中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據挖掘算法——基于C++及CUDA C 版權信息
- ISBN：9787517097822
- 條形碼：9787517097822 ; 978-7-5170-9782-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據挖掘算法——基于C++及CUDA C 本書特色
l 數據技術專家Timothy Master博士力作 l 展現特征提取與選擇的新技術 l 所有算法可被直覺證實
數據挖掘算法——基于C++及CUDA C 內容簡介
本書是美國有名數據挖掘算法專家、數值計算專業的數理統計學博士Timothy Masters的近期新作品。 作為一名嚴謹的數據挖掘工程師，應用中的預測或分類使你經常會面對成千上萬的候選特征。這些特征絕大多數沒有價值或只有很小的價值，只有與某個或某些其他特征聯合起來才可能有用；一些特征可能有巨大的預測能力，但它們又可能僅存在于整體特征空間的某些區域……數據挖掘中，類似這種使人痛苦的問題是無窮的。本書中的現代特征選擇技術，將幫助你解決這些問題。本書中所有的算法都可被直覺證實，并有相關方程和解釋材料支撐。作者還展現了這些算法的完整的、受到高度好評的源代碼，并對其進行了解析。本書適合算法、數據挖掘、人工智能等專業領域的教師、學生及相關的技術及研究人員作為參考及學習用書。
數據挖掘算法——基于C++及CUDA C 目錄
第1章 概述
第2章 前向選擇成分分析
前向選擇成分分析概述
數學原理與代碼示例
*大化解釋方差
方差*大化準則代碼
后向細化
多線程后向細化
有序成分正交化
綜合應用
僅前向選擇子集的成分變量
后向細化子集的成分變量
人工變量示例
第3章 局部特征選擇
算法概述
算法輸出結果
簡要介紹：單純形算法
線性規劃問題
Simplex類的接口
更多細節
一種更嚴格的LFS方法
類內分割和類間分割
計算權重
*大化類間分割
*小化類內分割
測試β試驗值
關于線程的簡要說明
CUDA權重計算
將CUDA代碼集成到算法中
初始化CUDA硬件
計算與當前實例之差
計算距離矩陣
計算*小距離
計算權重方程項
轉置項矩陣
權重項求和
權重遷移到主機
局部特征選擇示例
關于運行時的解釋說明
第4章 時間序列特征的記憶特性
簡單數學概述
前向算法
后向算法
α和β修正
一些常規計算
均值和協方差
概率密度
多元正態概率密度函數
啟動參數
初始化算法流程
對均值施加擾動
對協方差施加擾動
對轉移概率施加擾動
關于隨機數發生器的解釋
完整優化算法
計算狀態概率
更新均值和協方差
更新初始概率和轉移概率
HMM在時間序列中的記憶特性評估
鏈接特征變量與目標變量
鏈接HMM狀態與目標
一個人為的不當示例
一個合理可行的示例
第5章 逐步選擇改進算法
特征評估模型
基本模型實現代碼
交叉驗證性能度量
逐步選擇算法
確定**個變量
在現有模型中添加變量
三個算法演示示例
第6章 名義變量到有序變量的轉換
實現概述
合理關系測試
股票價格變動示例
名義變量到有序變量變換實現代碼
構造函數
輸出計數表
計算映射函數
Monte-Carlo置換檢驗
展開全部
數據挖掘算法——基于C++及CUDA C 作者簡介
Timothy Masters在獲得數值計算專業的數理統計博士學位后，一直擔任政府和行業的獨立顧問。早期研究領域包括高程影像的自動特征檢測，期間開發了洪災和旱災預測，隱蔽導彈發射井檢測和軍用車輛識別等應用。后來與醫學研究人員合作開發了穿刺活檢良性細胞惡性細胞的計算鑒別算法。
書友推薦
- >
伯納黛特,你要去哪(2021新版)
- >
詩經-先民的歌唱
- >
我從未如此眷戀人間
- >
小考拉的故事-套裝共3冊
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
龍榆生：詞曲概論/大家小書
- >
巴金－再思錄
本類暢銷
