Подлинная точная десятка алгоритмов Всемирно известный компьютерный учебник выбор учебник из учебника
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Название: десятка лучших алгоритмов
Автор: [MEI] Wu Xindong Kumar отредактировал, Ли Венбо Ву Суян переведен
Пресса: издательство Tsinghua University Press
Время публикации: 2013-5
Издание: 1
Время печати: 2016-12
Раздел: 5
Количество страниц: 154
Слова: 256000
Открыто: 16
Рамка
ISBN: 9787302310617
Цена: 39,00
«Десять лучших алгоритмов интеллектуального анализа данных», под редакцией Wu Xindong и Komar, подробно представили фактическое использование десяти алгоритмов интеллектуального анализа данных. Кластеризация, кластеризация, кластеризация и кластеризация, кластеризация и кластеризация.После каждой главы это также дает множество упражнений и тщательно отобранных ссылок.
(1) объяснили десять алгоритмов интеллектуального анализа данных, рекомендованных экспертами в области интеллектуального анализа данных, широко используемых и влияющих на Zui.
(2) В -глубиневом анализе каждого алгоритма, включая историю алгоритма, процесс алгоритма, характеристики алгоритма, реализация программного обеспечения, разработка режущихся и т. Д.
(3) Конец каждой главы дает богатые упражнения и тщательно выбранные ссылки.
《世界 计算机 教材 精选 ： 数据 十 十 算法 算法 详细 介绍 了 在 实际 中 用途 影响 十 种 挖掘 算法 ， 十 种 算法 数据 挖掘 领域 的 专家 投票 筛选 的 ， 覆盖 、 、 领域 的 进行 筛选 的 覆盖 分类 聚类 、 Важные исследования исследования и разработки данных, такие как статистическое обучение, анализ ассоциации и анализ ссылок.«Выбор всемирно известных компьютерных учебных материалов: десять лучших алгоритмов данных», проводимых в ходе -диптом анализах каждого алгоритма, включая историю алгоритмов, процесс алгоритма, характеристики алгоритма, реализация программного обеспечения, режущая разработка и т. Д. дал множество упражнений и тщательно отобранные ссылки.
Xindong Wu, который является доктором науки искусственного интеллекта в Университете Эдинбургского университета, является директором факультета компьютерных наук Университета Вермонта.Профессор Ву сделал большие достижения в области исследований, таких как интеллектуальный анализ данных, система знаний и разработка веб -информации. и www.Он также выиграл тезисную награду IEEE ICTAI-2005 и теоретическую / алгоритм-премию, занимающую второе место IEEE ICDM-2007.
Доктор Ву является редактором -в ходе IEEE Trancactzons по знаниям и разработке данных (спонсируемой IEEE Computer Society), а также основателем и председателем основателя и комитета руководства Международного контентационного контента IEEE (ICDM) (ICDM) .&КП) редакторы.Он все еще ICDM 'Он выиграл премию ACM Sigkdd 2004 года и награду IEEE IEEE IEEE IEEE.“План вознаграждения ученых Чанцзян”Профессор лекции.Он также является специальным экспертом/специальным репортером многих академических конференций, таких как NSF-NGDM ' 07, PAKDD-07, IEEE EDOC ' 06, IEEE ICTAI ' 04, IEEE/WICLACM WI & # 39; 04liaat &# 39; 04, Seke 2002 и PADD-97.
