书馨卡帮你省薪 2024个人购书报告 2024中图网年度报告
好书大清仓|每满60减30，减后满百送文创
欢迎光临中图网 请 | 注册
搜索
搜索全部
  • 搜索全部
  • 书名
  • 作者
  • 出版社
  • ISBN
高级搜索
我身体里的人造星星乡间的日常情感勒索神秘的黑猫
  • 合成诗经
  • 新用户注册领10元
中图网
>
计算机/网络
>
计算机理论
大数据分析——预测建模与评价机制
分享

大数据分析——预测建模与评价机制

作者：张聪、曹文琪、张俊杰、喻子言
出版社：清华大学出版社出版时间：2023-01-01
开本： 其他 页数： 332
本类榜单：计算机/网络销量榜
中 图 价:¥67.4(7.5折) 定价  ¥89.9 登录后可看到会员价
加入购物车 收藏
运费6元，满39元免运费
?新疆、西藏除外
本类五星书更多>
中图价:¥67.4 加入购物车
洞明世事，从读书开始 淘书团

大数据分析——预测建模与评价机制 版权信息

  • ISBN：9787302610274
  • 条形码：9787302610274 ; 978-7-302-61027-4
  • 装帧：一般胶版纸
  • 册数：暂无
  • 重量：暂无
  • 所属分类：
    计算机/网络
    >
    计算机理论

大数据分析——预测建模与评价机制 本书特色

本书的内容涵盖人工智能技术和大数据分析预测与评价应用实例，可作为相关专业技术人员以及本科及以上学生的参考书。

大数据分析——预测建模与评价机制 内容简介

本书将基础理论和算法实现相结合，介绍了关于大数据分析中的相关知识，全面、系统地介绍有关算法的实现过程，并对算法在相关实例上的应用结果进行分析。全书共8章，内容包括差异化空间插值模型的理论原理、利用空间信息的大数据分析预测过程、协作复合神经网络模型的基础架构、利用相关特征的大数据分析预测过程、并行支持向量机的基本原理、并行支持向量机下的风险分类评价研究、集成学习与贝叶斯优化的相关理论和结合贝叶斯优化与集成学习的大数据评价研究等知识。书中每种算法都以伪代码的形式进行描述并附有相应的实例。 本书主要面向广大从事大数据分析、机器学习、数据挖掘或深度学习的专业人员，从事高等教育的专任教师，高等院校的在读学生及相关领域的广大科研人员。

