目录:Contents
序 Foreword
前言 Preface
第一部分:机器学习工具与技术
第1章 绪论 What's it all about?
1.1 数据挖掘和机器学习
说明结构模式
机器学习
数据挖掘
1.2 简单例子:天气问题和其它
天气问题
隐形眼镜:一个理想化的问题 Contact lenses: An idealized problem
鸢尾花:一个一流的数值型数据集 Irises: A classic numeric dataset
CPU性能:介绍数值的预测 CPU performance: Introducing numeric prediction
劳资协商: 一个更实际的例子 Labor negotiations: A more realistic example
大豆分类法:一个经典的机器学习的成功案例 Soybean classification: A classic machine
learning success
1.3 应用领域
包括评判的决策 Decisions involving judgment
筛选图像 Screening images 图像筛选
负载预测 Load forecasting
诊断 调查分析 Diagnosis
市场和销售 Marketing and sales
其它应用 Other applications
1.4 机器学习和统计学 statistics
1.5 用于搜索的概括总结 Generalization as search
各种概念 Enumerating the concept space 枚举概念空间
倾向性 Bias 偏差
1.6 数据挖掘和伦理观 数据挖掘和道德
1.7 补充读物
第2章 输入:概念、实例和属性
2.1 概念
2.2 样本
2.3 属性
2.4 输入准备
数据整理 Gathering the data together 数据收集
ARFF文件格式 ARFF format
稀疏型的数据 Sparse data
属性类型 Attribute types
遗漏的值 Missing values 残缺值
不准确的值 Inaccurate values
了解你的数据 Getting to know your data
2.5 补充读物
第3章 输出:知识表达 Knowledge representation
3.1 决策表 Decision tables
3.2 决策树 Decision trees
3.3 分类规则 Classification rules
3.4 关联规则 Association rules
3.5 包含例外的规则 Rules with exceptions
3.6 包含联系的规则 Rules involving relations
3.7 数据预测树 Trees for numeric prediction
3.8 基于实例的表达 Instance-based representation
3.9 Clusters 聚类
3.10 补充读物 Further reading
第4章 算法:基本方法 Algorithms:The basic methods
4.1推断基本规则:Inferring rudimentary rules
遗漏的数值和数据属性 Missing values and numeric attributes 残缺值和数值属性
论述 Discussion 讨论
4.2 统计模型 Statistical modeling 统计建模
遗漏的数值和数据属性 残缺值和数值属性
用于文档分类的贝叶斯定理模型 Bayesian models for document classification
讨论 Discussion
4.3 分治法:创建决策树 Divide-and-conquer:Constructing decision trees
计算信息量 Calculation information
高度分支属性 Highly branching attributes
讨论
4.4 覆盖算法:建立规则 Covering algorithms:Constructing rules
对比规则和树 Rules versus trees
一个简单的覆盖算法 A simple covering algorithm
规则和决策对比表 Rules versus decision lists 规则与决策列
4.5 挖掘关联规则 Mining association rules
条目集或项目集 Item sets 项集
关联规则 Association rules
建立有效的规则 Generating rules efficiently 有效地建立规则
讨论
4.6 线性模型 Linear models
数据预测:线性回归 Numeric prediction:Linear regression
线性预测:逻辑回归 Logistic regression
应用感知器的线性分类 Linear classification using the perceptron
应用辨别筛选的线性分类 Linear classification using Winnow
4.7 基于实例的学习
距离函数 The distance function
高效的发现近邻 Finding nearest neighbors efficiently 有效地寻找最近邻
讨论
4.8 聚类 Clustering
基于距离的迭代聚类 Iterative distance-based clustering
更快的距离计算 Faster distance calculations 快速的距离计算
讨论
4.9 补充读物
第5章 可信度:评估机器学习成果 Credibility:Evaluating what's been learned
5.1 训练和测试
5.2 预测性能 Prdicting performance
5.3 交叉验证 Cross-validation
5.4 其它估计法 estimates
留一交叉校验法 Leave-one-out
仿真程序 The bootstrap 自引导法
5.5 比较数据挖掘方法
5.6 预测概率
二次方程损耗函数 Quadreatic loss function
信息损耗函数 Informational loss function
讨论
5.7 计算成本
敏感成本分类 Cost-sensitive classification 成本敏感分类
敏感成本学习 Cost-sensitive learning
升降图表 Lift charts 上升图
无线曲线 Roc curves ROC曲线
回叫精确曲线 Recall-precision curves 反馈率-精确率曲线
讨论
成本曲线 Cost curves
5.8 评估数字预测 Evaluating numeric prediction
5.9 最短表达(描述)长度原理 The minimum description length principle
5.10 聚类方法中应用MDL原理 Applying the MDL principle to clustering
5.11 补充读物
第6章 实现:真正的机器学习方案 Real machine learning schemes
6.1 决策树 Decision trees
数值属性 Numeric attributes
筛选值 Missing values
修剪整理 Pruning
估算错误比率 Estimating error rates
复杂决策树介绍 Complexity of decision tree induction
从树到规则 From trees to rules
精选和任意选择 C4.5 Choices and options
论述
6.2 分类规则 Classification rules
选择标准测试 Criteria for choosing tests
筛选值和数值属性 Missing values numeric attributes
创建良好的规则 Generating good rules
应用全局优化 Using global optimization
从局部决策树获取规则 Obtaining rules from partial decision trees
包含例外的规则 Rules with exception
6.3 扩展线性模型 Extending linear models
最大边缘超平面 The maximum margin hyperplane
非线性类别边界 Nonlinear class bou
数据挖掘:实用机器学习技术
来源:互联网 发布日期:2011-09-29 17:06:38 浏览:24345次
导读:数据挖掘:实用机器学习技术_21涂丫_新浪博客,21涂丫,...
