《地球科学大数据挖掘与机器学习》PDF下载

  • 购买积分:11 如何计算积分?
  • 作  者:周永章,张良均,张奥多,王俊著
  • 出 版 社:广州:中山大学出版社
  • 出版年份:2018
  • ISBN:9787306064097
  • 页数:269 页
图书介绍:本书是我国第一部地质科学大数据与机器学习教材。它系统介绍地球科学大数据挖掘与机器学习的基本框架与原理,重点分析高维数据的降维、分类与预测、大图形社区结构识别、无限流数据处理、机器学习及人工智能地质学的建模过程,对必要的应用场景,使用Python语言给出案例。本书是中山大学研究生试用的研究型教材基础上完善而成,对运用大数据挖掘与机器学习算法解决具体的地球科学问题大有裨益。本书适合作为地质科学领域高年级本科生和研究生教材,也可供科研人员研究时参考。

第1章 绪论 1

1.1 科学研究第四范式 1

1.2 地球科学数据 3

1.3 大数据挖掘的基本任务 7

1.4 大数据挖掘建模过程 8

1.5 常用数据挖掘建模工具 10

第2章 数据清洗与预处理 15

2.1 数据清洗 15

2.2 数据集成与融合 19

2.3 数据变换 22

2.4 数据规约 26

2.5 离群点检测 31

2.6 Python主要数据预处理函数 37

第3章 高维数据的降维 44

3.1 相关分析 44

3.2 典型相关分析 47

3.3 哈希算法 51

3.4 主成分分析 56

3.5 因子分析 58

3.6 Python算法实现 64

3.7 应用案例 69

第4章 分类与预测 73

4.1 回归分析 73

4.2 聚类分析 84

4.3 判别分析 97

4.4 关联规则算法 102

4.5 推荐系统算法 108

4.6 Python算法的实现 114

第5章 图形数据处理 129

5.1 计算机图形基础 129

5.2 数字图像处理 134

5.3 图像模式识别 139

5.4 大图形的社区结构识别 142

5.5 基于图的拓扑结构相似度的地质文献与信息检索 150

5.6 实现图形数据处理的算法 155

第6章 无限流数据与时间序列 159

6.1 无限流数据与时序模式 159

6.2 无限流数据特征提取 160

6.3 时间序列算法 163

6.4 Python算法的实现 171

第7章 机器学习与深度学习 177

7.1 机器学习的发展史 177

7.2 机器学习分类 178

7.3 SVM 180

7.4 决策树 183

7.5 人工神经网络 188

7.6 深度学习 192

7.7 迁移学习 200

7.8 Python算法的实现 203

第8章 贝叶斯原理与人工智能地质学 208

8.1 贝叶斯原理 208

8.2 人工智能 209

8.3 智能矿床成矿与找矿模型 210

8.4 基于大数据智能鉴定矿物岩石实验 211

附录Ⅰ Python入门 221

1.1 搭建Python开发平台 221

1.2 Python使用入门 222

1.3 Python数据分析工具 231

附录Ⅱ TipDM-PB数据挖掘建模平台 240

2.1 新建工程入门 240

2.2 使用模板入门 249

参考文献 251