数据挖掘中的集成方法 通过集成预测来提升精度pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

数据挖掘中的集成方法 通过集成预测来提升精度PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 集成发现 1

1.1 建立集成 5

1.2 正则化 6

1.3 现实世界中的实例：信用评分＋网飞挑战 7

1.4 本书的组织架构 8

第2章 预测学习和决策树 10

2.1 决策树归纳纵览 14

2.2 决策树的性能 16

2.3 决策树的缺陷 17

第3章 模型复杂度、模型选择和正则化 19

3.1 什么是树的“合适”规模 19

3.2 偏差-方差分解 20

3.3 正则化 23

3.3.1 正则化与成本-复杂度树修剪 23

3.3.2 交叉验证 24

3.3.3 运用收缩的正则化 26

3.3.4 通过构建增量模型的正则化 30

3.3.5 实例 31

3.3.6 正则化综述 34

第4章 重要性采样和经典集成方法 36

4.1 重要性采样 39

4.1.1 参数重要性测度 40

4.1.2 扰动采样 42

4.2 泛化集成生成 42

4.3 Bagging 44

4.3.1 实例 47

4.3.2 为什么Bagging有用 51

4.4 随机森林 51

4.5 AdaBoost 53

4.5.1 实例 54

4.5.2 为什么使用指数损失 56

4.5.3 AdaBoost的总体最小值 57

4.6 梯度Boosting 58

4.7 MART 59

4.8 并行集成与顺序集成的比较 59

第5章 规则集成和解释统计 61

5.1 规则集成 61

5.2 解释 63

5.2.1 仿真数据实例 64

5.2.2 变量重要性 68

5.2.3 偏相关 69

5.2.4 交互统计 70

5.3 制造业数据实例 70

5.4 总结 74

第6章 集成复杂性 75

6.1 复杂性 75

6.2 广义自由度 77

6.3 实例：带有噪声的决策树表面 78

6.4 广义自由度的R代码和实例 82

6.5 总结与讨论 83

参考文献 85

附录A AdaBoost与FSF程序的等价性 90

附录B 梯度Boosting和鲁棒损失函数 93