大数据挖掘与统计机器学习pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

大数据挖掘与统计机器学习PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概述 1

1.1名词演化 1

1.2基本内容 2

1.3数据智慧 4

第2章 线性回归方法 7

2.1多元线性回归 7

2.2压缩方法：岭回归与Lasso 16

2.3 Lasso模型的求解与理论性质 22

2.4损失函数加罚的建模框架 27

2.5上机实践：R 32

2.6上机实践：Python 40

第3章 线性分类方法 52

3.1分类问题综述与评价准则 52

3.2 Logistic回归 55

3.3线性判别 59

3.4上机实践：R 62

3.5上机实践：Python 72

第4章 模型评价与选择 80

4.1基本概念 80

4.2理论方法 83

4.3数据重利用方法 87

4.4上机实践：R 90

4.5上机实践：Python 97

第5章 决策树与组合方法 103

5.1决策树 103

5.2 Bagging 106

5.3 Boosting 111

5.4随机森林 125

5.5上机实践：R 127

5.6上机实践：Python 141

第6章 神经网络与深度学习 152

6.1神经网络 153

6.2深度信念网 165

6.3卷积神经网络 173

6.4上机实践：R 185

6.5上机实践：Python 192

第7章 支持向量机 217

7.1线性可分支持向量机 217

7.2软间隔支持向量机 220

7.3一些拓展 224

7.4上机实践：R 227

7.5上机实践：Python 229

第8章 聚类分析 238

8.1基于距离的聚类 238

8.2基于模型和密度的聚类 243

8.3稀疏聚类 247

8.4双向聚类 250

8.5上机实践：R 255

8.6上机实践：Python 262

第9章 推荐系统 269

9.1基于邻居的推荐 270

9.2潜在因子与矩阵分解算法 275

9.3上机实践：R 279

9.4上机实践：Python 284

第10章 大数据案例分析 286

10.1智能手机用户监测数据案例分析 286

10.2美国航空数据案例分析 300

10.3美国纽约公共自行车数据案例分析 314

参考文献 328