中圖網(wǎng)小程序
一鍵登錄
更方便
>
>
大數(shù)據(jù)分析——預(yù)測(cè)建模與評(píng)價(jià)機(jī)制
包郵 大數(shù)據(jù)分析——預(yù)測(cè)建模與評(píng)價(jià)機(jī)制
開(kāi)本：
其他
頁(yè)數(shù)：
332
本類五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥61.2
加入購(gòu)物車
大數(shù)據(jù)分析——預(yù)測(cè)建模與評(píng)價(jià)機(jī)制 版權(quán)信息
- ISBN：9787302610274
- 條形碼：9787302610274 ; 978-7-302-61027-4
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
大數(shù)據(jù)分析——預(yù)測(cè)建模與評(píng)價(jià)機(jī)制 本書(shū)特色
本書(shū)的內(nèi)容涵蓋人工智能技術(shù)和大數(shù)據(jù)分析預(yù)測(cè)與評(píng)價(jià)應(yīng)用實(shí)例，可作為相關(guān)專業(yè)技術(shù)人員以及本科及以上學(xué)生的參考書(shū)。
大數(shù)據(jù)分析——預(yù)測(cè)建模與評(píng)價(jià)機(jī)制 內(nèi)容簡(jiǎn)介
本書(shū)將基礎(chǔ)理論和算法實(shí)現(xiàn)相結(jié)合，介紹了關(guān)于大數(shù)據(jù)分析中的相關(guān)知識(shí)，全面、系統(tǒng)地介紹有關(guān)算法的實(shí)現(xiàn)過(guò)程，并對(duì)算法在相關(guān)實(shí)例上的應(yīng)用結(jié)果進(jìn)行分析。全書(shū)共8章，內(nèi)容包括差異化空間插值模型的理論原理、利用空間信息的大數(shù)據(jù)分析預(yù)測(cè)過(guò)程、協(xié)作復(fù)合神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)架構(gòu)、利用相關(guān)特征的大數(shù)據(jù)分析預(yù)測(cè)過(guò)程、并行支持向量機(jī)的基本原理、并行支持向量機(jī)下的風(fēng)險(xiǎn)分類評(píng)價(jià)研究、集成學(xué)習(xí)與貝葉斯優(yōu)化的相關(guān)理論和結(jié)合貝葉斯優(yōu)化與集成學(xué)習(xí)的大數(shù)據(jù)評(píng)價(jià)研究等知識(shí)。書(shū)中每種算法都以偽代碼的形式進(jìn)行描述并附有相應(yīng)的實(shí)例。 本書(shū)主要面向廣大從事大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘或深度學(xué)習(xí)的專業(yè)人員，從事高等教育的專任教師，高等院校的在讀學(xué)生及相關(guān)領(lǐng)域的廣大科研人員。
大數(shù)據(jù)分析——預(yù)測(cè)建模與評(píng)價(jià)機(jī)制 目錄
第1章差異化空間插值模型的理論原理
1.1自適應(yīng)深度強(qiáng)化學(xué)習(xí)算法
1.1.1概述
1.1.2競(jìng)爭(zhēng)深度強(qiáng)化學(xué)習(xí)算法原理
1.1.3狀態(tài)值重利用
1.1.4動(dòng)態(tài)模糊隸屬度因子
1.1.5自適應(yīng)深度Q網(wǎng)絡(luò)
1.1.6對(duì)比實(shí)驗(yàn)
1.2自調(diào)整反距離加權(quán)插值模型
1.2.1概述
1.2.2反距離加權(quán)法
1.2.3變異函數(shù)
1.2.4克里金法
1.2.5自調(diào)整反距離加權(quán)插值模型介紹
1.3幾種常用強(qiáng)化學(xué)習(xí)算法
1.3.1蒙特卡洛方法
1.3.2時(shí)間差分算法