大数据分析——预测建模与评价机制 目录

第1章差异化空间插值模型的理论原理


1.1自适应深度强化学习算法


1.1.1概述


1.1.2竞争深度强化学习算法原理


1.1.3状态值重利用


1.1.4动态模糊隶属度因子


1.1.5自适应深度Q网络


1.1.6对比实验


1.2自调整反距离加权插值模型


1.2.1概述


1.2.2反距离加权法


1.2.3变异函数


1.2.4克里金法


1.2.5自调整反距离加权插值模型介绍


1.3几种常用强化学习算法


1.3.1蒙特卡洛方法


1.3.2时间差分算法


1.3.3Q学习算法


1.3.4深度Q网络


1.3.5双深度Q网络


1.3.6优先经验回放


1.4本章小结


第2章利用空间信息的大数据分析预测过程


2.1大数据时代的空间信息挖掘与分析


2.1.1大数据与空间大数据


2.1.2空间大数据挖掘


2.1.3空间大数据分析


2.2空间信息数据的预测


2.2.1数据预处理


2.2.2预测模型的构建


2.2.3预测结果的对比分析


2.3本章小结


第3章协作复合神经网络模型的基础架构


3.1协作复合神经网络模型概述


3.2自适应动态灰狼优化算法


3.2.1灰狼优化算法原理


3.2.2非线性余弦收敛因子


3.2.3加权位置更新


3.2.4中心扰动准则


3.2.5自适应动态灰狼优化算法运行机制


3.2.6对比实验


3.3小波神经网络模型


3.3.1前向传播过程


3.3.2损失函数


3.3.3RMSProp


3.3.4Nesterov动量


3.4协作复合神经网络模型的构建


3.5知识扩展


3.5.1遗传算法


3.5.2粒子群优化算法


3.5.3模拟退火算法


3.5.4蚁群优化算法


3.5.5常见的反向传播算法


3.6本章小结






第4章利用相关特征的大数据分析预测过程


4.1大数据的分析机制


4.1.1相关性分析


4.1.2训练集与测试集的选择


4.1.3数据归一化预处理


4.2可调整参数的设定机制


4.2.1隐含层节点数的确定


4.2.2学习率设置


4.2.3衰减系数设置


4.3预测模型的性能评价指标


4.3.1单个模型性能评价指标


4.3.2多模型性能对比评价方法


4.4预测性能评价结果及相关分析


4.4.1数据集1上的预测性能评价结果及相关分析


4.4.2数据集2上的预测性能评价结果及相关分析


4.5知识扩展


4.5.1径向基神经网络预测模型


4.5.2模糊神经网络预测模型


4.6本章小结


第5章并行支持向量机的基本原理


5.1并行支持向量机概述


5.2协同鸟群算法


5.2.1鸟群算法原理


5.2.2抱团行为


5.2.3基于适应度差值比的位置更新方式


5.2.4接受准则


5.2.5协同鸟群算法运行机制


5.2.6对比实验


5.3支持向量机分类模型


5.3.1概述


5.3.2统计学习原理


5.3.3核函数


5.3.4分类过程


5.4并行支持向量机模型的构建


5.5知识扩展


5.5.1萤火虫算法


5.5.2磷虾群算法


5.5.3算法特性对比分析


5.6本章小结


第6章并行支持向量机下的风险分类评价研究——以土壤重金属数据为例


6.1土壤重金属污染概述及风险评价研究现状


6.2土壤污染评价方法


6.2.1土壤地球化学基准值与背景值


6.2.2国家规定的土壤污染风险管控标准


6.2.3土壤重金属污染评价方法


6.3土壤重金属数据的预处理


6.4大数据风险评价结果


6.4.1评价模型的参数设置


6.4.2污染风险分类评价结果


6.5评价模型的性能评价


6.6知识扩展


6.6.1决策树算法


6.6.2K近邻算法


6.7本章小结


第7章集成学习与贝叶斯优化的相关理论


7.1集成学习方法


7.1.1集成学习


7.1.2随机森林原理


7.1.3个体学习器集成策略


7.1.4加权随机森林算法运行机制


7.1.5对比实验


7.2类别不平衡数据集的处理


7.2.1上采样算法


7.2.2下采样算法


7.2.3混合采样算法


7.3贝叶斯优化


7.3.1贝叶斯优化调参原理


7.3.2概率代理模型


7.3.3采集函数


7.4知识扩展


7.4.1Stacking算法


7.4.2逻辑回归分类


7.5本章小结


第8章结合贝叶斯优化与集成学习的大数据评价研究——以土壤重金属

数据为例


8.1污染评价方法及目标值标记


8.2数据重采样与预处理


8.2.1数据重采样


8.2.2预处理


8.3集成学习下的土壤污染风险评价结果


8.3.1算法超参数设置


8.3.2蔡甸区风险评价实验


8.3.3江夏区风险评价实验


8.3.4武汉市整体风险评价实验


8.3.5应用贝叶斯优化调参


8.4知识扩展


8.4.1贝叶斯分类算法


8.4.2梯度提升树算法


8.5本章小结


参考文献


展开全部
商品评论(0条)
写书评 赚书币
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
新手上路
新用户指引
注册用户 更改注册信息
购物常见问题
关于特价书的常见问题
购买问题
订单跟踪
付款方式
账户余额  申请提现
配送方式及费用、范围
集团购买
售后服务
退换货流程
投诉与建议
特色服务
会员等级与书币
中图网书馨卡
邀请好友购买返10元礼包
其他信息
本站简介
联系我们
招聘英才
网站联盟
友情链接
微信公众号
中图网微信
中图网微博
中图网微博
手机中图网
手机中图网
中图网
诚信认证 电子商务诚信单位认证

京ICP备09013606号-3京信市监发[2002]122号海淀公安分局备案编号：1101083394

营业执照出版物经营许可证 京出发京批字第直110071

在线客服