大数据分析的九堂数学课
正版保障 假一赔十 可开发票
￥ 42.5 6.2折 ￥ 69 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(德)弗拉基米尔·什克曼(Vladimir Shikhman)，(德)大卫·穆勒(David Müller)著
出版社清华大学出版社
ISBN9787302633167
出版时间2023-09
装帧平装
开本其他
定价69元
货号13883126
上书时间2024-10-22
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章排序
1.1研究动因：谷歌问题
1.2研究结果
1.2.1Perron-Frobenius定理
1.2.2PageRank
1.3案例研究：品牌忠诚度
1.4练习
第2章在线学习
2.1研究动因：投资组合选择
2.2研究结果
2.2.1在线镜像下降
2.2.2熵设定
2.3案例分析：专家建议
2.4练习
第3章推荐系统
3.1研究动因：Netflix大赛
3.2研究结果
3.2.1基于近邻的方法
3.2.2基于模型的方法
3.3案例分析：潜在语义分析
3.4练习
第4章分类
4.1研究动因：信用调查
4.2研究结果
4.2.1Fisher判别规则
4.2.2支持向量机
4.3案例分析：质量控制
4.4练习
第5章聚类
5.1研究动因：DNA测序
5.2研究结果
5.2.1七一均值算法
5.2.2谱聚类
5.3案例分析：主题抽取
5.4练习
第6章线性回归
6.1研究动因：计量经济学分析
6.2研究结果
6.2.1最小二乘法
6.2.2岭回归
6.3案例分析：资本资产定价
6.4练习
第7章稀疏恢复
7.1研究动因：变量选择
7.2研究结果
7.2.1Lasso回归
7.2.2迭代阈值收缩算法
7.3案例分析：压缩感知
7.4练习
第8章神经网络
8.1研究动因：神经细胞
8.2研究结果
8.2.1逻辑回归
8.2.2感知机
8.3案例分析：垃圾邮件过滤
8.4练习
第9章决策树
9.1研究动因：泰坦尼克号幸存率
9.2研究结果
9.2.1NP接近性
9.2.2自上而下的和自下而上的启发式算法
9.3案例研究：国际象棋引擎
9.4练习
第10章练习题解
10.1排序
10.2在线学习
10.3推荐系统
10.4分类
10.5聚类
10.6线性回归
10.7稀疏恢复
10.8神经网络
10.9决策树
参考文献
索引
英文索引
主编推荐
采用科学的自学模式：引例→结论→案例分析→习题，结合业界学界真实案例，详解大数据分析技术中推荐的数学知识。
精彩内容
本书分为10章，其中第1~9章探讨了排序、推荐系统、聚类、线性回归等内容，每章都以一个具体的实际问题开始，其主要目的是激发对某一特定大数据分析技术的研究。接下来探讨其背后的数学原理——包括重要的定义、辅助陈述和得出的结论。案例研究有助于将所学知识应用于跨学科的环境中，包括对逐步任务的描述和有用的提示。每章之后都配有习题，作为自学中不可缺少的一部分，有助于提高对基础理论的理解。第10章提供了前9章的习题答案，以及Python代码中的算法描述作为补充材料。本书适合作为大数据分析、应用数学及相关专业的研究生和高年级本科生。
— 没有更多了 —
以下为对购买帮助不大的评价