|
|
|
|
移动端

目录(2)

《大数据分析:数据挖掘必备算法示例详解》本书详细介绍了大数据分析,尤其是数据分类相关算法的原理及实现 细节,并给出了每个算法的编程实例。本节为目录。

作者:张重生来源:机械工业出版社|2017-12-13 17:16

年前最后一场技术盛宴 | 1月27日与京东、日志易技术大咖畅聊智能化运维发展趋势!


目录(2)

第15章 三种从二分类到多分类聚合
策略的实验对比分析107
151 OVA策略的实验结果107
152 OVO策略的实验结果111
153 ECOC策略的实验结果114
参考文献119
第16章 多个分类算法的集成方法
研究120
 161 差异性(Diversity)的原理
与技术121
 162 集成学习方法123
1621 简单加权投票集成方法123
1622 随机爬山算法125
1623 集成前序算法和集成后序
算法128
1624 循环集成方法133
1625 其他集成学习方法135
163 本章小结135
参考文献136
第17章 属性选择算法138
 171 fspackage和LibSVM的
使用138
1711 程序包fspackage的使用
方法138
1712 分类器LibSVM的使用方法139
1713 分类器LibSVM的调用实例140  172 信息增益算法142
1721 算法原理142
1722 代码讲解142
1723 案例详解143
 173 卡方分布算法145
1731 卡方分布算法的原理145
1732 卡方分布算法的使用148
1733 案例详解148
 174 基于FisherScore的属性选择
算法150
1741 FisherScore的原理150
1742 代码讲解151
1743 案例详解152
 175 基于基尼系数的属性选择
算法154
1751 基尼系数的原理154
1752 代码讲解155
1753 案例详解156
 176 基于T检验的属性选择
算法158
1761 T检验的原理158
1762 代码讲解158
1763 案例详解159
参考文献161
第18章 高级属性选择算法162  181 线性前向选择算法162
1811 算法原理162
1812 代码讲解163
1813 案例详解164
 182 顺序前向选择算法165
1821 算法原理165
1822 代码讲解165
1823 案例详解170
 183 基于稀疏多项式逻辑回归的
属性选择算法171
1831 算法原理171
1832 代码讲解171
1833 案例详解172
 184 Our———多个属性选择算法的
集成策略174
1841 算法原理174
1842 代码讲解174
1843 案例详解175
1844 our算法的优势177
 185 属性选择算法的大规模实验
对比分析177
1851 实验数据177
1852 属性选择算法结合LibSVM的
测试179
1853 属性选择算法结合C45的
测试181
1854 实验小结183
参考文献184
第19章 数据选择算法185
 191 衡量不均衡数据分类质量的
常用方法185
1911 方法介绍185
1912 代码讲解186
1913 案例详解187
 192 RUS算法188
1921 算法原理188
1922 代码讲解188
1923 案例详解189
 193 CNN算法191
1931 算法原理191
1932 代码讲解191
1933 案例详解193
 194 SMOTE算法194
1941 算法原理194
1942 代码讲解194
1943 案例详解196
 195 ADASYN算法197
1951 算法原理197
1952 代码讲解198
1953 案例详解199
 196 OSS算法200
1961 算法原理200
1962 代码讲解201
1963 案例详解202
 197 本章小结203
参考文献203
第20章 不均衡数据分类算法及
大规模实验分析205
 201 C45CS算法205
2011 算法原理205
2012 代码讲解205
2013 案例详解213
 202 使用RandomForests和GBDT
进行不均衡数据分类214
2021 RandomForests 214
2022 GBDT 216
 203 BalanceCascade不均衡数据
分类算法216
 204 其他不均衡数据分类算法及
不均衡分类器的集成算法216  205 结合属性选择和数据选择的
不均衡数据分类实验217
2051 实验内容217
2052 实验数据217
2053 实验结果分析219
参考文献226
第21章 大数据分析227
 211 Spark平台简介227
 212 基于Ambari的Spark及Spark
集群的安装与配置227
 213 Ambari集群扩展234
 214 基于Spark平台的分布式
编程示例237
 215 MLlib———Spark平台上的
机器学习库239
2151 RandomForest的MLlib
实现239
2152 Decisiontree的MLlib实现241
参考文献244
后记245


喜欢的朋友可以添加我们的微信账号:

51CTO读书频道二维码

 

51CTO读书频道活动讨论群:365934973
【责任编辑:book TEL:(010)68476606】

回书目   上一节   下一节
点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

网管员成长手记——网络组建、配置与应用

本书主要以“网管员的成长经历”为线索展开,虚拟出一个“新手”网管员的工作和学习环境,将网管员的成长分为4个阶段,以“网管入职充电→...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