8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 21.13 руб.

Исследования по оптимизации методом частичных наименьших квадратов и их применение в области традиционной китайской медицины Ду Цзяньцян, Не Бинь, Сюн Ванпин Подлинные книги Книжный магазин Синьхуа Флагманский магазин Официальный сайт Вэньсюань Издательство Университета Цинхуа

Цена: 2 530руб.    (¥119.7)
Артикул: 655879429894

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:新华文轩旗舰
Рейтинг:
Всего отзывов:0
Положительных:0
Выберите вариацию / цвет
  • Исследования по оптимизации методом частичных наименьших квадратов и ее применение в области традиционной китайской медицины
Добавить в корзину
Другие товары этого продавца
¥24.3514руб.
¥49.91 055руб.
¥41.52878руб.
¥21444руб.
Регулирование: Исследования по оптимизации методом частичных наименьших квадратов и ее применение в области традиционной китайской медицины
Основная информация
Исследования по оптимизации методом частичных наименьших квадратов и ее применение в области традиционной китайской медицины
Сценарист: Ду Цзяньцян, Не Бинь, Сюн Ванпин
решительный  цена:168
Издательское агентство:Tsinghua University Press
Дата публикации:01 августа 2021 г.
установить  рамка:Твердая обложка
ISBN:9787302568544
Рекомендация главного редактора
"Автор этой книги специально разработал улучшенный метод частичных наименьших квадратов для данных традиционной китайской медицины с такими характеристиками, как многокомпонентность, множество целей, показатели мультиэффективности и нелинейность.Автор систематически развивает принципы моделирования и методы работы системы оптимизационной модели с четырех аспектов: предварительная обработка данных, выбор признаков, нелинейное извлечение признаков и исследование нелинейной регрессии, что имеет большое справочное значение при решении практических задач анализа данных традиционной китайской медицины.Книга имеет разумную структуру, сильный научный и академический характер, а также систематическое и подробное объяснение содержания. Он сочетает в себе преимущества методов анализа проверки фактического набора данных и является строгим с научной точки зрения. Это позволяет читателям всесторонне и систематически понять применение методов оптимизации частичных наименьших квадратов в анализе данных традиционной китайской медицины.Книга богата по содержанию и написана свободно. Это профессиональный академический трактат по медицинской математической статистике, имеющий большое значение...
Каталог
●Глава 1 Введение 001
Глава 2. Базовое выражение данных 005
2.1 Базовые знания данных 005
2.2 Измерение центральной тенденции 006
2.3 Измерение степени дисперсии 010
2.4 Нормальное распределение 011
2.5 Краткое содержание этой главы 012
Глава 3 Общая предварительная обработка данных 013
3.1 Очистка данных 013
3.1.1 Обработка пропущенных значений 013
3.1.2 Шумная обработка данных 015
3.2 Стандартизация данных 016
3.2.1 Централизация данных 017
3.2.2 Безразмерная обработка данных 018
3.2.3 Стандартизация 018
3.3 Краткое содержание этой главы 019
Глава 4. Линейный регрессионный анализ 021
4.1 Модель линейной регрессии 021
4.1.1 Одномерная линейная регрессия 021
4.1.2 Множественная линейная регрессия 022
4.2 Принцип метода наименьших квадратов 023
4.2.1 Вывод метода расчета 023
4.2.2 Свойства оценок параметров совокупности 027
4.3 Проблема мультиколлинеарности 028
4.3.1 Поднятие вопроса 028
4.3.2 Влияние мультиколлинеарности 029
4.3.3 Диагностика мультиколлинеарности 031
4.3.4 Методы решения мультиколлинеарности 033
4.4 Индекс оценки эффекта модели 035
4.4.1 Коэффициент детерминации 035
4.4.2 Среднеквадратическая ошибка 037
4.5 Краткое содержание этой главы 038
Глава 5. Модель линейной регрессии частичных наименьших квадратов 039
5.1 Основные идеи и принципы алгоритмов 039
5.1.1 Основная идея 039
5.1.2 Принцип алгоритма 040
5.1.3 Перекрестная достоверность 043
5.2 Основные свойства алгоритмов 044
5.3 Основные методы анализа 048
5.3.1 Анализ главных компонентов 048
5.3.2 Типичный корреляционный анализ 051
5.3.3 Вспомогательный анализ эллиптической диаграммы Т2 054
5.3.4 Технология вспомогательного анализа значимости переменной проекции 055
5.4 Краткое содержание данной главы 056
Глава 6 Идеи применения метода частичных наименьших квадратов в области традиционной китайской медицины 057
6.1 Экспериментальные данные традиционной китайской медицины 057
6.1.1 Источник данных 057
6.1.2 Характеристики данных 061
6.2 Общая идея и стратегия анализа 061
6.2.1 Общая идея и цели 061
6.2.2 Стратегия анализа 063
6.3 Краткое содержание главы 065
Глава 7 Оптимизация метода предварительной обработки данных частичного наименьших квадратов 066
7.1 Поднятие вопроса 066
7.2 Обработка пропущенных значений частичного наименьших квадратов на основе шумоподавления разреженного автоэнкодера 067
7.2.1 Разреженный автоэнкодер с шумоподавлением 067
7.2.2 Создание модели оптимизации 070
7.2.3 План эксперимента и анализ результатов 071
7.3 Обработка шума частичным методом наименьших квадратов на основе нерадиального анализа огибающей данных 074
