新書推薦：
《
无解的困局：大明最后的60年
》
售價：HK$
66.0
《
女校（人气作家孩子帮·鹅随“北番高中”系列代表作！）
》
售價：HK$
60.5
《
万历十八年之风起辽东
》
售價：HK$
85.8
《
实战ANSYS Icepak电子热设计
》
售價：HK$
97.9
《
水库式经营
》
售價：HK$
61.6
《
哲学家的最后一课
》
售價：HK$
57.8
《
进入全球公共视域的清帝国：欧洲文献里的中国邸报
》
售價：HK$
139.2
《
微积分学教程（第二卷）（第8版）
》
售價：HK$
116.8
|
| 編輯推薦： |
|
本书是新兴领域“十四五”高等教育教材，系统地介绍了特征工程、多类型数据表征、数据抽样、图计算、随机优化算法、相似性度量、关联性分析等相关知识与方法，涵盖数据表征、数据计算和数据挖掘等多方面的内容。本书从数据科学与工程的基本概念和流程出发，逐步引领读者进入数据科学的核心领域，全面理解和掌握数据科学的精髓，为进一步深入学习机器学习算法建立扎实的算法基础。
|
| 內容簡介： |
本书对数据科学与工程中的算法基础进行了全面的论述，把读者引入数据科学的大门，为进一步学习和掌握大数据分析算法提供有力的支撑。本书介绍的数据科学与工程中的算法基础包括特征工程、数据表征、数据抽样、随机优化算法和关联性分析等，侧重内容的科学性、实用性和前沿性。本书结构上注重理论与实践并重，各章通过案例引出问题，并深入介绍回答类似问题需要的知识，最后通过实际案例串联本章知识点，可以使读者感受到算法的价值及其在解决实际问题中的实用性。
本书可以作为高等学校大数据、计算机等相关专业的教学用书，对科研机构的研究人员、工程技术人员也有一定的参考价值。
|
| 目錄：
|
第1章绪论
1.1概况
1.2数据分析
1.2.1流程
1.2.2算法分类
1.2.3基本原则
1.3算法基础
1.4本章小结
习题
第2章特征工程
2.1问题导入
2.2特征提取
2.3特征探索性分析
2.3.1单变量分析
2.3.2多变量分析
2.4特征预处理
2.4.1缺失值处理
2.4.2异常值处理
2.4.3特征变换
2.5特征选择
2.5.1过滤法
2.5.2封装法
2.5.3嵌入法
2.6案例： 工业设备信号特征工程
2.7本章小结
习题
第3章多类型数据表征
3.1问题导入
3.2时序数据表征
3.2.1频域特征
3.2.2时频域特征
3.3文本数据表征
3.3.1词袋模型
3.3.2TFIDF特征
3.3.3词向量嵌入
3.4图像数据表征
3.4.1图像处理基础
3.4.2SIFT
3.4.3HOG
3.4.4深度特征表示
3.4.5多模态特征融合
3.5案例： 农作物病虫害图像表征
3.6本章小结
习题
第4章数据抽样
4.1问题导入
4.2概率抽样
4.3非均衡抽样
4.3.1样本分布不均衡问题
4.3.2过采样
4.3.3欠采样
4.4数据流抽样
4.4.1数据流抽样问题
4.4.2蓄水池抽样
4.5蒙特卡洛抽样
4.5.1直接采样
4.5.2接受拒绝采样
4.5.3重要性采样
4.6案例： 基于SMOTE的信用卡交易欺诈数据采样
4.7本章小结
习题
第5章图计算
5.1问题导入
5.2图网络
5.2.1图网络表示
5.2.2网络结构分类
5.2.3网络描述性统计
5.3图基础算法
5.3.1图遍历
5.3.2图分割
5.4社区发现
5.4.1模块度
5.4.2GN算法
5.4.3谱方法
5.5GraphScope简介
5.6案例： 基于谱聚类的图像分割
5.7本章小结
习题
第6章随机优化算法
6.1问题导入
6.2梯度下降算法
