欧美一级特黄大片色欧美精,亚洲aaaaa无码中文字幕,久久午夜福利无码1000合集

內(nèi)容簡介

　　《數(shù)據(jù)分析基礎(chǔ)及模型》共分7章，主要內(nèi)容包括：第1章介紹了相關(guān)的算子理論基本定義和概念；第2章介紹了數(shù)據(jù)分析的數(shù)理統(tǒng)計基礎(chǔ)，包括常用統(tǒng)計分布、分布函數(shù)的變換、收斂性、MCMC 采樣、隨機逼近；第3章引入了數(shù)據(jù)分析中常見的矩陣計算和分解的相關(guān)理論和方法；第4章闡述了一些數(shù)據(jù)分類模型；第5章介紹了流行的降維理論和方法；第6章論述了聚類分析相關(guān)理論和算法；第7章討論了在線學習的理論和方法?！稊?shù)據(jù)分析基礎(chǔ)及模型》亦注重算法的Matlab 實現(xiàn)，書中包含了一些算法的Matlab程序?！稊?shù)據(jù)分析基礎(chǔ)及模型》可作為高等院校計算機科學與技術(shù)、電子商務(wù)、云計算、數(shù)據(jù)挖掘和分析、信息檢索等專業(yè)的教學參考書，也可作為大數(shù)據(jù)領(lǐng)域工程人員的參考用書。

作者簡介

暫缺《數(shù)據(jù)分析基礎(chǔ)及模型》作者簡介

圖書目錄

第1章算子理論基礎(chǔ)
1.1 基本概念和定義
1.2 常用不等式
小結(jié)及深入的主題
第2章統(tǒng)計分析基礎(chǔ)
2.1 基本概念
2.2 常見分布及Matlab實現(xiàn)
2.5 收斂性
2.6 隨機逼近
小結(jié)及深入的主題
第3章矩陣分解與計算
3.1 基本概念
3.2 矩陣分解與降維
小結(jié)及深入的主題
第4章分類模型
4.1 貝葉斯推斷
4.2 高斯混合模型（GMM）
4.3 Logistic回歸
4.4 判別分析
4.5 集成學習（Ensemble Learning）
小結(jié)及深入的主題
第5章數(shù)據(jù)降維方法
5.1 主成分分析（PCA）
5.2 擴展的PCA模型
5.3 流形學習
5.4 譜聚類
5.5 典型譜聚類算法及其性能分析
小結(jié)及深入的主題
第6章聚類分析
6.1 經(jīng)典聚類模型
6.2 核聚類模型
6.3 常見算法性能的分析與比較
小結(jié)及深入的主題
第7章在線學習
7.1 引言
7.2 模型和算法
2.3 模型復(fù)雜性及選擇
7.4 算法收斂性、收斂速度和誤差界
7.5 典型應(yīng)用
小結(jié)及深入的主題
附錄A 常用參數(shù)和指標
A.1 期望和方差
A.2 偏度（Skewness）
A.3 峰度（Peakrless／Kurtosis）
附錄B 度量
B.1 相關(guān)性度量
B.2 距離度量
附錄C Cramer-Rao不等式
附錄D 中英文對照表