Моделиране на големи данни: методики и алгоритми
- Автор(и): Иван Иванов, Владислав Танов
- Издателство: Авангард Прима; 2020 г.
- ISBN: 9786192394011
- Наличност: Не
- 0,00 € (0,00 лв.)
Учебникът е предназначен за студенти и любознателни читатели, като учебно помагало при овладяването на основни методи и модели за анализ на множества, съдържащи големи данни, и директно въведение в науката на самообучаващите се алгоритми.
Материалът е представен като съвкупност от теория и примери, като акцентът е върху примерите и информационните технологии, които реализират алгоритмите от областта на алгоритмичното учене от данни. Информационните технологии са приложени за изпълнение на анализи върху конкретни множества от данни. В текста са вмъкнати примери и различни приложения на разглежданите информационни технологии, демонстриращи възможни приложения на теорията в управлението на реални икономически процеси. Разглеждат се теми за построяване на регресионни модели; модели и методи за класифициране на множества от данни, както и прилагането на тези модели с цел да се разпознаят класовете на новите наблюдения. Обсъждат се и се разглеждат иновативните подходи за повишаване на надежността на модели за класифициране, в това число и грид подхода.
Първа част. Увод
1. Уводни бележки
2. Линейна регресия
3. Логистична регресия. Потвърждение (Validation). Примери
4. Метод на най-близките съседи. Построяване. Примери (k-Nearest Neighbor kNN)
5. Метод на поддържащите вектори. Построяване. Примери (Support Vector Machines - SVM)
6. Метод на наивния Бейс (Naive Bayes). Прогнозиране. Примери
Втора част. Визуализация на наблюденията
7. Разделяне на множество на класове чрез линейна граница и метода на логистична регресия
8. Метод на най-близките съседи. Построяване. Примери (k Nearest Neighbor kNN)
9. Визуализация чрез метода на поддържащите вектори. Построяване. Примери (Support Vector Machines - SVM)
10. Визуализация на наблюденията чрез метода на главните компоненти (Principal Cpmponent Analysis - PCA)
Трета част. Методики и алгоритми за по-надеждн анализ на наблюдения
11. Създаване и анализ на прогнози
12. Методики за моделиране на наблюдения чрез логистична регресия
13. Алгоритми за прогнозиране отлива на клиенти
14. Метод на изкуствената невронна мрежа за анализ на данни (Artificial Neural Networks - ANN)
15. Класифициране на наблюдения чрез метода на най-близките съседи
16. Модифицирани алгоритми на метода SVM за класификация на големи данни
Литература
| Страници: | 184 |
| Формат: | 60х90/16 (15х21 см) |
| Корица: | мека |
| Език: | български |
| Издание: | ново |
| Тегло: | 0,230 кг |
| ID: | 2М79ГИИ001 |