[
-
内容大纲
本书从大数据与商务决策的基本概念出发，首先阐述了“大数据时代，不能忽略小数据分析”的观点，解释了大数据分析与传统的数据分析和挖掘之间的关系。在这一理念基础上，全书在统计学习方法的统一框架下，在能够正确评价分类器优劣方法学习的基础上，兼顾了监督学习和非监督学习的模型介绍，按照章节顺序，分别介绍了“感知机与神经网络”、“贝叶斯分类方法”、“k邻近法”、“聚类算法”、“EM算法”和“随机行动者模型”，并用通俗的语言解释了相关模型的原理。在上述模型的基础上，本书在收尾章节重点介绍了“大数据分析的工具和框架”，其是进一步应用小数据分析与挖掘成果的基础，也是现代商务决策中不可或缺的研究工具。 -
作者介绍
-
目录
第一章 基本概念
第一节 大数据的概念及其分析的一般思路
一、大数据概念探析
二、大数据时代不可忽略的小数据分析
第二节 商务决策的概念以及一般步骤
一、决策与商务决策
二、商务决策的一般步骤
三、商务决策的一个例子
第三节 数据分析与商务决策的关系及一些典型示例
一、两者之间的关系
二、典型示例
第四节 各章节内容及各章的重点难点
习题一
本章参考文献
第二章 统计学习方法概述
第一节 一个导入性的例子
第二节 统计学习方法的三要素及其含义
一、模型
二、策略
三、算法
习题二
本章参考文献
第三章 分类器模型的评价标准及提升策略
第一节 分类器模型的一般形式
第二节 评价分类器准确性的指标
一、Accuracy，Precision，Recall和F-measure
二、Cost
三、ROC和AUC
第三节 提高分类器准确性的方法
一、袋装法
二、自适应增强方法
习题三
本章参考文献
第四章 感知机与神经网络
第一节 概念介绍
第二节 感知机
一、感知机模型
二、感知机学习策略
三、感知机学习算法
四、感知机学习算法的收敛性
第三节 人工神经网络
一、神经元模型
二、神经网络的结构
三、神经网络的学习规则
第四节 BP神经网络算法
一、BP神经网络算法基本原理
二、BP神经网络算法的流程及算例
三、模型应用讨论
习题四
本章参考文献
第五章 贝叶斯分类方法
第一节 贝叶斯定理
一、条件概率
二、贝叶斯定理
第二节 贝叶斯定理在分类中的应用概述
一、分类问题概述
二、贝叶斯定理在分类中运用的基本原理
第三节 朴素贝叶斯分类方法
一、概念及主要方法描述
二、方法流程及算例
习题五
本章参考文献
第六章 k近邻算法
第一节 k近邻算法基本原理
第二节 k近邻模型
一、模型
二、距离度量
三、k值的选择
四、分类决策规则：与统计学习方法一般模型的关系
第三节 后近邻算法的实现：kd-树
一、构造kd-树
二、搜索kd-树
第四节 商务决策案例及应用：员工离职预测
一、数据说明
二、问题描述
三、模型求解
四、结果总结及讨论
习题六
本章参考文献
第七章 聚类算法
第一节 聚类分析基本概念
一、性能度量
二、距离计算
第二节 聚类算法的分类
一、基于划分的方法
二、基于层次的方法
三、基于密度的方法
第三节 k均值算法
一、基本原理
二、算法流程
第四节 BIRCH算法
一、聚类特征(CF)
二、聚类特征树(CF-tree)
第五节 DBSCAN算法
一、基本原理
二、算法流程
第六节 方法总结与讨论
习题七
本章参考文献
第八章 EM算法及其应用
第一节 EM算法的基本流程
一、从三硬币问题的方法导入
二、极大似然估计与牛顿法求解“三枚硬币问题”
三、EM算法的基本步骤
第二节 EM算法的来源
一、EM算法的来源推导
二、EM算法的收敛性分析
第三节 EM算法的应用举例
习题八
本章参考文献
第九章 随机行动者模型
第一节 随机行动者模型简介
第二节 随机行动者模型
一、基本假设
二、模型说明
三、参数估计
第三节 效应说明
一、网络结构效应
二、一元属性
三、二元属性
四、效应选择的规则
第四节 模型应用
习题九
本章参考文献
第十章 大数据处理及应用示例
第一节 数据规模的认识
第二节 大数据处理框架简介
第三节 Hadoop处理框架
一、HDFS：分布式文件系统
二、MapReduce：分布式计算框架
三、Yam：资源调度管理
第四节 商务决策实战
一、流量统计与地点聚类
二、地址标签匹配
第五节 讨论与小结
习题十
本章参考文献
同类热销排行榜
[an error occurred while processing this directive]推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...