷积神经网络 // 77

    4.2.3 循环神经网络 // 83

    4.3 案例分析 // 83

    第5章 杭州地铁客流数据分析实践 // 90

    5.1 数据统计 // 90

    5.1.1 10分钟客流集计 // 90

    5.1.2 站点5分钟粒度进站客流量 // 92

    5.1.3 各个站点5分钟粒度下进站乘客平均乘车时间 // 94

    5.1.4 早高峰进站人数 // 96

    5.1.5 线路B早高峰进站客流可视化 // 98

    5.1.6 乘客编号路径追踪 // 99

    5.2 数据聚类 // 102

    5.3 回归分析 // 110

    第6章 北京地铁客流数据分析与客流预测 // 118

    6.1 数据分析 // 118

    6.1.1 数据介绍 // 118

    6.1.2 数据处理 // 119

    6.1.3 单线路1分钟时间粒度进出站客流量 // 121

    6.1.4 单站一天内1分钟时间粒度下进站客流量 // 122

    6.2 客流量预测 // 125

    6.2.1 LSTM模型 // 125

    6.2.2 CNN模型 // 128

    6.2.3 结果分析 // 132

    第7章 多模型共享单车骑行需求预测 // 134

    7.1 数据说明及具体目标 // 134

    7.2 实施流程 // 135

    7.3 数据预处理 // 136

    7.3.1 导入相关包 // 136

    7.3.2 读取数据 // 137

    7.3.3 日期数据处理及特征类别转换 // 138

    7.3.4 异常值处理 // 138

    7.3.5 可视化分析 // 139

    7.4 模型建立与求解 // 150

    7.4.1 准备数据 // 150

    7.4.2 基本模型 // 150

    7.4.3 模型融合 Stacking // 160

    7.5 结果分析 // 160

    7.5.1 各模型残差分析 // 160

    7.5.2 预测结果分析 // 167

    参考文献 // 169


    1
    • 商品详情
    • 内容简介

    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