掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 可靠性工程中的大數(shù)據(jù)分析
作者：常文兵,周晟瀚,肖依永
開(kāi)本：
其他
頁(yè)數(shù)：
408
本類(lèi)榜單：工業(yè)技術(shù)銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
公路車(chē)寶典(ZINN的公路車(chē)維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(jì)(下)
-
>
基于個(gè)性化設(shè)計(jì)策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書(shū)中國(guó)高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機(jī)車(chē)概要.交流傳動(dòng)內(nèi)燃.電力機(jī)車(chē)
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問(wèn)題與脈絡(luò)
中圖價(jià):¥83.2
加入購(gòu)物車(chē)
可靠性工程中的大數(shù)據(jù)分析 版權(quán)信息
- ISBN：9787118118643
- 條形碼：9787118118643 ; 978-7-118-11864-3
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
可靠性工程中的大數(shù)據(jù)分析 內(nèi)容簡(jiǎn)介
本書(shū)將理論方法與應(yīng)用集于一書(shū)，希望讀者通過(guò)方法學(xué)習(xí)掌握大數(shù)據(jù)分析建模的基本過(guò)程，再通過(guò)應(yīng)用學(xué)習(xí)，培養(yǎng)運(yùn)用相關(guān)知識(shí)開(kāi)展大數(shù)據(jù)分析研究的能力？紤]大數(shù)據(jù)分析所必需的計(jì)算機(jī)工具，本書(shū)將采用R軟件作為基本分析工具，給出關(guān)鍵方法的示范程序，R軟件是免費(fèi)開(kāi)源的專(zhuān)業(yè)統(tǒng)計(jì)分析軟件，分析數(shù)據(jù)的功能非常強(qiáng)大，是理論研究和工程實(shí)踐中進(jìn)行大數(shù)據(jù)分析的重要工具。
可靠性工程中的大數(shù)據(jù)分析 目錄
第1章 大數(shù)據(jù)概述1．1 什么是大數(shù)據(jù)1．1．1 大數(shù)據(jù)的定義及特征1．1．2 大數(shù)據(jù)結(jié)構(gòu)類(lèi)型1．1．3 大數(shù)據(jù)實(shí)例1．2 大數(shù)據(jù)發(fā)展史1．3 大數(shù)據(jù)研究方法1．4 可靠性工程中的大數(shù)據(jù)現(xiàn)狀1．5 數(shù)據(jù)挖掘方法與應(yīng)用1．5．1 數(shù)據(jù)挖掘的產(chǎn)生與功能1．5．2 數(shù)據(jù)挖掘與相關(guān)研究之間的關(guān)系1．5．3 數(shù)據(jù)挖掘基本流程1．6 R軟件平臺(tái)1．7 可靠性工程大數(shù)據(jù)分析前景第2章 探索性數(shù)據(jù)分析2．1 數(shù)字特征2．1．1 一維數(shù)據(jù)的數(shù)字特征2．1．2 一維總體的數(shù)字特征2．1．3 多元數(shù)據(jù)的數(shù)字特征2．1．4 多元總體的數(shù)字特征2．2 故障數(shù)據(jù)的分布2．2．1 頻數(shù)(頻率)分布表與直方圖2．2．2 莖葉圖、五數(shù)總括、箱線(xiàn)圖2．2．3 經(jīng)驗(yàn)分布、QQ圖及分布擬合檢驗(yàn)2．