大數據分析方法與應用 耿秀麗 9787111763550 【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：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$375
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
| *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，以到貨標的為正確資訊。 印行年月：202410*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：大數據分析方法與應用 ISBN：9787111763550 出版社：機械工業 著編譯者：耿秀麗 頁數：213 所在地：中國大陸 *此為代購商品 書號：1686377 可大量預訂，請先連絡。 內容簡介 本書將理論與應用結合，介紹了大數據技術、大數據分析方法以及大數據倫理規範等基礎知識，可供讀者入門學習使用。本書內容包括大數據概述、數據分析基礎、回歸分析、聚類演算法、推薦演算法、文本挖掘、啟髮式演算法、支持向量機和神經網路。各章都附有對應案例和習題，以幫助讀者理解和應用。 本書作為大數據公共通識課程的導論教材，為高校學生選修大數據課程編寫，主要面向大數據應用型人才培養，也可供相關技術人員參考。目錄 前言第1章 大數據概述 1 1 大數據的相關概念 1 1 1 大數據的背景與來源 1 1 2 大數據的概念與特徵 1 1 3 大數據的數據類型 1 1 4 《「十四五」大數據產業發展規劃》與「5V」 1 2 對科學研究和經濟社會的影響 1 2 1 對科學研究的影響 1 2 2 對經濟社會的影響 1 2 3 大數據技術發展趨勢 1 3 大數據的研究現狀 1 4 大數據發展的機遇與挑戰 1 4 1 機遇 1 4 2 挑戰 1 5 大數據分析的相關概念 1 5 1 大數據分析的概念 1 5 2 大數據分析與傳統數據分析的比較 1 5 3 大數據分析的流程 1 5 4 大數據分析的基礎模型 1 6 大數據的應用 習題 參考文獻 第2章 數據分析基礎 2 1 數據的類型與分佈 2 1 1 總體和樣本 2 1 2 定性數據和定量數據 2 1 3 截面數據和時間序列數據 2 2 變數之間的關係 2 2 1 協方差 2 2 2 相關係數 2 3 數據的可視化——基於Excel的應用 2 3 1 散點圖 2 3 2 柱形圖和折線圖 2 3 3 數據透視表 2 4 數據的輸入 2 4 1 數據的輸入方法 2 4 2 數據有效性 2 4 3 條件函數IF 2 4 4 函數VLOOKUP 習題 第3章 回歸分析 3 1 線性和非線性回歸 3 1 1 線性回歸及其Excel中的實現 3 1 2 最小二乘回歸 3 1 3 非線性回歸及其Excel中的實現 3 2 多元回歸 3 2 1 多元回歸的概念 3 2 2 多重共線性 3 2 3 多元回歸及其SPSS中的實現 3 2 4 居民存款影響因素多元回歸案例分析 3 3 嶺回歸 3 3 1 嶺回歸的概念 3 3 2 嶺回歸及其在SPSS中的實現 3 3 3 居民存款影響因素嶺回歸案例分析 3 4 LASSO回歸 3 4 1 LASSO回歸的概念 3 4 2 LASSO回歸及其SPSS中的 實現 3 4 3 居民存款影響因素LASSO回歸案例分析 習題 參考文獻 第4章 聚類演算法 4 1 聚類的原理 4 2 K-Means聚類 4 2 1 K-Means聚類演算法的原理 4 2 2 K-Means聚類演算法在MATLAB中的實現 4 3 K最近鄰演算法 4 3 1 K最近鄰演算法的原理 4 3 2 K最近鄰演算法在MATLAB中的實現 4 3 3 鳶尾花分類案例分析 4 4 模糊C-均值演算法 4 4 1 模糊C-均值演算法的原理 4 4 2 模糊C-均值演算法在MATLAB中的實現 4 4 3 用戶需求聚類案例分析 習題 參考文獻 第5章 推薦演算法 5 1 協同過濾推薦演算法 5 1 1 基於用戶的協同過濾演算法 5 1 2 基於商品的協同過濾演算法 5 1 3 案例分析1：二手汽車交易平台推薦 5 1 4 案例分析2：著名電影推薦 5 2 協同過濾演算法常見的問題以及對策 5 2 1 冷啟動問題及對策 5 2 2 稀疏性問題及對策 5 3 基於內容的推薦演算法 5 3 1 基於結構化內容的推薦 5 3 2 基於非結構化內容的推薦 5 4 基於模型的推薦演算法 5 5 基於關聯規則的推薦演算法 5 6 信息隱私與基於隱私保護的方案推薦方法 5 6 1 信息隱私 5 6 2 基於隱私保護的方案推薦方法 5 7 信息污染與信任推薦演算法 5 7 1 信息污染 5 7 2 信任推薦演算法 5 8 信息繭房 習題 參考文獻 第6章 文本挖掘 6 1 文本挖掘的應用價值 6 2 文本挖掘的流程 6 2 1 文本挖掘的關鍵技術 6 2 2 文檔收集方法 6 2 3 分詞技術 6 2 4 詞的表示形式 6 2 5 文本特徵屬性處理 6 3 LDA主題模型 6 3 1 LDA主題模型介紹 6 3 2 吉布斯採樣 6 3 3 LDA主題模型訓練過程 6 4 基於LDA主題模型的客戶需求挖掘案例分析 習題 參考文獻 第7章 啟髮式演算法 7 1 啟髮式演算法的基本原理 7 1 1 啟髮式函數 7 1 2 搜索策略 7 2 啟髮式演算法的類型 7 2 1 仿動物類啟髮式演算法 7 2 2 仿植物類啟髮式演算法 7 3 遺傳演算法及其實現 7 3 1 遺傳演算法的原理 7 3 2 遺傳演算法的步驟 7 3 3 遺傳演算法的計算機實現 7 4 粒子群演算法及其實現 7 4 1 粒子群演算法的原理 7 4 2 粒子群演算法的步驟 7 4 3 粒子群演算法的計算機實現 7 5 物流配送中心選址案例分析 習題 參考文獻 第8章 支持向量機 8 1 支持向量機的原理 8 1 1 支持向量機的由來 8 1 2 支持向量機的發展 8 2 支持向量機演算法 8 2 1 支持向量機的模型演算法 8 2 2 支持向量機模型優化演算法 8 2 3 核函數 8 2 4 支持向量機演算法的計算機實現 8 3 支持向量機演算法參數優化 8 3 1 模糊支持向量機 8 3 2 最小二乘支持向量機 8 3 3 粒子群演算法優化支持向量機 8 4 演算法應用及案例分析 習題 參考文獻 第9章 神經網路 9 1 發展歷程 9 2 基礎模型 9 2 1 神經 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。 |
