大數(shù)據(jù)挖掘與統(tǒng)計(jì)機(jī)器學(xué)習(xí)

定　價(jià)：￥35.00

作　者：	呂曉玲宋捷
出版社：	中國(guó)人民大學(xué)出版社
叢編項(xiàng)：	大數(shù)據(jù)分析統(tǒng)計(jì)應(yīng)用叢書(shū)
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)

購(gòu)買這本書(shū)可以去

ISBN：	9787300231013	出版時(shí)間：	2016-07-01	包裝：	平裝
開(kāi)本：	16	頁(yè)數(shù)：	240	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　大數(shù)據(jù)時(shí)代的到來(lái)，使我們的生活在政治、經(jīng)濟(jì)、社會(huì)、文化各個(gè)領(lǐng)域都產(chǎn)生了很大改變?！皵?shù)據(jù)科學(xué)”一詞應(yīng)運(yùn)而生。如何更好地對(duì)海量數(shù)據(jù)進(jìn)行分析、得出結(jié)論并做出智能決策是統(tǒng)計(jì)工作者面臨的機(jī)遇與挑戰(zhàn)。本書(shū)介紹數(shù)據(jù)挖掘與統(tǒng)計(jì)機(jī)器學(xué)習(xí)領(lǐng)域最常用的模型和算法，包括最基礎(chǔ)的線性回歸和線性分類方法，以及模型選擇和模型評(píng)價(jià)的概念和方法，進(jìn)而介紹非線性的回歸和分類方法（包括決策樹(shù)與組合方法、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)以及在此基礎(chǔ)上發(fā)展的深度學(xué)習(xí)方法）。最后介紹無(wú)監(jiān)督的學(xué)習(xí)中的聚類方法和業(yè)界廣泛使用的推薦系統(tǒng)方法。除了方法的理論講解之外，我們給出了每種方法的R語(yǔ)言實(shí)現(xiàn)，以及應(yīng)用Python語(yǔ)言實(shí)現(xiàn)深度學(xué)習(xí)和支持向量機(jī)兩種方法。本書(shū)的一個(gè)亮點(diǎn)是最后一章給出的兩個(gè)大數(shù)據(jù)案例，數(shù)據(jù)量均在10G左右。我們同時(shí)給出了單機(jī)版（Python、數(shù)據(jù)庫(kù)、R）和分布式（Hadoop、Hive、Spark）兩種實(shí)現(xiàn)方案。原始數(shù)據(jù)和程序代碼均可在出版社提供的網(wǎng)址下載。本書(shū)面向的主要讀者是應(yīng)用統(tǒng)計(jì)專業(yè)碩士，希望能夠拓展到統(tǒng)計(jì)專業(yè)高年級(jí)的本科生以及其他各個(gè)領(lǐng)域有數(shù)據(jù)分析需求的學(xué)生和從業(yè)人員。

作者簡(jiǎn)介

　　呂曉玲，吉林省吉林市人?，F(xiàn)任中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院副教授，北京五校聯(lián)合大數(shù)據(jù)分析碩士培養(yǎng)協(xié)同創(chuàng)新平臺(tái)總協(xié)調(diào)人。本科與碩士畢業(yè)于南開(kāi)大學(xué)數(shù)學(xué)系概率統(tǒng)計(jì)專業(yè)，博士畢業(yè)于香港城市大學(xué)管理科學(xué)系。曾經(jīng)是奧地利約翰開(kāi)普勒大學(xué)應(yīng)用統(tǒng)計(jì)系以及美國(guó)加州大學(xué)伯克利分校統(tǒng)計(jì)系訪問(wèn)學(xué)者。一直從事數(shù)據(jù)挖掘和統(tǒng)計(jì)機(jī)器學(xué)習(xí)領(lǐng)域的理論研究，及其在消費(fèi)者行為方面的應(yīng)用研究。在數(shù)據(jù)挖掘以及市場(chǎng)營(yíng)銷方面的項(xiàng)目涉及的領(lǐng)域包括銀行、電子商務(wù)、交通、教育、廣播電視、移動(dòng)互聯(lián)網(wǎng)等。宋捷，四川眉山人?，F(xiàn)任首都經(jīng)濟(jì)貿(mào)易大學(xué)統(tǒng)計(jì)學(xué)院副教授。本科與碩士畢業(yè)于四川大學(xué)數(shù)學(xué)系概率統(tǒng)計(jì)專業(yè)，博士畢業(yè)于中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院。一直從事機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘相關(guān)領(lǐng)域的理論研究。

圖書(shū)目錄

第1章概述1.1名詞演化1.2基本內(nèi)容1.3數(shù)據(jù)智慧第2章線性回歸方法2.1多元線性回歸2.2壓縮方法：嶺回歸與Lasso2.3*Lasso 模型的求解與理論性質(zhì)2.4損失函數(shù)加罰的建?？蚣?.5上機(jī)實(shí)踐第3章線性分類方法3.1分類問(wèn)題綜述與評(píng)價(jià)準(zhǔn)則3.2Logistic回歸3.3線性判別3.4上機(jī)實(shí)踐第4章模型評(píng)價(jià)與選擇4.1基本概念4.2*理論方法4.3數(shù)據(jù)重利用方法4.4上機(jī)實(shí)踐第5章決策樹(shù)與組合方法5.1決策樹(shù)5.2Bagging5.3Boosting5.4隨機(jī)森林5.5上機(jī)實(shí)踐第6章神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)6.1神經(jīng)網(wǎng)絡(luò)6.2深度學(xué)習(xí)6.3上機(jī)實(shí)踐第7章支持向量機(jī)7.1線性可分支持向量機(jī)7.2軟間隔支持向量機(jī)7.3一些拓展7.4上機(jī)實(shí)踐第8章聚類分析8.1基于距離的聚類8.2基于模型和密度的聚類8.3稀疏聚類8.4雙向聚類8.5上機(jī)實(shí)踐第9章推薦系統(tǒng)9.1基于鄰居的推薦9.2潛在因子與矩陣分解算法9.3上機(jī)實(shí)踐第10章大數(shù)據(jù)案例分析10.1智能手機(jī)用戶監(jiān)測(cè)數(shù)據(jù)案例分析10.2美國(guó)航空數(shù)據(jù)案例分析參考文獻(xiàn)大數(shù)據(jù)挖掘與統(tǒng)計(jì)機(jī)器學(xué)習(xí)