数据分析基础及模型PDF电子书下载

电子书积分：10 积分如何计算积分？
作者：管涛著
出版社：合肥：合肥工业大学出版社
出版年份：2015
ISBN：9787565023170
页数：209 页

图书介绍：大数据是随着信息技术的发展而诞生的一个科学领域，在学术界和工程界中得到了广泛的研究和应用，为社会的发展带来了收益、人们的生活带来了便利。本书重点阐述了与复杂数据处理紧密相关的数学领域和原理，同时，也介绍了当今流行的一些数据分析模型和方法。全书分七章，主要内容包括：第一章，介绍了算子理论；第二章介绍了数据分析的统计基础；第三章论述了矩阵计算和分解的相关理论和方法；第四章介绍了一些概率分类模型；第五章阐述了降维理论和方法；第六章论述了聚类分析相关理论和算法；第七章阐述了在线学习的理论和方法。

查看图书目录点击购买PDF全本电子书

上一篇：概率论与数理统计下一篇：物理化学实验

《数据分析基础及模型》目录

标签：数据分析模型基础分析数据

第1章算子理论基础 1

1.1基本概念和定义 1

1.2常用不等式 7

小结及深入的主题 12

第2章统计分析基础 15

2.1基本概念 16

2.2常见分布及Matlab实现 22

2.5收敛性 42

2.6随机逼近 45

小结及深入的主题 48

第3章矩阵分解与计算 53

3.1基本概念 53

3.2矩阵分解与降维 58

小结及深入的主题 70

第4章分类模型 75

4.1贝叶斯推断 75

4.2高斯混合模型（GMM） 80

4.3Logistic回归 94

4.4判别分析 96

4.5集成学习（Ensemble Learning） 98

小结及深入的主题 100

第5章数据降维方法 113

5.1主成分分析（PCA） 113

5.2扩展的PCA模型 115

5.3流形学习 118

5.4谱聚类 119

5.5典型谱聚类算法及其性能分析 127

小结及深入的主题 136

第6章聚类分析 143

6.1经典聚类模型 143

6.2核聚类模型 147

6.3常见算法性能的分析与比较 150

小结及深入的主题 151

第7章在线学习 155

7.1引言 155

7.2模型和算法 157

7.3模型复杂性及选择 176

7.4算法收敛性、收敛速度和误差界 179

7.5典型应用 183

小结及深入的主题 186

附录A 常用参数和指标 201

A.1期望和方差 201

A.2偏度（Skewness） 201

A.3峰度（Peakness/Kurtosis） 201

附录B 度量 202

B.1相关性度量 202

B.2距离度量 203

附录C Cramer-Rao不等式 206

附录D 中英文对照表 208

相关图书

作者其它书籍

出版社其它书籍

本类热门