數據挖掘與機器學習 : PMML 建模 (下)

潘風文，黃春芳著

數據挖掘與機器學習 : PMML 建模 (下)

買這商品的人也買了...

中文年末書展｜繁簡參展書2書75折 詳見活動內容 »

相關主題

商品描述

本書詳細描述了PMML規範（Ver4.3）所支持的8種模型：神經網絡模型、
決策樹模型、規則集模型、序列模型、評分卡模型、支持向量機模型、時間序列模型和聚合模型。
全書不是簡單地介紹PMML語法，而是融合各種挖掘模型基礎知識和算法知識，
告訴開發者如何融會貫通地掌握、使用PMML語言，不僅能夠學習到標準的PMML模型表達方式，
而且能學習機器學習模型的豐富知識，從而熟練地把PMML語言應用到自己的項目實踐中。
本書可供從事數據挖掘（機器學習）、人工智能係統開發的軟件開發者和愛好者學習使用，
也可以作為高等院校大數據和人工智能等相關專業的教材。

目錄大綱

目錄
1神經網絡模型（NeuralNetwork）
1.1神經網絡模型基礎知識
1.2神經網絡模型算法簡介
1.3神經網絡模型元素
1.3.1模型屬性
1.3.2模型子元素
1.3.3評分應用過程

2決策樹模型（TreeModel）
2.1決策樹模型基礎知識
2.1.1決策樹模型簡介
2.1.2邏輯謂詞表達式
2.2決策樹模型算法簡介
2.2.1卡方自動交互檢驗算法（CHAID）
2.2.2疊代二叉樹ID3
2.2.3分類器C4.5和C5.0
2.2.4分類與回歸樹算法CART
2.3決策樹模型元素
2.3.1模型屬性
2.3.2模型子元素
2.3.3評分應用過程

3規則集模型（RuleSetModel）
3.1規則集模型基礎知識
3.2規則集模型元素
3.2.1模型屬性
3.2.2模型子元素
3.2.3評分應用過程

4序列模型（SequenceModel）
4.1序列模型基礎知識
4.2序列模型算法簡介
4.2.1 GSP算法
4.2.2 SPADE算法
4.2.3 PrefixSpan算法
4.3序列模型元素
4.3.1模型屬性
4.3.2模型子元素
4.3.3評分應用過程

5評分卡模型（Scorecard）
5.1評分卡模型基礎知識
5.2評分卡模型算法簡介
5.3評分卡模型元素
5.3.1模型屬性
5.3.2模型子元素
5.3.3評分應用過程

6支持向量機模型（SupportVectorMachineModel）
6.1支持向量機模型基礎知識
6.2支持向量機模型算法簡介
6.3支持向量機模型元素
6.3.1模型屬性
6.3.2模型子元素
6.3.3評分應用過程

7時間序列模型（TimeSeriesModel ）
7.1時間序列模型基礎知識
7.2時間序列模型算法簡介
7.2.1算法概述
7.2.2指數平滑算法
7.3時間序列模型元素
7.3.1模型屬性
7.3.2模型子元素
7.3.3評分應用過程

8聚合模型（MiningModel ）
8.1模型聚合基礎知識
8.2挖掘模型MiningModel
附錄
後記
 

類似商品

最後瀏覽商品 (20)