数据挖掘算法——基于C++及CUDA C

数据挖掘算法——基于C++及CUDA C
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
2021-08
版次: 1
ISBN: 9787517097822
定价: 68.00
装帧: 其他
开本: 16开
纸张: 胶版纸
页数: 156页
字数: 206.000千字
7人买过
  • 本书是美国著名数据挖掘算法专家、数值计算专业的数理统计学博士Timothy Masters的**作品。作为一名严谨的数据挖掘工程师,应用中的预测或分类使你经常会面对成千上万的候选特征。这些特征绝大多数没有价值或只有很小的价值,只有与某个或某些其他特征联合起来才可能有用;一些特征可能有巨大的预测能力,但它们又可能仅存在于整体特征空间的某些区域……数据挖掘中,类似这种使人痛苦的问题是无穷的。本书中的现代特征选择技术,将帮助你解决这些问题。本书中所有的算法都可被直觉证实,并有相关方程和解释材料支撑。作者还展现了这些算法的完整的、受到高度好评的源代码,并对其进行了解析。本书适合算法、数据挖掘、人工智能等专业领域的教师、学生及相关的技术及研究人员作为参考及学习用书。 第1章  概述 1

    第2章  前向选择成分分析 3

    前向选择成分分析概述 3

    数学原理与代码示例 5

    化解释方差 6

    方差化准则代码 7

    后向细化 10

    多线程后向细化 13

    有序成分正交化 18

    综合应用 20

    仅前向选择子集的成分变量 24

    后向细化子集的成分变量 25

    人工变量示例 26

    第3章  局部特征选择 30

    算法概述 30

    算法输出结果 34

    简要介绍:单纯形算法 34

    线性规划问题 35

    Simplex类的接口 36

    更多细节 37

    一种更严格的LFS方法 38

    类内分割和类间分割 41

    计算权重 43

    化类间分割 45

    小化类内分割 48

    测试β试验值 49

    关于线程的简要说明 52

    CUDA权重计算 52

    将CUDA代码集成到算法中 53

    初始化CUDA硬件 54

    计算与当前实例之差 56

    计算距离矩阵 57

    计算小距离 59

    计算权重方程项 63

    转置项矩阵 64

    权重项求和 65

    权重迁移到主机 66

    局部特征选择示例 66

    关于运行时的解释说明 67

    第4章  时间序列特征的记忆特性 68

    简单数学概述 69

    前向算法 70

    后向算法 72

    α和β修正 74

    一些常规计算 78

    均值和协方差 78

    概率密度 79

    多元正态概率密度函数 80

    启动参数 81

    初始化算法流程 81

    对均值施加扰动 82

    对协方差施加扰动 82

    对转移概率施加扰动 83

    关于随机数发生器的解释 83

    完整优化算法 84

    计算状态概率 85

    更新均值和协方差 87

    更新初始概率和转移概率 89

    HMM在时间序列中的记忆特性评估 93

    链接特征变量与目标变量 96

    链接HMM状态与目标 102

    一个人为的不当示例 109

    一个合理可行的示例 111

    第5章  逐步选择改进算法 113

    特征评估模型 114

    基本模型实现代码 115

    交叉验证性能度量 118

    逐步选择算法 120

    确定个变量 125

    在现有模型中添加变量 127

    三个算法演示示例 130

    第6章  名义变量到有序变量的转换 133

    实现概述 135

    合理关系测试 135

    股票价格变动示例 136

    名义变量到有序变量变换实现代码 138

    构造函数 139

    输出计数表 141

    计算映射函数 143

    Monte-Carlo置换检验 145

      
  • 内容简介:
    本书是美国著名数据挖掘算法专家、数值计算专业的数理统计学博士Timothy Masters的**作品。作为一名严谨的数据挖掘工程师,应用中的预测或分类使你经常会面对成千上万的候选特征。这些特征绝大多数没有价值或只有很小的价值,只有与某个或某些其他特征联合起来才可能有用;一些特征可能有巨大的预测能力,但它们又可能仅存在于整体特征空间的某些区域……数据挖掘中,类似这种使人痛苦的问题是无穷的。本书中的现代特征选择技术,将帮助你解决这些问题。本书中所有的算法都可被直觉证实,并有相关方程和解释材料支撑。作者还展现了这些算法的完整的、受到高度好评的源代码,并对其进行了解析。本书适合算法、数据挖掘、人工智能等专业领域的教师、学生及相关的技术及研究人员作为参考及学习用书。
  • 目录:
    第1章  概述 1

