書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
大數(shù)據(jù)分析方法與應(yīng)用

大數(shù)據(jù)分析方法與應(yīng)用

作者：耿秀麗 著
出版社：機(jī)械工業(yè)出版社出版時間：2024-10-01
開本： 16開 頁數(shù)： 213
中 圖 價:¥47.8(8.1折) 定價  ¥59.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

大數(shù)據(jù)分析方法與應(yīng)用 版權(quán)信息

大數(shù)據(jù)分析方法與應(yīng)用 本書特色

1）選取的均是在實際應(yīng)用中表現(xiàn)穩(wěn)定、應(yīng)用前景廣泛的大數(shù)據(jù)分析技術(shù)。
2）通過軟件操作步驟、代碼實現(xiàn)和結(jié)果可視化提供易學(xué)易用的學(xué)習(xí)指導(dǎo)。
3）在各算法的原理講解中融入多個經(jīng)典案例，各章附有對應(yīng)案例和習(xí)題。
4）配套提供電子課件、習(xí)題答案、教學(xué)大綱、知識點視頻。

大數(shù)據(jù)分析方法與應(yīng)用 內(nèi)容簡介

本書將理論與應(yīng)用結(jié)合，介紹了大數(shù)據(jù)技術(shù)、大數(shù)據(jù)分析方法以及大數(shù)據(jù)倫理規(guī)范等基礎(chǔ)知識，可供讀者入門學(xué)習(xí)使用。本書共9章，包括大數(shù)據(jù)概述、數(shù)據(jù)分析基礎(chǔ)、回歸分析、聚類算法、推薦算法、文本挖掘、啟發(fā)式算法、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)。各章都附有對應(yīng)案例和習(xí)題，以幫助讀者理解和應(yīng)用。 本書作為大數(shù)據(jù)公共通識課程的導(dǎo)論教材，為高校學(xué)生選修大數(shù)據(jù)課程編寫，主要面向大數(shù)據(jù)應(yīng)用型人才培養(yǎng)，也可供相關(guān)技術(shù)人員參考。