相关热词: 数据挖掘:实用机器学习技术_21涂丫_新浪博客 21涂丫 w
相关内容
- 法媒:人形机器人比赛,中美已经开跑
- 苹果终止电车项目后大裁员,押注家用机器人,这会是Next Big Thing吗?
- 李彦宏上车直播:汽车机器人就是未来,相当于司机和助理
- 如何参与机器人浪潮?——中国共振,机器人元年来临
- 人形机器人登陆英伟达GTC大会,产业发展已成趋势
- 因会产生烧焦气味,日本世嘉玩具公司召回猫咪机器人
- 人形机器人产业热度超乎想象 商业化与降本难题亟待破解
- Kria开发板搭配QNX软件,AMD、黑莓宣布合作推进下一代机器人系统
- 机器人即将迎来“ChatGPT时刻”的三个原因
- 人形机器人公司星动纪元携手临港集团,其“小星家族”获姚期智点赞
- 优必选:在为人形机器人Walker S年底小批量量产做准备
- AI Pioneers|星海图高继扬:人形机器人不是具身智能的唯一答案
- 波士顿动力推出全新电动 Atlas 人形机器人:更强更灵活
- “下一个大事件”,消息称苹果公司将进入家庭机器人领域
- 第一个具有情商的聊天机器人来了,这可能是未来 Siri 的样子
- 苹果中国工厂回收机器人首次露面,规避了哪些电子回收弊端?
- 马斯克:“擎天柱”机器人仍在试验阶段 最早明年年底上市
- 苹果从汽车转向家用机器人,机器人100ETF(159530)投资机会备受关注
- 马斯克:可能在明年年底前出售特斯拉人形机器人 Optimus
- 投资300亿!机器人产业爆发:几大趋势
AiLab云推荐
最新资讯
- 马斯克:可能在明年年底前出售特斯拉人形机器人 Optimus
- 苹果中国工厂回收机器人首次露面,规避了哪些电子回收弊端?
- 特斯拉或将在2025年底前销售人形机器人Optimus,机器人100ETF(159530)一度涨超1%
- 马斯克:“擎天柱”机器人仍在试验阶段 最早明年年底上市
- 马斯克称最快明年底前开卖人形机器人Optimus!网友:真能那么快吗?
- 外媒:马斯克透露,“擎天柱”机器人仍在试验阶段,最早明年年底上市
- 投资300亿!机器人产业爆发:几大趋势
- 人形机器人公司星动纪元携手临港集团,其“小星家族”获姚期智点赞
- 因会产生烧焦气味,日本世嘉玩具公司召回猫咪机器人
- AI Pioneers|星海图高继扬:人形机器人不是具身智能的唯一答案
本月热点
- 人形机器人崛起:OpenAI、微软洽谈投资Figure AI,望募资5亿美元
- OpenAI 悄悄升级 ChatGPT:可在对话中调用不同的自定义聊天机器人 | 懂点AI
- 麒麟信安入股超能机器人 或尝试打开新业绩增长点?公司最新回应来了
- Limbic开发AI心理咨询机器人,帮用户避免与人类交流可能引发的焦虑感
- 灿瑞科技:已有产品应用于消费级机器人领域
- 英伟达官宣AI聊天机器人,本地RTX显卡运行,这是要挑战OpenAI?
- 人形机器人企业暂时得救了
- Meta联合研发家务机器人,能在零人力帮助下自主整理房间
- 端到端纯视觉!OpenAI押注的人形机器人献艺拜年了
- 波士顿动力 Atlas 机器人能力升级,可灵活搬运汽车零件
热门排行
-
斯坦福家政机器人火了但又翻车了!多数是真人操控编排的
阅读量:165342
-
斯坦福团队发布新机器人Mobile Aloha,人形机器人将迎来产业元年?
阅读量:163010
-
我的同事是 GPT-4 机器人,我们在 Slack 上一起工作
阅读量:159435
-
谷歌起草“机器人宪法”,以确保 AI 机器人不会伤害人类
阅读量:157575
-
人形机器人崛起:OpenAI、微软洽谈投资Figure AI,望募资5亿美元
阅读量:101736
-
大疆回应停售青少年教育产品:将资源聚焦在大学生高校机器人赛事
阅读量:65393
推荐内容
- 2024年香港礼品及赠品展览会
- 2024第26届山东国际水展
- 2024第七届中国(昆明)南亚社会公共安全科技博览会
- 2024第二十六届山东国际供热供暖、暖炉及空调技术与设备展览会(JINNOC国际供热展)
- 2024中国昆山第二十四届国际机床及智能装备展览会
- 2024晋冀鲁豫国际门窗幕墙展览会
- 2024第10届深圳国际IP授权产业博览会(CIPE)
- 2024深圳国际文创新品展
- 2024厦门日化产品技术供应链博览会-打造东南国际市场新坐标!
- 2024CXBE厦门美妆供应链博览会
- 2024第19届潍坊春季茶业博览会暨紫砂展
- 2024长春第十八届连锁加盟创业项目展览会暨2024 东北长春餐博会暨首届预制菜展览会
- 海名·2024第九届西安餐饮供应链博览会
- 2024第三十二届中国(深圳)国际礼品及家居用品展览会(深圳礼品展)
- 2024第二十届中国(上海)国际医疗旅游展览会
- 2024年科隆东盟少儿用品展览会 (Kind+Jugen ASEAN 2024)
- 2024中国(太原)国际锂电池技术设备展览会
- 2024年法国巴黎国际工程机械展
- 2024年俄罗斯第23届国际石油和天然气工业设备及技术展览会
- 第四届中国国际数字产品博览会