3 多元質(zhì)量數(shù)據(jù)的圖示2．3．1 輪廓圖2．3．2 蛛網(wǎng)圖2．3．3 調(diào)和曲線(xiàn)圖2．4 可靠性工程數(shù)據(jù)離群點(diǎn)檢測(cè)2．4．1 基于統(tǒng)計(jì)的離群點(diǎn)檢測(cè)2．4．2 基于距離的離群點(diǎn)檢測(cè)2．4．3 基于聚類(lèi)的離群點(diǎn)檢測(cè)2．4．4 高維數(shù)據(jù)局部離群點(diǎn)檢測(cè)2．4．5 大數(shù)據(jù)子空間離群點(diǎn)檢測(cè)2．5 飛機(jī)飛行參數(shù)多元數(shù)據(jù)特征分析第3章 相關(guān)分析3．1 相關(guān)系數(shù)的估計(jì)和檢驗(yàn)3．2 偏相關(guān)與復(fù)相關(guān)系數(shù)3．2．1 偏相關(guān)系數(shù)3．2．2 復(fù)相關(guān)系數(shù)3．3 典型相關(guān)分析3．3．1 典型相關(guān)分析的基本思想3．3．2 總體的典型相關(guān)分析3．3．3 樣本典型相關(guān)分析3．3．4 典型相關(guān)系數(shù)的顯著性檢驗(yàn)3．4 向量運(yùn)算及相關(guān)函數(shù)3．4．1 向量3．4．2 產(chǎn)生有規(guī)律序列3．4．3 邏輯向量3．4．4 缺失數(shù)據(jù)3．4．5 字符型向量3．4．6 向量的下標(biāo)系統(tǒng)3．5 發(fā)動(dòng)機(jī)間隙組合相關(guān)性分析案例第4章 因子分析4．1 總體主成分4．1．1 總體主成分定義4．1．2 總體主成分求法4．1．3 總體主成分的性質(zhì)4．1．4 標(biāo)準(zhǔn)化變量的主成分4．2 樣本因子分析4．3 因子分析參數(shù)估算方法4．3．1 參數(shù)的統(tǒng)計(jì)意義4．3．2 因子載荷矩陣的估計(jì)4．4 樣本數(shù)據(jù)的因子分析4．5 因子旋轉(zhuǎn)和因子得分4．6 數(shù)組和矩陣4．6．1 數(shù)組4．6．2 數(shù)組的下標(biāo)系統(tǒng)4．6．3 矩陣4．6．4 與數(shù)組(矩陣)運(yùn)算的相關(guān)函數(shù)第5章 聚類(lèi)分析5．1 聚類(lèi)分析的基本思想5．2 聚類(lèi)統(tǒng)計(jì)量5．2．1 Q型聚類(lèi)統(tǒng)計(jì)量——距離5．2．2 R型聚類(lèi)統(tǒng)計(jì)量——相似系數(shù)5．3 系統(tǒng)聚類(lèi)法5．4 快速聚類(lèi)法5．4．1 凝聚點(diǎn)的選擇5．4．2 計(jì)算步驟5．5 關(guān)聯(lián)規(guī)則5．5．1 靜態(tài)關(guān)聯(lián)規(guī)則Apriori算法5．5．2 動(dòng)態(tài)關(guān)聯(lián)規(guī)則Carma算法5．5．3 序列規(guī)則挖掘算法5．6 基于預(yù)測(cè)強(qiáng)度的聚類(lèi)分析5．4．1 預(yù)測(cè)強(qiáng)度5．4．2 預(yù)測(cè)強(qiáng)度在聚類(lèi)中的應(yīng)用5．7 聚類(lèi)問(wèn)題的變量選擇5．7．1 高斯成對(duì)罰模型聚類(lèi)5．7．2 異方差成對(duì)罰模型聚類(lèi)5．7．3 聚類(lèi)方法比較5．8 基于聚類(lèi)分析的故障文本信息分析第6章 簡(jiǎn)單數(shù)據(jù)回歸分析6．1 多元線(xiàn)性回歸分析6．1．1 多元線(xiàn)性回歸模型6．1．2 參數(shù)估計(jì)6．1．3 回歸模型的檢驗(yàn)6．1．4 回歸診斷6．2 自變量的選擇與逐步回歸6．2．1 窮舉法6．2．2 逐步回歸法6．