新書推薦：
《
ARM嵌入式Linux系统开发详解（第3版）
》
售價：NT$
595.0
《
长寿时代：做自己人生的CFO
》
售價：NT$
310.0
《
早点知道会幸福的那些事
》
售價：NT$
295.0
《
知宋·宋代之货币
》
售價：NT$
340.0
《
爱的7种对话：建立持续一生的亲密关系 （加）苏·约翰逊
》
售價：NT$
345.0
《
中国近现代武术思想史研究
》
售價：NT$
500.0
《
废奴
》
售價：NT$
350.0
《
有法与无法：清代的州县制度及其运作 最新修订版
》
售價：NT$
640.0
|
| 內容簡介： |
|
本书为数据科学领域的技术人员提供了一套详尽的模式，可用于任何基于机器学习的数据分析任务。通过学习这些方法，你至少能找到一种更为有效的模式，并且获得优于传统分析方法的整体系统行为。“元”分析可谓关于“分析”的“分析”，为了理解这种混合方法或元方法，书中必不可少地详述了常规分析方法的技术细节，在此基础上帮助读者理解并应用元分析模式。本书适合从事数据分析、预测和挖掘的技术人员阅读，涵盖机器翻译、机器人技术、生物和社会科学、医疗卫生信息学、经济学、商业和金融、警务以及体育赛事分析等领域。
|
| 目錄：
|
|
译者序致谢第1章 概述和应用11.1 引言11.2 本书为什么重要21.3 本书的组织结构31.4 信息学31.5 分析统计学41.5.1 值和方差41.5.2 样本和总体检验51.5.3 回归和估计71.6 分析算法121.6.1 k均值和k近邻聚类121.6.2 反聚类141.6.3 马尔可夫模型141.7 机器学习161.7.1 熵161.7.2 支持向量机和核函数181.7.3 概率181.7.4 降维和信息增益201.7.5 优化和搜索211.7.6 数据挖掘和知识发现221.7.7 识别231.7.8 集成学习241.8 人工智能251.8.1 遗传算法261.8.2 神经网络301.8.3 免疫算法351.9 一个从头开始构建分类器的平台（二分类）371.10 一个从头开始构建分类器的平台（一般情况）431.10.1 训练和验证431.10.2 测试和部署491.10.3 比较训练和测试数据集上的结果621.11 本章小结63参考文献64扩展阅读64第2章 获取真值652.1 引言652.2 预验证662.3 根据训练数据优化设置722.4 学习如何学习762.5 从深度学习到深度反学习822.6 本章小结82参考文献83第3章 实验设计853.1 引言853.2 数据归一化863.2.1 简单的归一化863.2.2 偏差归一化873.2.3 归一化和实验设计表903.3 剪枝老化数据的设计913.4 系统之系统933.4.1 系统933.4.2 混合系统943.4.3 动态更新的系统953.4.4 接口953.4.5 增益953.4.6 领域归一化973.4.7 灵敏度分析983.5 本章小结99参考文献99第4章 元分析设计模式1004.1 引言1004.2 累积响应模式1014.2.1 识别感兴趣的区域1024.2.2 面向序列相关的预测性选择的感兴趣的区域1044.2.3 传统的累积增益曲线1054.3 分析的优化1114.3.1 决策树1114.3.2 假定身份触发模式1124.3.3 期望化和-小模式1134.4 模型一致性模式1164.4.1 混合回归1174.4.2 建模和模型拟合1174.5 共现和相似性模式1184.6 灵敏度分析模式1194.7 混淆矩阵模式1204.8 熵模式1214.9 独立模式1244.10 功能式NLP模式（宏观反馈）1274.11 本章小结127参考文献129第5章 灵敏度分析和大型系统工程1305.1 引言1305.2 数据集本身的灵敏度分析1325.3 解决方案模型的灵敏度分析1355.4 单个算法的灵敏度分析1365.5 混合算法的灵敏度分析1375.6 到当前状态的路径的灵敏度分析1385.7 本章小结140参考文献141第6章 多面预测性选择1426.1 引言1426.2 预测性选择1426.3 预测方法1436.4 选择方法1446.5 多路径方法1496.6 应用1516.7 灵敏度分析1516.8 本章小结151参考文献152第7章 建模和模型拟合1537.1 引言1537.2 用于分析的化学类比1547.3 用于分析的有机化学类比1567.4 用于分析的免疫学和生物学类比1577.5 用于模型设计和拟合的匿名化类比1597.6 小平方误差、误差方差和熵：拟合优度1597.7 创建属于自己的多个模型1607.8 本章小结161参考文献161第8章 同义词-反义词模式和强化-无效化模式1628.1 引言1628.2 同义词-反义词模式1638.3 强化-无效化模式1648.4 各种模式的广泛适用性1678.5 本章小结167参考文献168扩展阅读168第9章 关于分析的分析1699.1 引言1699.2 关于分析的分析1709.2.1 熵与出现向量1709.2.2 功能指标1739.2.3 期望化方法1749.2.4 系统设计的注意事项1759.3 根据训练数据优化设置1759.4 混合方法1769.5 关于分析的其他探索领域1779.6 本章小结178参考文献178扩展阅读179第10章 系统设计优化18010.1 引言18010.1.1 系统考量—重新审视系统增益18110.1.2 系统增益—重新审视和扩大系统偏差18210.1.3 投资与回报18510.2 模块优化18510.3 聚类与正则化18610.3.1 平方和正则化18910.3.2 方差正则化18910.3.3 簇大小正则化19010.3.4 小型簇正则化19110.3.5 簇数量正则化19110.3.6 对正则化方法的讨论19210.4 分析系统的优化19210.5 本章小结193参考文献193第11章 射幸技术和专家系统技术19411.1 引言19411.2 两种射幸模式回顾19511.2.1 特征射幸模式的依次移除19511.2.2 特征输出射幸模式的时序变化19811.3 为测试添加随机元素19911.4 高光谱射幸方法20111.5 机器学习和统计学习中的其他射幸应用20211.6 专家系统技术20211.7 本章小
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
