基于机器学习的数据分析方法
全新正版 极速发货
￥ 44.84 5.0折 ￥ 89 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者苏美红|
出版社化学工业
ISBN9787122439895
出版时间2024-03
装帧其他
开本其他
定价89元
货号1203238201
上书时间2024-06-03
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
无
目录
第1章 机器学习基础001
1.1 机器学习及基本概念002
1.1.1 什么是机器学习002
1.1.2 机器学习中的一些基本概念003
1.2 机器学习三要素005
1.2.1 模型005
1.2.2 策略006
1.2.3 算法009
1.3 机器学习分类009
1.3.1 监督学习010
1.3.2 无监督学习013
1.3.3 半监督学习013
1.3.4 强化学习013
1.4 回归模型发展现状014
1.4.1 线性回归014
1.4.2 基于邻近信息的回归模型018
1.4.3 鲁棒回归模型020
第2章 基于正则化方法的回归模型023
2.1 正则化方法024
2.2 基于最小二乘估计的正则化方法025
2.2.1 最小二乘估计025
2.2.2 岭回归026
2.2.3 Lasso估计027
2.2.4 自适应Lasso027
2.2.5 SCAD估计028
2.2.6 弹性网络回归029
2.3 鲁棒（稳健）正则化方法029
第3章 自加权鲁棒正则化方法033
3.1 自加权鲁棒方法034
3.2 L0正则项035
3.3 基于SELO惩罚项的自加权估计方法037
3.3.1 自适应正则项037
3.3.2 RSWSELO估计038
3.3.3 理论性质及证明039
3.4 实验验证与分析044
3.4.1 模拟实验结果与分析044
3.4.2 标准数据集上的实验049
第4章 基于自变量相关的鲁棒回归模型055
4.1 自变量相关性问题056
4.2 基于Elastic Net罚的鲁棒估计方法058
4.2.1 模型构建058
4.2.2 理论性质分析及证明059
4.2.3 求解算法066
4.3 实验验证与分析068
4.3.1 模拟实验结果与分析068
4.3.2 真实数据集上的实验080
第5章 基于因变量相关的Lasso回归模型083
5.1 因变量相关性问题084
5.2 Network Lasso估计及其性质085
5.2.1 模型的构建085
5.2.2 误差界估计087
5.3 实验结果与分析097
5.3.1 人工数据集上的实验097
5.3.2 真实数据集上的实验109
第6章 面向网络数据的Elastic Net回归模型111
6.1 网络数据问题112
6.2 面向网络数据的回归模型112
6.3 Network Elastic Net 模型构建114
6.3.1 模型构建114
6.3.2 求解算法115
6.4 实验结果与分析117
6.4.1 人工数据集上的实验117
6.4.2 实际数据分析126
附录131
参考文献140
内容摘要
作为人工智能的核心技术，机器学习在数据分析中具有举足轻重的地位。本书在介绍机器学习相关知识的基础上，主要介绍了如何对有噪声的数据进行鲁棒回归分析。全书共6章，除第1章外，各章对异常点或重尾分布数据中的具体问题进行了详细分析与建模，所涉及的问题包括权值选择问题、变量相关性问题以及网络数据问题等。
本书对于构建具有鲁棒性的机器学习模型具有很好的参考性，适用于含噪声的数据分析与应用，可供数据分析、人工智能等相关专业师生及行业技术人员参考阅读。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价