推荐商品
  • Pba 淘宝网最热美容护肤品牌
  • 每一秒都在燃烧你的脂肪 健康瘦身
  • 健康绿色减肥 就是这样轻松!
  • 时尚内衣 塑造完美身形!
  • 麦包包 周年庆典包包折扣
  • 祛斑美白 不再做个灰脸婆
大数据元启发式算法教程 处理异质化的海量数据 应对大数据挑战 数据挖掘数据分析教程 机器学习与大数据算法实战
  • 市场价格:69
  • 促销价格:54
  • 商品编码:560136229302
  • 商品分类:启发式算法
  • 商品所在地:北京
  • 商品来源:天猫
  • 发布时间:2018-09-04 07:55:25
商品详细信息 -

大数据元启发式算法教程 处理异质化的海量数据 应对大数据挑战 数据挖掘数据分析教程 机器学习与大数据算法实战


目录

第 1 章︰优化与大数据
1.1大数据环境
1.1.1.大数据环境示例
1.1.2.定义
1.1.3大数据面临的挑战
1.1.4.元启发式算法和大数据
1.2大数据中的知识发现
1.2.1.数据挖掘与知识发现
1.2.2.主要数据挖掘任务
1.2.3.数据挖掘任务作为优化问题
1.3数据挖掘算法的性能分析
1.3.1.环境
1.3.2.一个或多个数据集评估
1.3.3.存储库和数据集
1.4本章小结
第 2 章︰元启发式算法简介
2.1引言
2.1.1.组合优化问题
2.1.2.解决组合优化问题
2.1.3.优化方法的主要类型
2.2元启发式算法的通用概念
2.2.1.表示/编码
2.2.2约束满意度
2.2.3.优化标准/目标函数
2.2.4.性能分析
2.3基于单一解决方案/本地搜索的方法
2.3.1.方案领域
2.3.2.爬山算法
2.3.3.禁忌搜索
2.3.4.模拟退火和阈值接受法
2.3.5.结合局部搜索方法
2.4基于总体的元启发式算法
2.4.1.进化计算
2.4.2.群智能
2.5多目标元启发式算法
2.5.1.多目标优化的基本概念
2.5.2.使用元启发式算法优化法进行多目标优化
2.5.3.多目标性能评估
2.6本章小结
















3.3并行元启发式算法的基础设施和技术





3.4.2.效率
3.4.3.串行分数
3.5本章小结
第 4 章︰元启发式算法与聚类算法
4.1任务描述
4.1.1.划分法
4.1.2.层次法
4.1.3.基于网格法
4.1.4.基于密度法
4.2大数据与聚类分析
4.3优化模型
4.3.1.组合问题
4.3.2.质量测量
4.3.3.表示
4.4方法概述
4.5验证
4.5.1.内部验证
4.5.2.外部验证
4.6本章小结
第 5 章︰元启发式算法与关联规则
5.1任务描述和经典算法
5.1.1.初始化问题
5.1.2.先验算法
5.2优化模型
5.2.1.组合问题
5.2.2.质量测量
5.2.3.单目标还是多目标问题?
5.3关联规则挖掘问题的元启发式算法概述

5.3.1.一般性
5.3.2.分类关联规则的元启发式算法
5.3.3.定量关联规则的进化算法

5.3.4.模糊关联规则的元启发式算法
5.4总表
5.5本章小结





第 6 章︰元启发式算法与(监督)分类
6.1任务描述和标准算法
6.1.1.问题描述
6.1.2.KZUI近邻分类算法(K-NN)
6.1.3.决策树
6.1.4.朴素贝叶斯算法
6.1.5.人工神经网络
6.1.6.支持向量机
6.2优化模型
6.2.1.组合问题
6.2.2.质量测量
6.2.3.监督分类的性能评估方法
6.3构建标准分类器的元启发式算法
6.3.1.K-NN算法优化
6.3.2.决策树
6.3.3.ANN算法优化
6.3.4.SVM算法优化
6.4元启发式算法分类规则
6.4.1.建模
6.4.2.目标函数
6.4.3.算子
6.4.4.算法
6.5本章小结

第 7 章︰使用元启发式算法在分类中进行特征选择

7.1任务描述
7.1.1.筛选器模型
7.1.2.封装器模型
7.1.3.嵌入式模型
7.2优化模型
7.2.1.组合优化问题
7.2.2.表示
7.2.3.算子
7.2.4.质量测量
7.2.5.验证
7.3.方法概述
7.4本章小结

第 8 章︰框架

8.1设计元启发式算法的框架
8.1.1.Easylocal++
8.1.2.HeuristicLab
8.1.3. jMetal
8.1.4.Mallba
8.1.5.ParadisEO
8.1.6.ECJ
8.1.7.OpenBeagle
8.1.8.JCLEC
8.2.数据挖掘框架
8.2.1.Orange
8.2.2.R 与 Rattle GUI
8.3元启发式算法数据挖掘框架
8.3.1.RapidMiner
8.3.2.WEKA
8.3.3.KEEL
8.3.4.MO-Mine
8.4.本章小结
内容介绍

本书的DIYI部分介绍了如何使用通用启发式演算法来客服数据挖掘过程中的问题,此外还提供了对算法的性能评估的特定协议。然后介绍了通用启发式演算法。本书的第二部分详细描述了一系列的数据挖掘难题,包括分类归并、关联规则、监督分类法以及特征选择,然后解释了如何通过通用启发式演算法处理这些问题。这本书介绍非常齐全,因此读者可以理解书中的所有概念,并且提供了将通用启发式演算法应用到从大数据信息挖掘的相关方法总览。
作者介绍

Clarisse DHAENENS、Laetitia JOURDAN,两人均是法国里尔大学的教授,CRIStAL实验室和法国guojia信息与自动化研究所的研究团队成员。
关联推荐

处理异质化的海量数据,应对大数据挑战







































































































































































相关商品
友情链接: