您的浏览器不支持JavaScript,请开启后继续
人工智能开发丛书--数据挖掘与机器学习:PMML建模(下)

人工智能开发丛书--数据挖掘与机器学习:PMML建模(下)

  • 作者
  • 潘风文、黄春芳著

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...


  • ¥99.00

ISBN: 978-7-122-36987-1

版次: 1

出版时间: 2020-09-01

图书介绍

ISBN:978-7-122-36987-1

语种:汉文

开本:16

出版时间:2020-09-01

装帧:平

页数:228

编辑推荐

本书是当前国内独一关于数据挖掘和机器学习语言PMML的图书。潘风文博士具有大数据领域二十多年的丰富经验,取得诸多成果,本书是作者长期研发经验的积累结晶。

作者简介

潘风文,北京智童时光科技有限公司,副总经理CTO,北京大学计算机专业博士,历任北京工业大学计算机学院教授、深圳华为技术有限公司通信事业部项目开发中心主任,北京太极计算机公司技术总监,现任北京智童时光科技有限公司副总经理兼CTO,并担任多个企业的咨询顾问。长期从事大数据、人工智能领域的研究和实践。作为项目经理成功主持过多项大型数据仓库、商业智能BI项目,例如Artism电商平台用户画像智能推荐系统;Themis企业征信尽调平台智能系统;武汉农商银行数据仓库(DW)系统开发;金融界大型网站数据分析系统;CGoGo手机搜索引擎开发(SearchEngine);陕西移动(BI)经营智能分析系统;中国电信移动支付系统开发;科技部重点项目--人工工智能算法研究等。

精彩书摘

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。

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
4.2.1GSP算法	97
4.2.2SPADE算法	101
4.2.3PrefixSpan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

发送电子邮件联系我们