书籍详情
数据挖掘与机器学习：PMML建模（下）
作者：潘风文，黄春芳 著
出版社：化学工业出版社
出版时间：2020-09-01
ISBN：9787122369871
定价：¥99.00
购买这本书可以去
内容简介
本书详细描述了PMML规范（Ver4.3）所支持的8种模型：神经网络模型、决策树模型、规则集模型、序列模型、评分卡模型、支持向量机模型、时间序列模型和聚合模型。全书不是简单地介绍PMML语法，而是融合各种挖掘模型基础知识和算法知识，告诉开发者如何融会贯通地掌握、使用PMML语言，不仅能够学习到标准的PMML模型表达方式，而且能学习机器学习模型的丰富知识，从而熟练地把PMML语言应用到自己的项目实践中。 本书可供从事数据挖掘（机器学习）、人工智能系统开发的软件开发者和爱好者学习使用，也可以作为高等院校大数据和人工智能等相关专业的教材。
作者简介
暂缺《数据挖掘与机器学习：PMML建模（下）》作者简介
目录
1 神经网络模型（NeuralNetwork） 1
1.1 神经网络模型基础知识 2
1.2 神经网络模型算法简介 5
1.3 神经网络模型元素 9
1.3.1 模型属性 10
1.3.2 模型子元素 14
1.3.3 评分应用过程 28
2 决策树模型（TreeModel） 29
2.1 决策树模型基础知识 30
2.1.1 决策树模型简介 30
2.1.2 逻辑谓词表达式 31
2.2 决策树模型算法简介 33
2.2.1 卡方自动交互检验算法（CHAID） 33
2.2.2 迭代二叉树ID3 42
2.2.3 分类器C4.5和C5.0 47
2.2.4 分类与回归树算法CART 53
2.3 决策树模型元素 54
2.3.1 模型属性 56
2.3.2 模型子元素 59
2.3.3 评分应用过程 68
3 规则集模型（RuleSetModel） 79
3.1 规则集模型基础知识 80
3.2 规则集模型元素 80
3.2.1 模型属性 81
3.2.2 模型子元素 81
3.2.3 评分应用过程 89
4 序列模型（SequenceModel） 93
4.1 序列模型基础知识 94
4.2 序列模型算法简介 97
4.2.1 GSP算法 97
4.2.2 SPADE算法 101
4.2.3 PrefixSpan算法 103
4.3 序列模型元素 104
4.3.1 模型属性 106
4.3.2 模型子元素 107
4.3.3 评分应用过程 118
5 评分卡模型（Scorecard） 119
5.1 评分卡模型基础知识 120
5.2 评分卡模型算法简介 121
5.3 评分卡模型元素 131
5.3.1 模型属性 132
5.3.2 模型子元素 134
5.3.3 评分应用过程 143
6 支持向量机模型（SupportVectorMachineModel） 145
6.1 支持向量机模型基础知识 146
6.2 支持向量机模型算法简介 148
6.3 支持向量机模型元素 152
6.3.1 模型属性 154
6.3.2 模型子元素 155
6.3.3 评分应用过程 164
7 时间序列模型（TimeSeriesModel） 167
7.1 时间序列模型基础知识 168
7.2 时间序列模型算法简介 171
7.2.1 算法概述 172
7.2.2 指数平滑算法 173
7.3 时间序列模型元素 176
7.3.1 模型属性 177
7.3.2 模型子元素 178
7.3.3 评分应用过程 192
8 聚合模型（MiningModel） 195
8.1 模型聚合基础知识 196
8.2 挖掘模型MiningModel 197
附录 225
后记 227
1.1 神经网络模型基础知识 2
1.2 神经网络模型算法简介 5
1.3 神经网络模型元素 9
1.3.1 模型属性 10
1.3.2 模型子元素 14
1.3.3 评分应用过程 28
2 决策树模型（TreeModel） 29
2.1 决策树模型基础知识 30
2.1.1 决策树模型简介 30
2.1.2 逻辑谓词表达式 31
2.2 决策树模型算法简介 33
2.2.1 卡方自动交互检验算法（CHAID） 33
2.2.2 迭代二叉树ID3 42
2.2.3 分类器C4.5和C5.0 47
2.2.4 分类与回归树算法CART 53
2.3 决策树模型元素 54
2.3.1 模型属性 56
2.3.2 模型子元素 59
2.3.3 评分应用过程 68
3 规则集模型（RuleSetModel） 79
3.1 规则集模型基础知识 80
3.2 规则集模型元素 80
3.2.1 模型属性 81
3.2.2 模型子元素 81
3.2.3 评分应用过程 89
4 序列模型（SequenceModel） 93
4.1 序列模型基础知识 94
4.2 序列模型算法简介 97
4.2.1 GSP算法 97
4.2.2 SPADE算法 101
4.2.3 PrefixSpan算法 103
4.3 序列模型元素 104
4.3.1 模型属性 106
4.3.2 模型子元素 107
4.3.3 评分应用过程 118
5 评分卡模型（Scorecard） 119
5.1 评分卡模型基础知识 120
5.2 评分卡模型算法简介 121
5.3 评分卡模型元素 131
5.3.1 模型属性 132
5.3.2 模型子元素 134
5.3.3 评分应用过程 143
6 支持向量机模型（SupportVectorMachineModel） 145
6.1 支持向量机模型基础知识 146
6.2 支持向量机模型算法简介 148
6.3 支持向量机模型元素 152
6.3.1 模型属性 154
6.3.2 模型子元素 155
6.3.3 评分应用过程 164
7 时间序列模型（TimeSeriesModel） 167
7.1 时间序列模型基础知识 168
7.2 时间序列模型算法简介 171
7.2.1 算法概述 172
7.2.2 指数平滑算法 173
7.3 时间序列模型元素 176
7.3.1 模型属性 177
7.3.2 模型子元素 178
7.3.3 评分应用过程 192
8 聚合模型（MiningModel） 195
8.1 模型聚合基础知识 196
8.2 挖掘模型MiningModel 197
附录 225
后记 227
猜您喜欢