3 非線(xiàn)性回歸模型6．3．1 內(nèi)在線(xiàn)性回歸模型6．3．2 內(nèi)在非線(xiàn)性回歸模型6．4 Logistic回歸模型6．4．1 線(xiàn)性Logistic回歸模型6．4．2 參數(shù)的優(yōu)選似然估計(jì)6．5 基于Logistic回歸的機(jī)械健康狀態(tài)評(píng)估研究第7章 高維數(shù)據(jù)回歸分析7．1 模型選擇7．1．1 偏差-方差分解7．1．2 模型選擇準(zhǔn)則7．1．3 回歸變量選擇7．2 廣義線(xiàn)性模型7．2．1 二點(diǎn)分布回歸7．2．2 指數(shù)族概率分布7．2．3 廣義線(xiàn)性回歸7．2．4 模型估計(jì)7．2．5 模型檢驗(yàn)及診斷7．3 高維回歸系數(shù)壓縮7．3．1 嶺回歸7．3．2 LASSO7．3．3 Shooting算法7．3．4 路徑算法7．3．5 算法的R語(yǔ)言實(shí)現(xiàn)7．4 QAR數(shù)據(jù)面板回歸模型第8章 判別分析8．1 距離判別8．1．1 兩個(gè)總體距離判別8．1．2 多個(gè)總體距離判別8．2 Bayes判別8．2．1 兩個(gè)總體Bayes判別8．2．2 多個(gè)總體Bayes判別8．3 Fisher判別8．3．1 Fisher判別的基本思想8．3．2 線(xiàn)性判別函數(shù)的求法8．3．3 Fisher判別準(zhǔn)則8．4 逐步判別8．4．1 逐步判別的基本思想8．4．2 逐步判別的步驟8．5 判別法則的評(píng)價(jià)第9章 非參數(shù)統(tǒng)計(jì)9．1 單樣本問(wèn)題9．1．1 符號(hào)檢驗(yàn)9．1．2 趨勢(shì)檢驗(yàn)9．1．3 游程檢驗(yàn)9．1．4 對(duì)稱(chēng)中心的檢驗(yàn)9．2 兩樣本問(wèn)題9．2．1 獨(dú)立樣本位置參數(shù)的檢驗(yàn)9．2．2 獨(dú)立樣本刻度參數(shù)的檢驗(yàn)9．2．3 配對(duì)樣本位置參數(shù)的檢驗(yàn)9．3 多樣本問(wèn)題9．3．1 多個(gè)獨(dú)立樣本的檢驗(yàn)9．3．2 多個(gè)相關(guān)樣本的檢驗(yàn)9．4 秩相關(guān)分析9．4．1 Spearman秩相關(guān)系數(shù)9．4．2 Kendall τ秩相關(guān)系數(shù)9．5 二維列聯(lián)表9．5．1 Pearson χ2獨(dú)立性檢驗(yàn)9．5．2 Fisher準(zhǔn)確檢驗(yàn)9．6 R語(yǔ)言中的列表與數(shù)據(jù)框9．7 成組、循環(huán)和條件控制9．7．1 成組表達(dá)式9．7．2 控制語(yǔ)句第10章 貝葉斯分類(lèi)及因果分析10．1 貝葉斯分類(lèi)10．2 線(xiàn)性判別函數(shù)與二次判別10．3 樸素貝葉斯分類(lèi)10．4 貝葉斯網(wǎng)絡(luò)10．4．1 貝葉斯網(wǎng)絡(luò)概念10．4．2 貝葉斯網(wǎng)絡(luò)構(gòu)建10．4．3 基于貝葉斯網(wǎng)絡(luò)的因果分析10．5 貝葉斯網(wǎng)絡(luò)因果分析的R語(yǔ)言實(shí)現(xiàn)10．6 基于Bayes網(wǎng)絡(luò)的風(fēng)險(xiǎn)分析模型
展開(kāi)全部
書(shū)友推薦
- >
名家?guī)阕x魯迅:故事新編
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類(lèi)學(xué)概述
- >
龍榆生：詞曲概論/大家小書(shū)
- >
莉莉和章魚(yú)
- >
月亮虎
- >
企鵝口袋書(shū)系列·偉大的思想20:論自然選擇(英漢雙語(yǔ))
- >
回憶愛(ài)瑪儂
- >
自卑與超越
本類(lèi)暢銷(xiāo)