1.3.3Q學(xué)習(xí)算法
1.3.4深度Q網(wǎng)絡(luò)
1.3.5雙深度Q網(wǎng)絡(luò)
1.3.6優(yōu)先經(jīng)驗(yàn)回放
1.4本章小結(jié)
第2章利用空間信息的大數(shù)據(jù)分析預(yù)測(cè)過(guò)程
2.1大數(shù)據(jù)時(shí)代的空間信息挖掘與分析
2.1.1大數(shù)據(jù)與空間大數(shù)據(jù)
2.1.2空間大數(shù)據(jù)挖掘
2.1.3空間大數(shù)據(jù)分析
2.2空間信息數(shù)據(jù)的預(yù)測(cè)
2.2.1數(shù)據(jù)預(yù)處理
2.2.2預(yù)測(cè)模型的構(gòu)建
2.2.3預(yù)測(cè)結(jié)果的對(duì)比分析
2.3本章小結(jié)
第3章協(xié)作復(fù)合神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)架構(gòu)
3.1協(xié)作復(fù)合神經(jīng)網(wǎng)絡(luò)模型概述
3.2自適應(yīng)動(dòng)態(tài)灰狼優(yōu)化算法
3.2.1灰狼優(yōu)化算法原理
3.2.2非線性余弦收斂因子
3.2.3加權(quán)位置更新
3.2.4中心擾動(dòng)準(zhǔn)則
3.2.5自適應(yīng)動(dòng)態(tài)灰狼優(yōu)化算法運(yùn)行機(jī)制
3.2.6對(duì)比實(shí)驗(yàn)
3.3小波神經(jīng)網(wǎng)絡(luò)模型
3.3.1前向傳播過(guò)程
3.3.2損失函數(shù)
3.3.3RMSProp
3.3.4Nesterov動(dòng)量
3.4協(xié)作復(fù)合神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建
3.5知識(shí)擴(kuò)展
3.5.1遺傳算法
3.5.2粒子群優(yōu)化算法
3.5.3模擬退火算法
3.5.4蟻群優(yōu)化算法
3.5.5常見(jiàn)的反向傳播算法
3.6本章小結(jié)
第4章利用相關(guān)特征的大數(shù)據(jù)分析預(yù)測(cè)過(guò)程
4.1大數(shù)據(jù)的分析機(jī)制
4.1.1相關(guān)性分析
4.1.2訓(xùn)練集與測(cè)試集的選擇
4.1.3數(shù)據(jù)歸一化預(yù)處理
4.2可調(diào)整參數(shù)的設(shè)定機(jī)制
4.2.1隱含層節(jié)點(diǎn)數(shù)的確定
4.2.2學(xué)習(xí)率設(shè)置
4.2.3衰減系數(shù)設(shè)置
4.3預(yù)測(cè)模型的性能評(píng)價(jià)指標(biāo)
4.3.1單個(gè)模型性能評(píng)價(jià)指標(biāo)
4.3.2多模型性能對(duì)比評(píng)價(jià)方法
4.4預(yù)測(cè)性能評(píng)價(jià)結(jié)果及相關(guān)分析
4.4.1數(shù)據(jù)集1上的預(yù)測(cè)性能評(píng)價(jià)結(jié)果及相關(guān)分析
4.4.2數(shù)據(jù)集2上的預(yù)測(cè)性能評(píng)價(jià)結(jié)果及相關(guān)分析
4.5知識(shí)擴(kuò)展
4.5.1徑向基神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型
4.5.2模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型
4.6本章小結(jié)
第5章并行支持向量機(jī)的基本原理
5.1并行支持向量機(jī)概述
5.2協(xié)同鳥(niǎo)群算法
5.2.1鳥(niǎo)群算法原理
5.2.2抱團(tuán)行為
5.2.3基于適應(yīng)度差值比的位置更新方式
5.2.4接受準(zhǔn)則
5.2.5協(xié)同鳥(niǎo)群算法運(yùn)行機(jī)制
