掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人工智能開發叢書人工智能開發叢書--數據挖掘與機器學習:PMML建模(下) 版權信息
- ISBN：9787122369871
- 條形碼：9787122369871 ; 978-7-122-36987-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能開發叢書人工智能開發叢書--數據挖掘與機器學習:PMML建模(下) 本書特色
本書是當前國內獨一關于數據挖掘和機器學習語言PMML的圖書。潘風文博士具有大數據領域二十多年的豐富經驗，取得諸多成果，本書是作者長期研發經驗的積累結晶。
人工智能開發叢書人工智能開發叢書--數據挖掘與機器學習:PMML建模(下) 內容簡介
本書詳細描述了PMML規范（Ver4.3）所支持的8種模型：神經網絡模型、決策樹模型、規則集模型、序列模型、評分卡模型、支持向量機模型、時間序列模型和聚合模型。全書不是簡單地介紹PMML語法，而是融合各種挖掘模型基礎知識和算法知識，告訴開發者如何融會貫通地掌握、使用PMML語言，不僅能夠學習到標準的PMML模型表達方式，而且能學習機器學習模型的豐富知識，從而熟練地把PMML語言應用到自己的項目實踐中。 本書可供從事數據挖掘（機器學習）、人工智能系統開發的軟件開發者和愛好者學習使用，也可以作為高等院校大數據和人工智能等相關專業的教材。
人工智能開發叢書人工智能開發叢書--數據挖掘與機器學習:PMML建模(下) 目錄
1 神經網絡模型（NeuralNetwork） 1
1.1 神經網絡模型基礎知識 2
1.2 神經網絡模型算法簡介 5
1.3 神經網絡模型元素 9
1.3.1 模型屬性 10
1.3.2 模型子元素 14
1.3.3 評分應用過程 28
2 決策樹模型（TreeModel） 29
2.1 決策樹模型基礎知識 30
2.1.1 決策樹模型簡介 30
2.1.2 邏輯謂詞表達式 31
2.2 決策樹模型算法簡介 33
2.2.1 卡方自動交互檢驗算法（CHAID） 33
2.2.2 迭代二叉樹ID3 42
2.2.3 分類器C4.5和C5.0 47
2.2.4 分類與回歸樹算法CART 53
2.3 決策樹模型元素 54
2.3.1 模型屬性 56
2.3.2 模型子元素 59
2.3.3 評分應用過程 68
3 規則集模型（RuleSetModel） 79
3.1 規則集模型基礎知識 80
3.2 規則集模型元素 80
3.2.1 模型屬性 81
3.2.2 模型子元素 81
3.2.3 評分應用過程 89
4 序列模型（SequenceModel） 93
4.1 序列模型基礎知識 94
4.2 序列模型算法簡介 97
4.2.1 GSP算法 97
4.2.2 SPADE算法 101
4.2.3 PrefixSpan算法 103
4.3 序列模型元素 104
4.3.1 模型屬性 106
4.3.2 模型子元素 107
4.3.3 評分應用過程 118
5 評分卡模型（Scorecard） 119
5.1 評分卡模型基礎知識 120
5.2 評分卡模型算法簡介 121
5.3 評分卡模型元素 131
5.3.1 模型屬性 132
5.3.2 模型子元素 134
5.3.3 評分應用過程 143
6 支持向量機模型（SupportVectorMachineModel） 145
6.1 支持向量機模型基礎知識 146
6.2 支持向量機模型算法簡介 148
6.3 支持向量機模型元素 152
6.3.1 模型屬性 154
6.3.2 模型子元素 155
6.3.3 評分應用過程 164
7 時間序列模型（TimeSeriesModel） 167
7.1 時間序列模型基礎知識 168
7.2 時間序列模型算法簡介 171
7.2.1 算法概述 172
7.2.2 指數平滑算法 173
7.3 時間序列模型元素 176
7.3.1 模型屬性 177
7.3.2 模型子元素 178
7.3.3 評分應用過程 192
8 聚合模型（MiningModel） 195
8.1 模型聚合基礎知識 196
8.2 挖掘模型MiningModel 197
附錄 225
后記 227
1.1 神經網絡模型基礎知識 2
1.2 神經網絡模型算法簡介 5
1.3 神經網絡模型元素 9
1.3.1 模型屬性 10
1.3.2 模型子元素 14
1.3.3 評分應用過程 28
2 決策樹模型（TreeModel） 29
2.1 決策樹模型基礎知識 30
2.1.1 決策樹模型簡介 30
2.1.2 邏輯謂詞表達式 31
2.2 決策樹模型算法簡介 33
2.2.1 卡方自動交互檢驗算法（CHAID） 33
2.2.2 迭代二叉樹ID3 42
2.2.3 分類器C4.5和C5.0 47
2.2.4 分類與回歸樹算法CART 53
2.3 決策樹模型元素 54
2.3.1 模型屬性 56
2.3.2 模型子元素 59
2.3.3 評分應用過程 68
3 規則集模型（RuleSetModel） 79
3.1 規則集模型基礎知識 80
3.2 規則集模型元素 80
3.2.1 模型屬性 81
3.2.2 模型子元素 81
3.2.3 評分應用過程 89
4 序列模型（SequenceModel） 93
4.1 序列模型基礎知識 94
4.2 序列模型算法簡介 97
4.2.1 GSP算法 97
4.2.2 SPADE算法 101
4.2.3 PrefixSpan算法 103
4.3 序列模型元素 104
4.3.1 模型屬性 106
4.3.2 模型子元素 107
4.3.3 評分應用過程 118
5 評分卡模型（Scorecard） 119
5.1 評分卡模型基礎知識 120
5.2 評分卡模型算法簡介 121
5.3 評分卡模型元素 131
5.3.1 模型屬性 132
5.3.2 模型子元素 134
5.3.3 評分應用過程 143
6 支持向量機模型（SupportVectorMachineModel） 145
6.1 支持向量機模型基礎知識 146
6.2 支持向量機模型算法簡介 148
6.3 支持向量機模型元素 152
6.3.1 模型屬性 154
6.3.2 模型子元素 155
6.3.3 評分應用過程 164
7 時間序列模型（TimeSeriesModel） 167
7.1 時間序列模型基礎知識 168
7.2 時間序列模型算法簡介 171
7.2.1 算法概述 172
7.2.2 指數平滑算法 173
7.3 時間序列模型元素 176
7.3.1 模型屬性 177
7.3.2 模型子元素 178
7.3.3 評分應用過程 192
8 聚合模型（MiningModel） 195
8.1 模型聚合基礎知識 196
8.2 挖掘模型MiningModel 197
附錄 225
后記 227
展開全部
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
月亮虎
- >
煙與鏡
- >
二體千字文
- >
羅曼·羅蘭讀書隨筆-精裝
- >
龍榆生：詞曲概論/大家小書
- >
隨園食單
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
