数据挖掘中的集成方法——通过集成预测来提升精度
副标题：无
分类号：
ISBN：9787030443274
微信扫一扫,移动浏览光盘
简介
目录
译者序
原书序一
原书序二
摘要
第1章集成发现
1.1建立集成
1.2正则化
1.3现实世界中的实例:信用评分+网飞挑战
1.4本书的组织架构
第2章预测学习和决策树
2.1决策树归纳纵览
2.2决策树的性能
2.3决策树的缺陷
第3章模型复杂度？模型选择和正则化
3.1什么是树的"合适"规模
3.2偏差-方差分解
3.3正则化
3.3.1正则化与成本-复杂度树修剪
3.3.2交叉验证
3.3.3运用收缩的正则化
3.3.4通过构建增量模型的正则化
3.3.5实例
3.3.6正则化综述
第4章重要性采样和经典集成方法
4.1重要性采样
4.1.1参数重要性测度
4.1.2扰动采样
4.2泛化集成生成
4.3Bagging
4.3.1实例
4.3.2为什么Bagging有用
4.4随机森林
4.5AdaBoost
4.5.1实例
4.5.2为什么使用指数损失
4.5.3AdaBoost的总体最小值
4.6梯度Boosting
4.7MART
4.8并行集成与顺序集成的比较
第5章规则集成和解释统计
5.1规则集成
5.2解释
5.2.1仿真数据实例
5.2.2变量重要性
5.2.3偏相关
5.2.4交互统计
5.3制造业数据实例
5.4总结
第6章集成复杂性
6.1复杂性
6.2广义自由度
6.3实例:带有噪声的决策树表面
6.4广义自由度的R代码和实例
6.5总结与讨论
参考文献
附录AAdaBoost与FSF程序的等价性
附录B梯度Boosting和鲁棒损失函数
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