    第2章  前向选择成分分析 3

    前向选择成分分析概述 3

    数学原理与代码示例 5

    化解释方差 6

    方差化准则代码 7

    后向细化 10

    多线程后向细化 13

    有序成分正交化 18

    综合应用 20

    仅前向选择子集的成分变量 24

    后向细化子集的成分变量 25

    人工变量示例 26

    第3章  局部特征选择 30

    算法概述 30

    算法输出结果 34

    简要介绍:单纯形算法 34

    线性规划问题 35

    Simplex类的接口 36

    更多细节 37

    一种更严格的LFS方法 38

    类内分割和类间分割 41

    计算权重 43

    化类间分割 45

    小化类内分割 48

    测试β试验值 49

    关于线程的简要说明 52

    CUDA权重计算 52

    将CUDA代码集成到算法中 53

    初始化CUDA硬件 54

    计算与当前实例之差 56

    计算距离矩阵 57

    计算小距离 59

    计算权重方程项 63

    转置项矩阵 64

    权重项求和 65

    权重迁移到主机 66

    局部特征选择示例 66

    关于运行时的解释说明 67

    第4章  时间序列特征的记忆特性 68

    简单数学概述 69

    前向算法 70

    后向算法 72

    α和β修正 74

    一些常规计算 78

    均值和协方差 78

    概率密度 79

    多元正态概率密度函数 80

    启动参数 81

    初始化算法流程 81

    对均值施加扰动 82

    对协方差施加扰动 82

    对转移概率施加扰动 83

    关于随机数发生器的解释 83

    完整优化算法 84

    计算状态概率 85

    更新均值和协方差 87

    更新初始概率和转移概率 89

    HMM在时间序列中的记忆特性评估 93

    链接特征变量与目标变量 96

    链接HMM状态与目标 102

    一个人为的不当示例 109

    一个合理可行的示例 111

    第5章  逐步选择改进算法 113

    特征评估模型 114

    基本模型实现代码 115

    交叉验证性能度量 118

    逐步选择算法 120

    确定个变量 125

    在现有模型中添加变量 127

    三个算法演示示例 130

    第6章  名义变量到有序变量的转换 133

    实现概述 135

    合理关系测试 135

    股票价格变动示例 136

    名义变量到有序变量变换实现代码 138

    构造函数 139

    输出计数表 141

    计算映射函数 143

    Monte-Carlo置换检验 145

      
查看详情
12
相关图书 / 更多
数据挖掘算法——基于C++及CUDA C
数据治理实践者手记
苏振中
数据挖掘算法——基于C++及CUDA C
数据要素化治理
陆志鹏、孟庆国、王钺
数据挖掘算法——基于C++及CUDA C
数据中台:让数据用起来 第2版 付登坡 等
付登坡 江敏 赵东辉 等
数据挖掘算法——基于C++及CUDA C
数据对话:建立你的数据流利度
(瑞士)马丁·埃普勒 法比耶纳 宾兹利
数据挖掘算法——基于C++及CUDA C
数据资源管理 陈忆金 奉国和
陈忆金 奉国和
数据挖掘算法——基于C++及CUDA C
数据工程之道:设计和构建健壮的数据系统 [美]乔·里斯 [美]马特·豪斯利
[美]乔·里斯(Joe Reis),[美]马特·豪斯利(Matt Housley)
数据挖掘算法——基于C++及CUDA C
数据合规实务指引 法律实务 朱晓娟主编 新华正版
朱晓娟主编
数据挖掘算法——基于C++及CUDA C
数据法学前沿
武长海
数据挖掘算法——基于C++及CUDA C
数据合规与网络安全风险防范
冯洋
数据挖掘算法——基于C++及CUDA C
数据加密与PKI应用(微课版)
王秀英
数据挖掘算法——基于C++及CUDA C
数据库及其应用(2023年版) 全国高等教育自学考试指导委员会
全国高等教育自学考试指导委员会
数据挖掘算法——基于C++及CUDA C
数据治理驱动的数字化转型 王建峰 辛华
王建峰 辛华
您可能感兴趣 / 更多
数据挖掘算法——基于C++及CUDA C
快乐:一部关于情绪的文化史
蒂莫西·汉普顿
数据挖掘算法——基于C++及CUDA C
酋长如何掌权:史前政治经济学
蒂莫西·厄尔
数据挖掘算法——基于C++及CUDA C
有效的危机传播
蒂莫西 L.塞尔诺 著;罗伯特 R.厄尔默
数据挖掘算法——基于C++及CUDA C
临床呼吸医师手册
蒂莫西.A .莫里斯;安德鲁.L.里斯;理查德.A .鲍得
数据挖掘算法——基于C++及CUDA C
胃肠肿瘤循证及多学科综合治疗
蒂莫西·M.帕里克 主编;\"(美)塔尼奥斯·贝凯伊-萨博;巴塞尔·F.埃尔-雷斯;\
数据挖掘算法——基于C++及CUDA C
美国的痼疾:一位历史学家对疫情的反思
蒂莫西·斯奈德
数据挖掘算法——基于C++及CUDA C
命运之痒:蚊子如何塑造人类历史
蒂莫西·C·瓦恩加德
数据挖掘算法——基于C++及CUDA C
卓越管理
蒂莫西·鲍德温 威廉·博默尔 罗伯特·鲁宾
数据挖掘算法——基于C++及CUDA C
斯坦福极简经济学2
蒂莫西·泰勒 著
数据挖掘算法——基于C++及CUDA C
甲骨文丛书·红色王子:一位哈布斯堡大公的秘密人生
蒂莫西·斯奈德(Timothy Snyder) 著;黎英亮、冯茵 译
数据挖掘算法——基于C++及CUDA C
望向星空深处(国际天文年指定读物,星空科普+观星者故事集,附天文术语表+四季星图+星表+观测指南+观星经典书目)
蒂莫西·费里斯 著;迟讷 译
数据挖掘算法——基于C++及CUDA C
乡村工作室:塞缪尔·莫克比和有尊严的建筑
蒂莫西·赫斯利 著;[美]安德烈·奥本海默·迪恩、王志刚、韦诗誉、郑婉琳 译