扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
机器学习算法建模分析 版权信息
- ISBN：9787118131642
- 条形码：9787118131642 ; 978-7-118-13164-2
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
机器学习算法建模分析 内容简介
本书从机器学习的基本概念出发，系统地介绍了各种机器学习算法的原理与应用，帮助读者深入理解并灵活运用这些算法。书中强调了算法在实际问题中的应用与案例分析，通过完整的解决步骤和结果展示，使读者能够充分掌握算法建模的技术。本书涵盖了监督学习、无监督学习、半监督学习等主要机器学习算法，并结合多种常见应用场景，通过实际实例帮助读者了解算法的实现效果，提升在实际工作中的应用能力，并积累宝贵的实战经验。此外，作者分享了在机器学习领域的独特见解，为读者提供了更深层次的理解。
本书不仅适用于从事数据挖掘、文本分类、情感分析、特征选择和聚类研究等领域的研究人员、工程师和数据分析师，也可以作为学生的参考资料，为他们提供理论与实践结合的学习资源。
机器学习算法建模分析 目录
章 机器学习算法研究概述 1.1 垃圾邮件分类算法 1.2 情感分类方法 1.3 噪音数据消除算法 1.4 朴素贝叶斯算法研究 1.5 密度聚类算法研究 1.6 数据集群存储策略研究 1.7 KNN分类算法研究 1.8 特征选择算法研究 1.9 半监督混合聚类算法 1.10 本书主要研究内容 第二章 基于主动学习和否定选择的垃圾邮件分类算法研究 2.1 引言 2.2 ActiveLearning Negative Selection Text Categorization (ALNSTC)基本思想 2.2.1 准备工作 2.2.2 建立用户兴趣集 2.2.3 主动否定学习算法 2.3 实验结果及分析 2.3.1 数据集 2.3.2 评价标准 2.3.3 准确率和召回率分析 2.3.4 AUC分析 2.3.5 分类耗时分析 2.3.6 用户标注负担分析 2.4 本章小结 第三章 基于迁移学习的微博短文本情感分类算法研究 3.1 引言 3.2 基本理论 3.3 新的微博短文本情感分类方法 3.3.1 基本思想 3.3.2 PCAKFS算法 3.3.3 TLSC算法 3.4 实验验证及分析 3.4.1 实验数据集 3.4.2 基准方法 3.5 本章小结 第四章 海量文本分类并行化噪音数据消除算法研究 4.1 引言 4.2 基本理论 4.2.1 主成分分析方法 4.2.2 TFIDF方法 4.2.3 噪音数据 4.3 PrincipalComponent Analysis of Noise Eliminate algorithm (PNE)算法 4.4 实验及分析 4.4.1 实验设置 4.4.2 度量标准 4.4.3 数据集 4.4.4 结果分析 4.5 本章小结 第五章 基于PSO的朴素贝叶斯改进算法研究 5.1 引言 5.2 文本预处理 5.2.1 互信息算法的改进 5.2.2 改进的CDMI特征评价函数 5.3 朴素贝叶斯优化算法 5.3.1 PSO优化算法 5.3.2 PSO-NB算法 5.4 实验及结果分析 5.4.1 互信息参数和粒子群参数的选取 5.4.2 评价指标 5.4.3 PSO-NB算法验证 5.5 本章小结 第六章 基于MapReduce的密度聚类改进算法研究 6.1 引言 6.2 DBSCAN聚类算法改进 6.2.1 DBSCAN聚类算法 6.2.2 遗传算法改进方案 6.2.3 GA-DBSCAN算法设计与改进 6.3 基于MapReduce并行GA-DBSCAN 6.3.1 Map过程 6.3.2 Reduce过程 6.4 实验结果分析总结 6.5 本章小结 第七章 一致性哈希的数据集群存储优化策略研究 7.1 引言 7.2 一致性哈希数据存储算法 7.2.1 基本原理 7.2.2 一致性哈希算法描述 7.3 优化策略 7.3.1 数据存储空间优化调整 7.3.2 数据调整策略 7.3.3 性能分析 7.4 实验与结果分析 7.5 本章小结 第八章 基于MapReduce编程模型的改进KNN分类算法研究 8.1 引言 8.2 相关知识 8.2.1 KNN分类算法的基本原理 8.2.2 MapReduce框架 8.2.3 属性约简方法 8.3 改进KNN算法 8.3.1 基于属性约简的KNN分类算法 8.3.2 改进后的KNN 算法的MapReduce并行化 8.4 实验分析 8.4.1 实验环境及数据 8.4.2 实验过程及分析 8.5 本章小结 第九章 一种结合改进CHI和RFFS的特征选择算法研究 9.1 引言 9.2 传统CHI特征选择算法 9.3 改进CHI特征选择算法 9.3.1 特征词词频与类别相关性分析 9.3.2 TDF-CHI算法 9.4 RFFS算法 9.5 分类模型构建 9.5.1 数据预处理 9.5.2 文本向量化 9.5.3 分类器训练测试 9.6 实验与结果分析 9.6.1 实验数据 9.6.2 数据预处理 9.6.3 分类性能评估 9.7 本章小结 第十章 参数自适应学习的半监督混合聚类算法 10.1 引言 10.2 人工蜂群的聚类 10.3 半监督人工蜂群聚类算法 10.3.1 算法框架 10.3.2 改进的目标函数 10.3.4 聚类算法优化 10.3.5 APL-SSHC算法 10.4 实验结果与分析 10.4.1 实验准备工作 10.4.2 算法验证 10.4.3 参数α自适应优化实验结果 10.4.4 APL-SSHC算法验证 10.5 本章小结 参考文献
展开全部
机器学习算法建模分析 作者简介
邱宁佳，博士，讲师，硕士研究生导师。2008年11月加入中国共产党，2014年6月获得吉林大学材料加工工程博士学位。2014年9月加入长春理工大学计算机科学技术学院计算机科学与技术系工作。
书友推荐
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