大數(shù)據(jù)分析方法與應(yīng)用 目錄

前言
第1章大數(shù)據(jù)概述
11大數(shù)據(jù)的相關(guān)概念
111大數(shù)據(jù)的背景與來源
112大數(shù)據(jù)的概念與特征
113大數(shù)據(jù)的數(shù)據(jù)類型
114《“十四五”大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃》與“5V”
12對科學(xué)研究和經(jīng)濟(jì)社會的影響
121對科學(xué)研究的影響
122對經(jīng)濟(jì)社會的影響
123大數(shù)據(jù)技術(shù)發(fā)展趨勢
13大數(shù)據(jù)的研究現(xiàn)狀
14大數(shù)據(jù)發(fā)展的機(jī)遇與挑戰(zhàn)
141機(jī)遇
142挑戰(zhàn)
15大數(shù)據(jù)分析的相關(guān)概念
151大數(shù)據(jù)分析的概念
152大數(shù)據(jù)分析與傳統(tǒng)數(shù)據(jù)分析的比較
153大數(shù)據(jù)分析的流程
154大數(shù)據(jù)分析的基礎(chǔ)模型
16大數(shù)據(jù)的應(yīng)用
習(xí)題
參考文獻(xiàn)
第2章數(shù)據(jù)分析基礎(chǔ)
21數(shù)據(jù)的類型與分布
211總體和樣本
212定性數(shù)據(jù)和定量數(shù)據(jù)
213截面數(shù)據(jù)和時間序列數(shù)據(jù)
22變量之間的關(guān)系
221協(xié)方差
222相關(guān)系數(shù)
23數(shù)據(jù)的可視化——基于Excel的應(yīng)用
231散點圖
232柱形圖和折線圖
233數(shù)據(jù)透視表
24數(shù)據(jù)的輸入
241數(shù)據(jù)的輸入方法
242數(shù)據(jù)有效性
243條件函數(shù)IF
244函數(shù)VLOOKUP
習(xí)題
第3章回歸分析
31線性和非線性回歸
311線性回歸及其Excel中的實現(xiàn)
312*小二乘回歸
313非線性回歸及其Excel中的實現(xiàn)
32多元回歸
321多元回歸的概念
322多重共線性
323多元回歸及其SPSS中的實現(xiàn)
324居民存款影響因素多元回歸案例分析
33嶺回歸
331嶺回歸的概念
332嶺回歸及其在SPSS中的實現(xiàn)
333居民存款影響因素嶺回歸案例分析
34LASSO回歸
341LASSO回歸的概念
342LASSO回歸及其SPSS中的
實現(xiàn)
343居民存款影響因素LASSO回歸案例分析
習(xí)題
參考文獻(xiàn)
第4章聚類算法
41聚類的原理
42K-Means聚類
421K-Means聚類算法的原理
422K-Means聚類算法在MATLAB中的實現(xiàn)
43K*近鄰算法
431K*近鄰算法的原理
432K*近鄰算法在MATLAB中的實現(xiàn)
433鳶尾花分類案例分析
44模糊C-均值算法
441模糊C-均值算法的原理
442模糊C-均值算法在MATLAB中的實現(xiàn)
443用戶需求聚類案例分析
習(xí)題
參考文獻(xiàn)
第5章推薦算法
51協(xié)同過濾推薦算法
511基于用戶的協(xié)同過濾算法
512基于商品的協(xié)同過濾算法
513案例分析1：二手汽車交易平臺推薦
514案例分析2：著名電影推薦
52協(xié)同過濾算法常見的問題以及對策
521冷啟動問題及對策
522稀疏性問題及對策
53基于內(nèi)容的推薦算法
531基于結(jié)構(gòu)化內(nèi)容的推薦
532基于非結(jié)構(gòu)化內(nèi)容的推薦
54基于模型的推薦算法
55基于關(guān)聯(lián)規(guī)則的推薦算法
56信息隱私與基于隱私保護(hù)的方案推薦方法
561信息隱私
562基于隱私保護(hù)的方案推薦方法
57信息污染與信任推薦算法
571信息污染
572信任推薦算法
58信息繭房
習(xí)題
參考文獻(xiàn)
第6章文本挖掘
61文本挖掘的應(yīng)用價值
62文本挖掘的流程
621文本挖掘的關(guān)鍵技術(shù)
622文檔收集方法
623分詞技術(shù)
624詞的表示形式
625文本特征屬性處理
63LDA主題模型
631LDA主題模型介紹
632吉布斯采樣
633LDA主題模型訓(xùn)練過程
64基于LDA主題模型的客戶需求挖掘案例分析
習(xí)題
參考文獻(xiàn)
第7章啟發(fā)式算法
71啟發(fā)式算法的基本原理
711啟發(fā)式函數(shù)
712搜索策略
72啟發(fā)式算法的類型
721仿動物類啟發(fā)式算法
722仿植物類啟發(fā)式算法
73遺傳算法及其實現(xiàn)
731遺傳算法的原理
732遺傳算法的步驟
733遺傳算法的計算機(jī)實現(xiàn)
74粒子群算法及其實現(xiàn)
741粒子群算法的原理
742粒子群算法的步驟
743粒子群算法的計算機(jī)實現(xiàn)
75物流配送中心選址案例分析
習(xí)題
參考文獻(xiàn)
第8章支持向量機(jī)
81支持向量機(jī)的原理
811支持向量機(jī)的由來
812支持向量機(jī)的發(fā)展
82支持向量機(jī)算法
821支持向量機(jī)的模型算法
822支持向量機(jī)模型優(yōu)化算法
823核函數(shù)
824支持向量機(jī)算法的計算機(jī)實現(xiàn)
83支持向量機(jī)算法參數(shù)優(yōu)化
831模糊支持向量機(jī)
832*小二乘支持向量機(jī)
833粒子群算法優(yōu)化支持向量機(jī)
84算法應(yīng)用及案例分析
習(xí)題
參考文獻(xiàn)
第9章神經(jīng)網(wǎng)絡(luò)
91發(fā)展歷程
92基礎(chǔ)模型
921神經(jīng)元
922網(wǎng)絡(luò)結(jié)構(gòu)
93典型神經(jīng)網(wǎng)絡(luò)
931反向傳播神經(jīng)網(wǎng)絡(luò)
932卷積神經(jīng)網(wǎng)絡(luò)
933長短期記憶網(wǎng)絡(luò)
94人工智能的中立性
95信息不公
96應(yīng)用案例
961卷積用于情感分析
962LSTM用于預(yù)測：滑坡位移預(yù)測
97數(shù)字技術(shù)倫理規(guī)范
習(xí)題
參考文獻(xiàn)
展開全部

大數(shù)據(jù)分析方法與應(yīng)用 作者簡介

耿秀麗，教授，博士生導(dǎo)師，上海市（第三期）重點學(xué)科、上海市一流學(xué)科、上海市高原學(xué)科“管理科學(xué)與工程”成員，上海市高水平學(xué)科創(chuàng)新團(tuán)隊成員，上海市工程管理學(xué)會秘書長，美國北卡羅萊納州立大學(xué)工業(yè)與系統(tǒng)工程系訪問學(xué)者。主要從事產(chǎn)品服務(wù)工程，質(zhì)量管理，決策理論與方法等方向研究。主持國家自然科學(xué)基金、工信部民機(jī)重大專項及其他省部級項目5項，出版專著1本，發(fā)表SCI論文20余篇，中文核心期刊80余篇，以主要完成人獲得上海市科技進(jìn)步獎二等獎1項、三等獎1項。在Comput Ind Eng、Expert Syst Appl、《中國管理科學(xué)》、《計算機(jī)集成制造系統(tǒng)》等國內(nèi)外核心期刊上發(fā)表論文100余篇，以主要完成人獲得上海市科技進(jìn)步獎二等獎1項、三等獎1項。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服