数据挖掘与机器学习--PMML建模(上)/人工智能开发丛书
全新正版 极速发货
￥ 69.56 7.0折 ￥ 99 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者潘风文//黄春芳|责编:潘新文
出版社化学工业
ISBN9787122356079
出版时间2020-02
装帧其他
开本其他
定价99元
货号30826171
上书时间2024-07-03
商品详情
- 品相描述：全新
- 商品描述
-
目录
1 关联规则模型AssociationModel1
1.1 关联规则基础知识2
1.2 关联规则算法简介4
1.3 关联规则模型元素AssociationModel8
1.3.1 模型属性10
1.3.2 模型子元素11
1.3.3 评分应用过程18
2 朴素贝叶斯模型NaiveBayesModel20
2.1 朴素贝叶斯模型基础知识21
2.1.1 全概率公式22
2.1.2 贝叶斯定理23
2.2 朴素贝叶斯算法简介24
2.2.1 朴素贝叶斯算法24
2.2.2 朴素贝叶斯模型参数估计26
2.3 朴素贝叶斯模型元素NaiveBayesModel34
2.3.1 模型属性36
2.3.2 模型子元素36
2.3.3 评分应用过程41
3 贝叶斯网络模型BayesianNetworkModel51
3.1 贝叶斯网络基础知识52
3.2 贝叶斯网络算法简介55
3.3 贝叶斯网络模型元素BayesianNetworkModel56
3.3.1 模型属性57
3.3.2 模型子元素58
3.3.3 评分应用过程65
4 基线模型BaselineModel78
4.1 基线模型的基础知识79
4.1.1 一般基线模型的概念79
4.1.2 PMML规范中的基线模型80
4.2 基线模型元素BaselineModel87
4.2.1 模型属性87
4.2.2 模型子元素88
4.2.3 评分应用过程98
5 聚类模型ClusteringModel100
5.1 聚类模型的基础知识101
5.2 聚类算法简介104
5.2.1 硬聚类和软聚类105
5.2.2 基于算法主要特征的划分105
5.2.3 PMML规范中的聚类108
5.3 聚类模型元素ClusteringModel108
5.3.1 模型属性110
5.3.2 模型子元素110
5.3.3 评分应用过程124
6 通用回归模型GeneralRegressionModel125
6.1 通用回归模型基础知识126
6.2 通用回归算法简介130
6.2.1 一般线性回归模型GLM130
6.2.2 广义线性回归GLZM132
6.2.3 Cox回归146
6.3 通用回归模型元素GeneralRegressionModel147
内容摘要
本书结合实际例子详细介绍了数据挖掘和机器学习领域关联规则模型、朴素贝叶斯模型、贝叶斯网络模型、基线模型、聚类模型、通用回归模型、
回归模型、高斯过程模型以及K最近邻模型九种模型的表达方式及构建知识。读者最好同时结合《PMML建模标准语言基础》一书进行学习，以便融会贯通，灵活运用，更好地把PMML语言应用到自己的项目实践中。
本书的读者对象为从事数据挖掘、机器学习、
人工智能系统开发的人员以及教师和学生，也可以作为大数据及机器学习爱好者的自学用书。
— 没有更多了 —
以下为对购买帮助不大的评价