幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

大數據與商務決策(東北大學雙一流建設研究生教材)

  • 作者：編者:李永立//樊治平//姜艷萍|責編:孫鋒//邱靜
  • 出版社：東北大學
  • ISBN：9787551724715
  • 出版日期：2020/08/01
  • 裝幀：平裝
  • 頁數：149
人民幣：RMB 42 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書從大數據與商務決策的基本概念出發，首先闡述了「大數據時代，不能忽略小數據分析」的觀點，解釋了大數據分析與傳統的數據分析和挖掘之間的關係。在這一理念基礎上，全書在統計學習方法的統一框架下，在能夠正確評價分類器優劣方法學習的基礎上，兼顧了監督學習和非監督學習的模型介紹，按照章節順序，分別介紹了「感知機與神經網路」、「貝葉斯分類方法」、「k鄰近法」、「聚類演算法」、「EM演算法」和「隨機行動者模型」，並用通俗的語言解釋了相關模型的原理。在上述模型的基礎上，本書在收尾章節重點介紹了「大數據分析的工具和框架」，其是進一步應用小數據分析與挖掘成果的基礎，也是現代商務決策中不可或缺的研究工具。
作者介紹
編者:李永立//樊治平//姜艷萍|責編:孫鋒//邱靜
目錄
第一章  基本概念
  第一節  大數據的概念及其分析的一般思路
    一、大數據概念探析
    二、大數據時代不可忽略的小數據分析
  第二節  商務決策的概念以及一般步驟
    一、決策與商務決策
    二、商務決策的一般步驟
    三、商務決策的一個例子
  第三節  數據分析與商務決策的關係及一些典型示例
    一、兩者之間的關係
    二、典型示例
  第四節  各章節內容及各章的重點難點
  習題一
  本章參考文獻
第二章  統計學習方法概述
  第一節  一個導入性的例子
  第二節  統計學習方法的三要素及其含義
    一、模型
    二、策略
    三、演算法
  習題二
  本章參考文獻
第三章  分類器模型的評價標準及提升策略
  第一節  分類器模型的一般形式
  第二節  評價分類器準確性的指標
    一、Accuracy，Precision，Recall和F-measure
    二、Cost
    三、ROC和AUC
  第三節  提高分類器準確性的方法
    一、袋裝法
    二、自適應增強方法
  習題三
  本章參考文獻
第四章  感知機與神經網路
  第一節  概念介紹
  第二節  感知機
    一、感知機模型
    二、感知機學習策略
    三、感知機學習演算法
    四、感知機學習演算法的收斂性
  第三節  人工神經網路
    一、神經元模型
    二、神經網路的結構
    三、神經網路的學習規則
  第四節  BP神經網路演算法
    一、BP神經網路演算法基本原理
    二、BP神經網路演算法的流程及算例
    三、模型應用討論
  習題四
  本章參考文獻

第五章  貝葉斯分類方法
  第一節  貝葉斯定理
    一、條件概率
    二、貝葉斯定理
  第二節  貝葉斯定理在分類中的應用概述
    一、分類問題概述
    二、貝葉斯定理在分類中運用的基本原理
  第三節  樸素貝葉斯分類方法
    一、概念及主要方法描述
    二、方法流程及算例
  習題五
  本章參考文獻
第六章  k近鄰演算法
  第一節  k近鄰演算法基本原理
  第二節  k近鄰模型
    一、模型
    二、距離度量
    三、k值的選擇
    四、分類決策規則：與統計學習方法一般模型的關係
  第三節  后近鄰演算法的實現：kd-樹
    一、構造kd-樹
    二、搜索kd-樹
  第四節  商務決策案例及應用：員工離職預測
    一、數據說明
    二、問題描述
    三、模型求解
    四、結果總結及討論
  習題六
  本章參考文獻
第七章  聚類演算法
  第一節  聚類分析基本概念
    一、性能度量
    二、距離計算
  第二節  聚類演算法的分類
    一、基於劃分的方法
    二、基於層次的方法
    三、基於密度的方法
  第三節  k均值演算法
    一、基本原理
    二、演算法流程
  第四節  BIRCH演算法
    一、聚類特徵(CF)
    二、聚類特徵樹(CF-tree)
  第五節  DBSCAN演算法
    一、基本原理
    二、演算法流程
  第六節  方法總結與討論
  習題七
  本章參考文獻
第八章  EM演算法及其應用

  第一節  EM演算法的基本流程
    一、從三硬幣問題的方法導入
    二、極大似然估計與牛頓法求解「三枚硬幣問題」
    三、EM演算法的基本步驟
  第二節  EM演算法的來源
    一、EM演算法的來源推導
    二、EM演算法的收斂性分析
  第三節  EM演算法的應用舉例
  習題八
  本章參考文獻
第九章  隨機行動者模型
  第一節  隨機行動者模型簡介
  第二節  隨機行動者模型
    一、基本假設
    二、模型說明
    三、參數估計
  第三節  效應說明
    一、網路結構效應
    二、一元屬性
    三、二元屬性
    四、效應選擇的規則
  第四節  模型應用
  習題九
  本章參考文獻
第十章  大數據處理及應用示例
  第一節  數據規模的認識
  第二節  大數據處理框架簡介
  第三節  Hadoop處理框架
    一、HDFS：分散式文件系統
    二、MapReduce：分散式計算框架
    三、Yam：資源調度管理
  第四節  商務決策實戰
    一、流量統計與地點聚類
    二、地址標籤匹配
  第五節  討論與小結
  習題十
  本章參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032