大数据挖掘与统计机器学习吕晓玲 PDF 下载_Java知识分享网-免费Java资源下载

大数据挖掘与统计机器学习吕晓玲 PDF 下载

转载自：

http://java.python222.com/article/1187

用户下载说明：

电子版仅供预览，下载后24小时内务必删除，支持正版，喜欢的请购买正版书籍：

http://product.dangdang.com/11447280489.html

相关截图：

资料简介：

《大数据挖掘与统计机器学习》介绍数据挖掘与统计机器学习领域最常用的模型和算法，包括最基础的线性回归和线性分类方法，以及模型选择和模型评价的概念和方法，进而介绍非线性的回归和分类方法（包括决策树与组合方法、支持向量机、神经网络以及在此基础上发展的深度学习方法）。介绍无监督的学习中的聚类方法和业界广泛使用的系统方法。除了方法的理论讲解之外，我们给出了每种方法的R语言实现，以及应用Python语言实现深度学习和支持向量机两种方法。《大数据挖掘与统计机器学习》的一个亮点是一章给出的两个大数据案例，数据量均在10G左右。

资料目录：

章概述
1.1名词演化
1.2基本内容
1.3数据智慧
第2章线性回归方法
2.1多元线性回归
2.2压缩方法：岭回归与Lasso
2.3Lasso模型的求解与理论性质
2.4损失函数加罚的建模框架
2.5上机实践
第3章线性分类方法
3.1分类问题综述与评价准则
3.2Logistic回归
3.3线性判别
3.4上机实践
第4章模型评价与选择
4.1基本概念
4.2理论方法
4.3数据重利用方法
4.4上机实践
第5章决策树与组合方法
5.1决策树
5.2Bagging
5.3Boosting
5.4随机森林
5.5上机实践
第6章神经网络与深度学习
6.1神经网络
6.2深度学习
6.3上机实践
第7章支持向量机
7.1线性可分支持向量机
7.2软间隔支持向量机
7.3一些拓展
7.4上机实践
第8章聚类分析
8.1基于距离的聚类
8.2基于模型和密度的聚类
8.3稀疏聚类
8.4双向聚类
8.5上机实践
第9章系统
9.1基于邻居的
9.2潜在因子与矩阵分解算法
9.3上机实践
0章大数据案例分析
10.1智能手机用户监测数据案例分析
10.2美国航空数据案例分析
参考文献