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

大數據分析(高等院校數據科學與大數據專業互聯網+創新規劃教材)

  • 作者：編者:王道平//宋雨情|責編:鄭雙
  • 出版社：北京大學
  • ISBN：9787301328507
  • 出版日期：2022/08/01
  • 裝幀：平裝
  • 頁數：205
人民幣：RMB 39 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以大數據分析的相關理論和方法為主線，首先介紹了大數據分析所需的預備知識和常用的降維方法，然後介紹了數據挖掘、時間序列分析、人工神經網路等大數據分析方法，最後介紹了大數據分析和大數據可視化的常用工具，並講解了其相應的操作。
    本書既可以作為高等院校和高職院校數據科學與大數據、大數據管理與應用、軟體工程及相關專業的教材，也可以供系統分析師、系統架構師、軟體開發工程師和項目經理以及其他學習大數據技術的讀者閱讀和參考。
作者介紹
編者:王道平//宋雨情|責編:鄭雙
    王道平，男，1964年出生，博士。1982年考入清華大學電腦系，1999年至2001年在清華大學從事博士后研究工作，美國得克薩斯大學阿靈頓商學院高級訪問學者，現為北京科技大學經濟管理學院教授。博士生導師。主要研究方向為供應鏈與物流管理、智能管理信息系統等。承擔國家自然科學基金課題2項，省部級課題多項，主編的教材《現代物流信息技術》和《供應鏈設計理論與方法》被評為北京市高等教育精品教材。
目錄
第1章  大數據分析概論
  1.1  大數據分析的產生背景與基礎
    1.1.1  大數據分析的產生背景
    1.1.2  大數據分析的基礎
  1.2  大數據分析的概念與基本原理
    1.2.1  大數據分析的概念
    1.2.2  大數據分析的基本原理
  1.3  大數據分析的對象、過程和價值
    1.3.1  大數據分析的對象
    1.3.2  大數據分析的過程
    1.3.3  大數據分析的價值
  本章小結
  習題
第2章  大數據分析預備知識
  2.1  模型評估與選擇
    2.1.1  經驗誤差與過擬合
    2.1.2  評估方法
    2.1.3  性能度量
  2.2  假設檢驗
    2.2.1  假設檢驗的基本概念
    2.2.2  正態總體參數的假設檢驗
  2.3  方差分析
    2.3.1  問題的提出
    2.3.2  單因子方差分析統計模型
    2.3.3  平方和分解
    2.3.4  檢驗方法
  本章小結
  習題
第3章  大數據分析常用降維方法
  3.1  線性判別分析
    3.1.1  線性判別分析概述
    3.1.2  線性判別分析的計算過程
    3.1.3  線性判別分析的優點和缺點
    3.1.4  線性判別分析的應用
  3.2  主成分分析
    3.2.1  主成分分析概述
    3.2.2  主成分分析的計算過程
    3.2.3  主成分分析的提取標準
    3.2.4  主成分分析的應用
  3.3  因子分析
    3.3.1  因子分析概述
    3.3.2  因子分析的模型
    3.3.3  因子分析的計算過程
    3.3.4  因子分析的應用
  本章小結
  習題
第4章  大數據分析常用方法
  4.1  關聯分析
    4.1.1  關聯分析的概念
    4.1.2  Apriori演算法

    4.1.3  FP-Growth演算法
    4.1.4  關聯規則的評估
  4.2  分類分析
    4.2.1  分類分析的概念
    4.2.2  樸素貝葉斯分類
    4.2.3  決策樹
    4.2.4  支持向量機
    4.2.5  分類模型的評估
  4.3  聚類分析
    4.3.1  聚類分析的概念
    4.3.2  k-means演算法
    4.3.3  k-medoids演算法
    4.3.4  DBSCAN演算法
    4.3.5  聚類結果的評估
  本章小結
  習題
第5章  時間序列分析
  5.1  時間序列分析法概述
    5.1.1  時間序列的概念
    5.1.2  時間序列的分類
    5.1.3  時間序列分析法的分類
  5.2  確定性時間序列分析法
    5.2.1  移動平均法
    5.2.2  指數平滑法
    5.2.3  季節指數法
  5.3  隨機性時間序列分析法
    5.3.1  平穩性時間序列分析
    5.3.2  非平穩性時間序列分析
    5.3.3  異方差時間序列分析
  本章小結
  習題
第6章  人工神經網路
  6.1  人工神經網路概述
    6.1.1  人工神經網路簡介
    6.1.2  人工神經網路在大數據中的應用
  6.2  人工神經網路模型
    6.2.1  多層感知器
    6.2.2  徑向基函數神經網路
    6.2.3  Kohonen網路
  6.3  學習規則
    6.3.1  Hebb學習規則
    6.3.2  Perceptron學習規則
    6.3.3  σ學習規則
    6.3.4  LMS學習規則
    6.3.5  Correlation學習規則
    6.3.6  Winner-Take-All學習規則
  6.4  神經網路訓練演算法
    6.4.1  梯度下降演算法
    6.4.2  演化演算法
    6.4.3  遺傳演算法

  本章小結
  習題
第7章  大數據分析工具
  7.1  數據透視表
    7.1.1  數據透視表的功能
    7.1.2  數據透視表的相關操作
    7.1.3  數據透視表分析
  7.2  Python數據分析庫
    7.2.1  Python的安裝和設置
    7.2.2  常用的Python數據分析庫
    7.2.3  Python在大數據分析中的應用
  7.3  Tableau
    7.3.1  Tableau的系列產品
    7.3.2  Tableau的應用優勢
    7.3.3  Tableau的數據連接
    7.3.4  Tableau在網站內容評估中的應用
  本章小結
  習題
第8章  大數據可視化
  8.1  大數據可視化概述
    8.1.1  大數據可視化的概念
    8.1.2  大數據可視化的作用
    8.1.3  大數據可視化的應用
  8.2  大數據可視化的基礎和表現形式
    8.2.1  大數據可視化的原則和步驟
    8.2.2  統計圖表可視化方法
    8.2.3  不同類型數據和圖形的展示
  8.3  大數據可視化工具
    8.3.1  Tableau的可視化功能
    8.3.2  ECharts工具簡介
  本章小結
  習題
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