Випин Кумар, профессор, профессор и директор факультета кафедры компьютерных наук и инженерии в Университете Миннесоты.Он получил степень бакалавра в области электроники и коммуникации в Институте технологии Университета Руерки (официальное название Университет Руруки) в 1977 году, получил степень магистра в области электронного инженера в Голландском международном колледже Eindhohin Feipu в 1979 году и получил университет. Мэриленда в 1982 году доктора философии в области компьютерных наук от школы Паркер.Интерес профессора Кумара в основном сосредоточен в области интеллектуального анализа данных, биологической информации и вычислений с высокой эффективностью.Он предложил эффективный параллельный алгоритм и программное обеспечение, которое оценило масштабируемость масштабируемости параллельного алгоритма и разработал различные разложения разреженной матрицы (PSPASE) и диаграмму (Metis, Parmctis, Hmetis).Он опубликовал более 200 исследовательских работ, объединив 9 академических монографий, в том числе широко используемое учебник введений в параллельные вычисления и интруидацию с интеллектуальным анализом данных.Кумар является председателем или со стороны Академической конференции и специального семинара в области интеллектуального анализа данных и мультипаллельных вычислений. Международная конференция по добыче данных.Кумар является редактором журнала по статистике и интеллектуальному анализу данных——, IEEE Intellagent в редакторе бюллетеня и данных о добыче данных и знаниях о предоставлении данных (опубликовано CRC Press / Chapman Hall).Кумар также служил редакторами для многих других академических журналов, таких как анализ данных и обнаружение Kno-Woldge, знания и информационные системы, Бюллетень Intelticence Ieeeeeenal, ежегодный обзор Inttign в форматике, параллельный компонент, журнал параллельных и распределенных вычислений, IEEE TRANSACTIONS of Data and Kno-Wledge Engineering (1993-1997), IEEE Concurrency (1997-2000), and IEEE PARALLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLEL and distribud technology.Он является членом членов ACM, IEEE, AAAS и SIAM.Кумар получил награду за технические достижения компьютерного общества IEEE в области проектирования параллельных алгоритмов, показателей диаграмм и интеллектуального анализа данных.
DY Глава C4.5
1.1 Введение
1.2 Описание алгоритма
1.3 Особенности алгоритма
1.3.1 Обрезка дерева решений
1.3.2 Непрерывный атрибут
1.3.3 Отсутствие обработки стоимости
1.3.4 Индукция набора правил
1.4 Реализация программного обеспечения
1,5 Пример
1.5.1 Набор данных для гольфа
1.5.2 Набор данных сои
1.6 Advanced Theme
1.6.1 II хранение
1.6.2 косое дерево решений
1.6.3 Выбор функций
1.6.4 Интегрированный метод
1.6.5 Правила классификации
1.6.6 Модель реконструкция
1.7 Упражнения
Рекомендации
Глава 2 K-среды
2.1 Введение
2.2 Описание алгоритма
2.3 Доступно
2.4 Пример
2.5 Advanced Theme
2.6 Резюме
2.7 Упражнения
Рекомендации
Глава 3 SVM:
3.1 Поддержка векторного классификатора
3.2 Оптимизация мягкого интервала опорного векторного классификатора
3.3 Ядерные навыки
3.4 Теоретическое основание
3.5 Устройство поддержки векторной регрессии
3.6 Реализация программного обеспечения
3.7 Текущие и будущие исследования
3.7.1 Вычислительная эффективность
3.7.2 Выбор ядерной ядерной
3.7.3 Анализ обобщения
3.7.4 Структурная поддержка векторного обучения обучению
3.8 Упражнение
Рекомендации
Глава 4 Apriori
4.1 Введение
4.2 Описание алгоритма
4.2.1 Копание частых режимов и связанных с ними правил
4.2.2 Режим копания последовательности
4.2.3 Обсуждение
4.3 Реализация программного обеспечения
4.4 Пример
4.4.1. Возможные примеры
4.4.2 Оценка эффективности
4.5 Advanced Theme
4.5.1. Улучшение частого режима типа Apriori
4.5.2 Частый режим не -кандидата
4.5.3 Покрементный метод
4.5.4 Плотное представление: закрытый режим и основной режим Zui
4.5.5 Правила количественной ассоциации
4.5.6. Другие методы измерения степени / процентной степени
4.5.7 Правила ассоциации категорий
4.5.8. Используйте больше распространенных форм: последовательность, дерево и картина
4.6 Резюме
4.7 Упражнения
Рекомендации
Глава 5 Эм
5.1 Введение
5.2 Описание алгоритма
……
Глава 6 PageRank
Глава 7 Adaboost
Глава 8 Knn! K-Zui рядом с соседями
Глава 9 Наивный Байес
DY 0 CART: Классификация и Дерево возврата