7.3.1 Анализ нерадиального охвата данных 074
7.3.2 Создание модели оптимизации 076
7.3.3 План эксперимента и анализ результатов 080
7.4 Краткое содержание главы 083
Глава 8. Исследование оптимизации выбора вспомогательных функций методом частичных наименьших квадратов 084
8.1 Поднятие вопроса 084
8.2 Метод выбора функции 084
8.2.1 Сопутствующие определения 085
8.2.2 Процесс выбора функции 086
8.2.3 Виды методов 087
8.3 Выбор признаков частичного метода наименьших квадратов на основе корреляции признаков 088
8.3.1 Метод выбора признаков на основе корреляции 088
8.3.2 Создание модели оптимизации 089
8.3.3 План эксперимента и анализ результатов 091
8.4 Выбор функции частичного наименьших квадратов на основе регуляризации L1 094
8.4.1 Метод ЛАССО 094
8.4.2 Создание модели оптимизации 098
8.4.3 План эксперимента и анализ результатов 102
8.5 Выбор признаков частичного метода наименьших квадратов на основе корреляции Грея 111
8.5.1 Корреляционный анализ Грея 111
8.5.2 Создание модели оптимизации 112
8.5.3 План эксперимента и анализ результатов 116
8.6 Краткое содержание этой главы 118
Глава 9 Модель нелинейной оптимизации для извлечения компонентов методом частичных наименьших квадратов 120
9.1 Постановка вопроса 120
9.2 Модель оптимизации методом частичных наименьших квадратов, объединяющая ограниченные машины Больцмана 121
9.2.1 Ограниченная машина Больцмана 121
9.2.2 Создание модели оптимизации 124
9.2.3 План эксперимента и анализ результатов 126
9.3 Модель оптимизации методом частичных наименьших квадратов, объединяющая разреженные автоэнкодеры 129
9.3.1 Автоэнкодеры 129
9.3.2. Создание разреженного автоэнкодера 131
9.3.3 Создание модели оптимизации 131
9.3.4 План эксперимента и анализ результатов 134
9.4 Модель оптимизации методом частичных наименьших квадратов, объединяющая сеть глубоких убеждений 137
9.4.1 Сеть глубоких убеждений 137
9.4.2 Создание модели оптимизации 139
9.4.3 План эксперимента и анализ результатов 141
9.5 Краткое содержание этой главы 144
Глава 10. Модель нелинейной оптимизации регрессии частичных наименьших квадратов 146
10.1 Постановка вопроса 146
10.2 Частичная оптимизация деревьев объединенной модели методом наименьших квадратов 146
10.2.1 Дерево модели 147
10.2.2 Создание нелинейной модели 149
10.2.3 План эксперимента и анализ результатов 151
10.3 Частичная оптимизация методом наименьших квадратов Объединение случайного леса 154
10.3.1 Случайный лес 154
10.3.2 Создание нелинейной модели 156
10.3.3 План эксперимента и анализ результатов 159
10.4 Частичная оптимизация методом наименьших квадратов с помощью softmax fusion 162
10.4.1 softmax 162
10.4.2 Создание нелинейной модели 163
10.4.3 План эксперимента и анализ результатов 166
10.5 Краткое содержание данной главы 170
Глава 11. Резюме и перспективы 173
11.1 Преимущества метода частичных наименьших квадратов 173
11.2 Недостатки метода частичных наименьших квадратов 174
11.3 Перспективы частичного наименьших квадратов 176
Приложение А Профессиональная терминология 178
Приложение B. Руководство пользователя по оптимизации многофункциональной системы анализа данных методом частичных наименьших квадратов 179
Приложение C. Информационный листок экспериментальных данных традиционной китайской медицины 202.
Введение в контент
Всего в книге 11 глав: глава 1 — введение; Главы 2–5 объясняют базовые знания в области интеллектуального анализа данных и статистики; В главе 6 обсуждаются идеи применения метода частичных наименьших квадратов в области традиционной китайской медицины и рассматривается контекст; Главы с 7 по 10 соответственно оптимизируют метод частичных наименьших квадратов с четырех точек зрения: предварительная обработка данных, выбор признаков, исследование нелинейного извлечения признаков и исследование нелинейной регрессии, а также чередуются с введением соответствующих базовых алгоритмов для облегчения понимания читателями; В главе 11 представлены резюме и перспективы. В этой книге главы упорядочены в соответствии с общими этапами интеллектуального анализа данных, предлагается модель оптимизации, основанная на проблеме, и подробно описывается содержание модели путем объединения теории, методов и экспериментов. Содержание этой книги представлено от поверхностного к глубокому, от простого к сложному, шаг за шагом, и подходит для чтения преподавателями, научными исследователями и разработчиками лекарств в колледжах и университетах традиционной китайской медицины.
Об авторе
Сценарист: Ду Цзяньцян, Не Бинь, Сюн Ванпин
Ду Цзяньцян, доктор философии, профессор, научный руководитель, вице-президент Университета традиционной китайской медицины Цзянси, академические лидеры молодого и среднего возраста в колледжах и университетах Цзянси, один из миллионов инженерных талантов провинции Цзянси в новом веке и президент образовательного отделения Китайского общества информации традиционной китайской медицины.Проект, которым он руководил, получил Национальную премию за выдающиеся достижения в области преподавания, и он руководил 17 научно-исследовательскими проектами национального, провинциального и министерского уровня.