5.2.6對(duì)比實(shí)驗(yàn)
5.3支持向量機(jī)分類模型
5.3.1概述
5.3.2統(tǒng)計(jì)學(xué)習(xí)原理
5.3.3核函數(shù)
5.3.4分類過(guò)程
5.4并行支持向量機(jī)模型的構(gòu)建
5.5知識(shí)擴(kuò)展
5.5.1螢火蟲(chóng)算法
5.5.2磷蝦群算法
5.5.3算法特性對(duì)比分析
5.6本章小結(jié)
第6章并行支持向量機(jī)下的風(fēng)險(xiǎn)分類評(píng)價(jià)研究——以土壤重金屬數(shù)據(jù)為例
6.1土壤重金屬污染概述及風(fēng)險(xiǎn)評(píng)價(jià)研究現(xiàn)狀
6.2土壤污染評(píng)價(jià)方法
6.2.1土壤地球化學(xué)基準(zhǔn)值與背景值
6.2.2國(guó)家規(guī)定的土壤污染風(fēng)險(xiǎn)管控標(biāo)準(zhǔn)
6.2.3土壤重金屬污染評(píng)價(jià)方法
6.3土壤重金屬數(shù)據(jù)的預(yù)處理
6.4大數(shù)據(jù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果
6.4.1評(píng)價(jià)模型的參數(shù)設(shè)置
6.4.2污染風(fēng)險(xiǎn)分類評(píng)價(jià)結(jié)果
6.5評(píng)價(jià)模型的性能評(píng)價(jià)
6.6知識(shí)擴(kuò)展
6.6.1決策樹(shù)算法
6.6.2K近鄰算法
6.7本章小結(jié)
第7章集成學(xué)習(xí)與貝葉斯優(yōu)化的相關(guān)理論
7.1集成學(xué)習(xí)方法
7.1.1集成學(xué)習(xí)
7.1.2隨機(jī)森林原理
7.1.3個(gè)體學(xué)習(xí)器集成策略
7.1.4加權(quán)隨機(jī)森林算法運(yùn)行機(jī)制
7.1.5對(duì)比實(shí)驗(yàn)
7.2類別不平衡數(shù)據(jù)集的處理
7.2.1上采樣算法
7.2.2下采樣算法
7.2.3混合采樣算法
7.3貝葉斯優(yōu)化
7.3.1貝葉斯優(yōu)化調(diào)參原理
7.3.2概率代理模型
7.3.3采集函數(shù)
7.4知識(shí)擴(kuò)展
7.4.1Stacking算法
7.4.2邏輯回歸分類
7.5本章小結(jié)
第8章結(jié)合貝葉斯優(yōu)化與集成學(xué)習(xí)的大數(shù)據(jù)評(píng)價(jià)研究——以土壤重金屬
數(shù)據(jù)為例
8.1污染評(píng)價(jià)方法及目標(biāo)值標(biāo)記
8.2數(shù)據(jù)重采樣與預(yù)處理
8.2.1數(shù)據(jù)重采樣
8.2.2預(yù)處理
8.3集成學(xué)習(xí)下的土壤污染風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果
8.3.1算法超參數(shù)設(shè)置
8.3.2蔡甸區(qū)風(fēng)險(xiǎn)評(píng)價(jià)實(shí)驗(yàn)
8.3.3江夏區(qū)風(fēng)險(xiǎn)評(píng)價(jià)實(shí)驗(yàn)
8.3.4武漢市整體風(fēng)險(xiǎn)評(píng)價(jià)實(shí)驗(yàn)
8.3.5應(yīng)用貝葉斯優(yōu)化調(diào)參
8.4知識(shí)擴(kuò)展
8.4.1貝葉斯分類算法
8.4.2梯度提升樹(shù)算法
8.5本章小結(jié)
參考文獻(xiàn)
展開(kāi)全部
書(shū)友推薦
- >
小考拉的故事-套裝共3冊(cè)
- >
名家?guī)阕x魯迅:朝花夕拾
- >
中國(guó)歷史的瞬間
- >
推拿
- >
伯納黛特,你要去哪(2021新版)
- >
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
- >
莉莉和章魚(yú)
本類暢銷
