成功加入购物车
图书条目标准图
蒂莫西·马斯特斯 著 / 水利水电出版社 / 2021-08 / 其他
售价 ¥ 31.96 4.7折
定价 ¥68.00
品相 全新
优惠 满包邮
延迟发货说明
上书时间2024-04-26
卖家超过10天未登录
数据挖掘算法——基于C++及CUDA C
本书是美国著名数据挖掘算法专家、数值计算专业的数理统计学博士Timothy Masters的**作品。作为一名严谨的数据挖掘工程师,应用中的预测或分类使你经常会面对成千上万的候选特征。这些特征绝大多数没有价值或只有很小的价值,只有与某个或某些其他特征联合起来才可能有用;一些特征可能有巨大的预测能力,但它们又可能仅存在于整体特征空间的某些区域……数据挖掘中,类似这种使人痛苦的问题是无穷的。本书中的现代特征选择技术,将帮助你解决这些问题。本书中所有的算法都可被直觉证实,并有相关方程和解释材料支撑。作者还展现了这些算法的完整的、受到高度好评的源代码,并对其进行了解析。本书适合算法、数据挖掘、人工智能等专业领域的教师、学生及相关的技术及研究人员作为参考及学习用书。
第1章 概述 1 第2章 前向选择成分分析 3 前向选择成分分析概述 3 数学原理与代码示例 5 化解释方差 6 方差化准则代码 7 后向细化 10 多线程后向细化 13 有序成分正交化 18 综合应用 20 仅前向选择子集的成分变量 24 后向细化子集的成分变量 25 人工变量示例 26 第3章 局部特征选择 30 算法概述 30 算法输出结果 34 简要介绍:单纯形算法 34 线性规划问题 35 Simplex类的接口 36 更多细节 37 一种更严格的LFS方法 38 类内分割和类间分割 41 计算权重 43 化类间分割 45 小化类内分割 48 测试β试验值 49 关于线程的简要说明 52 CUDA权重计算 52 将CUDA代码集成到算法中 53 初始化CUDA硬件 54 计算与当前实例之差 56 计算距离矩阵 57 计算小距离 59 计算权重方程项 63 转置项矩阵 64 权重项求和 65 权重迁移到主机 66 局部特征选择示例 66 关于运行时的解释说明 67 第4章 时间序列特征的记忆特性 68 简单数学概述 69 前向算法 70 后向算法 72 α和β修正 74 一些常规计算 78 均值和协方差 78 概率密度 79 多元正态概率密度函数 80 启动参数 81 初始化算法流程 81 对均值施加扰动 82 对协方差施加扰动 82 对转移概率施加扰动 83 关于随机数发生器的解释 83 完整优化算法 84 计算状态概率 85 更新均值和协方差 87 更新初始概率和转移概率 89 HMM在时间序列中的记忆特性评估 93 链接特征变量与目标变量 96 链接HMM状态与目标 102 一个人为的不当示例 109 一个合理可行的示例 111 第5章 逐步选择改进算法 113 特征评估模型 114 基本模型实现代码 115 交叉验证性能度量 118 逐步选择算法 120 确定个变量 125 在现有模型中添加变量 127 三个算法演示示例 130 第6章 名义变量到有序变量的转换 133 实现概述 135 合理关系测试 135 股票价格变动示例 136 名义变量到有序变量变换实现代码 138 构造函数 139 输出计数表 141 计算映射函数 143 Monte-Carlo置换检验 145
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30