大數據模型與應用-微課版 陳燕 李瑤 魏惠梅 9787302642640 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$571
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202312*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：大數據模型與應用-微課版 ISBN：9787302642640 出版社：清華大學 著編譯者：陳燕 李瑤 魏惠梅 頁數：492 所在地：中國大陸 *此為代購商品 書號：1610634 可大量預訂，請先連絡。 內容簡介 本書介紹的演算法和模型分為四個主要方面：常用的模型、預測模型、分類與聚類演算法、大數據的應用與熱點內容研究。 學習大數據模型與應用課程的意義在於：讓學者了解數據模型的建模方法，實現編程的方法與技巧，各類演算法對應程序的閱讀方法，以達到熟練掌握大數據各類模型的實現方法。 本書可作為數據科學與大數據技術、大數據管理與應用專業、計算機類、信息管理類、電子商務、綜合管理類專業的本科教材，也可作為其他相關專業的數據建模教材或者選修教材。本書文字通俗易懂，便於自學，也可作為從事計算機應用、大數據相關專業研究等科技人員基礎建模的工具書。作者簡介 陳燕 教授、博士生導師，省級教學名師、優秀教師；獲各類省級及以上科研獎勵14項；主持數據挖掘相關研究項目22項（國家級4項）；出版「十二五」普通高等教育本科國家級規劃教材1部；獲得省級教學成果獎一等獎、二等獎各1項（均為第一負責人）；負責遼寧省教學團隊1個、遼寧省優勢專業1個；主講省級精品課程4門；發表SCI/EI論文62篇。目錄 第1章 常用的演算法模型及應用——大數據建模的預備知識1 1 概述 1 2 最小生成樹及其演算法與應用 1 2 1 生成樹與最小生成樹 1 2 2 最小生成樹演算法與應用 1 3 求最大流問題 1 3 1 最大流問題概述 1 3 2 最大流問題的解決方案 1 4 有向無環圖及其應用 1 4 1 有向無環圖概述 1 4 2 拓撲排序 1 4 3 關鍵路徑 1 5 網頁排序演算法及應用 1 5 1 網頁排序演算法概述 1 5 2 網頁排序應用示例 1 6 求最短路徑 1 6 1 最短路徑概述 1 6 2 Dijkstra演算法 1 6 3 Floyd(弗洛伊德)演算法 1 7 圖的遍歷 1 7 1 深度優先搜索遍歷 1 7 2 廣度優先搜索遍歷 1 8 漢諾塔問題的求解 1 8 1 漢諾塔問題概述 1 8 2 漢諾塔問題對應的演算法 1 9 迷宮問題的求解 1 9 1 迷宮問題概述 1 9 2 迷宮問題求解程序 1 10 阿克曼函數演算法的求解與閱讀 1 10 1 阿克曼函數概述 1 10 2 阿克曼麗數的遞歸演算法 1 10 3 阿克曼函數對應程序與閱讀方法 小結 習題 第2章 預測模型 2 1 預測模型介紹 2 2 回歸分析預測模型 2 2 1 一元線性回歸預測模型 2 2 2 多元線性回歸預測模型 2 2 3 非線性回歸預測模型 2 3 時間序列預測模型 2 3 1 移動平均模型 2 3 2 指數平滑模型 2 4 生長曲線預測模型 2 4 1 皮爾模型 2 4 2 龔珀茲模型 2 4 3 林德諾模型 2 5 組合模型 2 5 1 沿海港口貨物吞吐量組合預測計算 2 5 2 沿海港口貨物吞吐量對比分析 2 6 馬爾可夫預測模型 小結 習題 第3章 關聯規則模型與應用 3 1 關聯規則的解釋、理論與相關術語 3 1 1 關聯規則的解釋 3 1 2 關聯規則的理論及相關術語 3 1 3 Apriori演算法介紹 3 2 關聯規則舉例 3 3 關聯規則的創新應用研究 3 3 1 基於Hadoop環境下Map-Reduce流程的應用 3 3 2 基於FP-tree的頻繁項集的挖掘方法 小結 習題 第4章 分類分析模型及應用 4 1 分類模型概述 4 1 1 分類模型概念與相關術語 4 1 2 分類模型評估與選擇 4 2 決策樹分類模型 4 2 1 決策樹分類模型與演算法流程 4 2 2 決策樹分類模型示例 4 2 3 運用Python實現決策樹分類模型(ID3演算法)的運行程序 4 2 4 決策樹分類模型的剪枝處理 4 2 5 決策樹分類模型中的連續與缺失值處理 4 2 6 多變數決策樹 4 2 7 決策樹分類模型的特性 4 3 貝葉斯分類模型 4 3 1 樸素貝葉斯分類模型的演算法原理 4 3 2 樸素貝葉斯分類模型示例 4 3 3 運用Python實現樸素貝葉斯分類模型的運行程序 4 3 4 貝葉斯分類模型小結 4 4 邏輯回歸分類模型 4 4 1 回歸理論模型與邏輯回歸分類模型的演算法原理 4 4 2 梯度下降法 4 4 3 邏輯回歸分類模型示例 4 4 4 Python實現邏輯回歸分類模型 4 4 5 邏輯回歸分類模型小結 4 5 K-近鄰(KNN)分類模型 4 5 1 KNN分類模型的演算法原理 4 5 2 KNN分類模型示例 4 5 3 Python實現KNN分類模型 4 5 4 KNN分類模型小結 4 6 支持向量機分類模型 4 6 1 SVM分類模型的演算法原理 4 6 2 SMO演算法示例 4 6 3 Python實現支持向量機分類模型 4 6 4 支持向量機分類模型小結 習題 第5章 聚類分析模型及應用 5 1 聚類概述 5 1 1 聚類的定義和分類 5 1 2 聚類分析中的相關概念 5 1 3 聚類分析的應用 5 1 4 聚類性能度量 5 2 K-Means聚類演算法 5 2 1 K-Means聚類演算法思想 5 2 2 K-Means聚類演算法過程 5 2 3 K-Means聚類演算法示例 5 2 4 Python實現K-Means聚類演算法 5 2 5 K-Means聚類演算法小結 5 3 DBSCAN聚類演算法 5 3 1 密度聚類演算法思想 5 3 2 DBSCAN演算法原理 5 3 3 DBSCAN聚類演算法示例 5 3 4 Python實現DBSCAN聚類演算法 5 3 5 DBSCAN聚類演算法小結 5 4 AGNES聚類演算法 5 4 1 層次聚類思糊 5 4 2 AGNES演算法原理 5 4 3 AGNES聚類演算法示例 5 4 4 Python實現AGNES聚類演算法 5 4 5 AGNES聚類演算法小結 5 5 高斯混合聚類演算法 5 5 1 EM聚類演算法原理 5 5 2 高斯混合聚類演算法原理 5 5 3 高斯混合聚類演算法示例 5 5 4 Python實現高斯混合聚類演算法 5 5 5 高斯混合聚類演算法小結 5 6 LVQ聚類演算法 5 6 1 LVQ聚類演算法原理 5 6 2 LVQ聚類演算法示例 5 6 3 Python實現LVQ聚類演算法 5 6 4 LVQ聚類演算法小結 5 7 CLIQUE聚類演算法 5 7 1 CLIQUE演算法原理 5 7 2 CLIQUE聚類演算法示例 5 7 3 Python實現CLIQUE聚類演算法 5 7 4 CLIQUE聚類演算法小結 5 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