6.3随机梯度下降算法
6.4梯度加速方法
6.4.1动量法
6.4.2Nesterov梯度加速
6.4.3自适学习率加速方法
6.5方差缩减
6.5.1方差缩减技术
6.5.2方差缩减算法
6.6案例： 逻辑回归模型优化算法
6.7本章小结
习题
第7章相似性度量
7.1问题导入
7.2相关系数
7.2.1皮尔逊相关系数
7.2.2余弦相似度
7.2.3Jaccard相似系数
7.3距离度量
7.3.1欧氏空间的距离度量
7.3.2流形空间的距离度量
7.3.3时间序列的距离度量
7.4概率散度
7.4.1f散度
7.4.2积分概率度量
7.5案例： 金融时间序列数据分析
7.6本章小结
习题
第8章关联性分析
8.1问题导入
8.2非线性相关性分析
8.3典型关联分析
8.4关联规则
8.4.1关联规则描述
8.4.2关联规则挖掘
8.4.3数值型关联规则挖掘
8.5因果分析
8.5.1结构因果模型与图模型
8.5.2因果效应评估
8.6案例： 购物车数据挖掘
8.7本章小结
习题
参考文献
|
| 內容試閱：
|
信息技术的飞速发展使数据的产生、存储和处理能力达到了前所未有的高度。数据的丰富性和复杂性带来了巨大的挑战，同时也蕴藏着巨大的机遇。如何挖掘不同类型数据中蕴藏的丰富信息，已经成为大数据时代面临的重要问题之一。数据科学与工程，作为一门新兴的交叉学科，正是为了应对这一挑战而诞生的。数据科学与工程以数据为研究对象，通过综合运用数学、统计学、计算机技术等方法对数据进行处理和分析，以实现数据的价值。数据科学与工程的核心是算法，它们是处理数据、提取信息、发现模式和预测未来的强大引擎。
本书旨在培养新工科背景下具备数据科学思维，掌握数据科学与工程算法的大数据专业人才。本书系统地介绍了特征工程、多类型数据表征、数据抽样、图计算、随机优化算法、相似性度量、关联性分析等相关知识与方法，涵盖数据表征、数据计算和数据挖掘等多方面的内容。本书从数据科学与工程的基本概念和流程出发，逐步引领读者进入数据科学的核心领域，全面理解和掌握数据科学的精髓，为进一步深入学习机器学习算法打下扎实的基础。
全书共8章，内容包括绪论、特征工程、多类型数据表征、数据抽样、图计算、随机优化算法、相似性度量、关联性分析，不仅覆盖了传统数据科学领域的重要算法，还涉及最新的研究进展，如图计算、因果分析、多模态数据融合等前沿技术，使得本书既具有广度又具有深度。同时，本书内容结构遵循学习规律： 首先通过“问题导入”，建立现实问题与数据科学与工程相关技术的关系，明确学习目标，激发学生学习数据科学与工程相关技术的兴趣； 然后，构建相关的知识体系，介绍算法及其演化，提高学生描述问题的表达能力、解决问题的算法思维能力； 在此基础上，通过剖析典型案例，有力提高学生对知识和方法的掌握与综合运用能力，并提升学生对复杂工程问题的分析能力、综合处理能力和创新探究能力； 最后对本章内容进行总结，并提供选择题、计算题、思考题等供读者练习。
本书由徐明华、陈志刚、罗俊如担任主编，官威博士和郝亚东博士担任副主编。研究生丁言瑞、汪池和徐昕瑜参与了本书部分案例的编写，并参与了书稿的校对工作，徐守坤教授、石林教授、邵辉教授、胡超副教授等对本书提出了许多宝贵意见，这里一并表示感谢。
本书在编写过程中参考和引用了许多专家和学者的资料，在此表示衷心的感谢。最后也要感谢所有为本书的编写、审校和出版付出辛勤劳动的工作人员。由于编者水平有限，时间仓促，书中难免存在不足之处，敬请读者批评指正。
编者
2024年12月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
