数据科学与数学建模PDF电子书下载

电子书积分：9 积分如何计算积分？
作者：郝志峰主编；李杨，刘小兰，廖芹副主编
出版社：武汉：华中科技大学出版社
出版年份：2019
ISBN：9787568049351
页数：162 页

图书介绍：现有的本科、研究生“数据挖掘”、“数据科学”、“数学建模”等同类教材大多数偏重于模型和算法的理论介绍，对于一些非985的一本、二本工科院校计算机、信息相关专业的学生，理论基础不够扎实，这种教材编写方式不利于学生理论联系实际，往往课堂上学习了算法的理论模型，既不会自己编程实现，又不能用于解决实际问题，造成了理论和实际脱节。本教材的定位是理论联系案例，最大程度的帮助学生利用课堂所学知识学以致用。教材中除了既有算法的理论部分，又为每一个或每一类算法配一个或多个具有代表性、贴近实际应用的典型案例，通过对教材案例的学习，学生能够掌握一类问题的解决方法。例如，神经网络的案例是手写字识别，朴素贝叶斯的案例是垃圾邮件分类，通过这样的典型案例，学生很容易扩展到垃圾短信等其它同类问题的解决上。教材的理论部分基于主编老师2009年出版的《数据挖掘与数学建模》一书稍作改编和删减。案例部分全部重新改写，基于目前机器学习领域主流的编程语言Python的一些基础库，如scikit-learn，pandas，numpy实现。案例数据使用一些贴近实际应用，有代表性的UCI、kaggle公开数据集，把一部分核心代码和案例

查看图书目录点击购买PDF全本电子书

上一篇：美好再生长寿命建筑改造术下一篇：电子元器件从入门到精通

《数据科学与数学建模》目录

标签：主编数学建模建模数学科学

第1章绪论 1

1.1 数据科学概述 1

1.2 数据科学的建模流程 2

1.3 Python 语言开发环境与库入门 6

第2章回归模型 13

2.1 概述 13

2.2 线性回归 13

2.3 线性回归案例 18

2.4 逻辑回归 24

2.5 逻辑回归案例 28

第3章聚类模型 33

3.1 概述 33

3.2 K-means聚类 36

3.3 密度聚类 41

3.4 层次聚类 42

3.5 案例 50

第4章关联规则 60

4.1 概述 60

4.2 Apriori算法 63

4.3 基于Apriori算法的改进算法 66

4.4 FP-Growth算法 68

4.5 关联规则案例 71

第5章决策树 79

5.1 概述 79

5.2 ID3算法 81

5.3 C4.5 算法 85

5.4 CART算法 87

5.5 决策树的剪枝 90

5.6 案例 92

第6章支持向量机 102

6.1 概述 102

6.2 线性支持向量机 102

6.3 非线性支持向量机 107

6.4 支持向量机的求解与多分类问题 110

6.5 新闻文本分类案例 111

6.6 scikit-learn库中的SVM 114

第7章贝叶斯网络 116

7.1 概述 116

7.2 朴素贝叶斯网络 120

7.3 TAN贝叶斯网络 125

7.4 无约束贝叶斯网络 129

7.5 利用朴素贝叶斯网络进行垃圾邮件的过滤 132

7.6 scikit-learn库中的Naive-Bayes分类 135

第8章深度学习 137

8.1 概述 137

8.2 多层感知机 140

8.3 卷积神经网络 147

8.4 循环神经网络 150

8.5 构建卷积神经网络模型对CIFAR图片数据集分类 152

8.6 TensorFlow的基本用法 157

参考文献 161

相关图书

作者其它书籍

出版社其它书籍

本类热门