大数据经典算法简介【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

大数据经典算法简介PDF格式电子书版下载

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

第一章 回归分析1

1.1 一元线性回归分析1

1.1.1 一元线性回归模型1

1.1.2 参数估计2

1.1.3 案例分析3

1.2 多元线性回归分析6

1.2.1 多元线性回归模型6

1.2.2 参数估计7

1.2.3 案例分析8

1.3 逐步回归分析11

1.3.1 最优回归方程的选择11

1.3.2 最优回归方程的计算13

1.3.3 案例分析14

1.4 回归诊断22

1.4.1 残差是否服从正态分布22

1.4.2 显著性检验24

1.4.3 多重共线性25

1.5 非线性回归分析26

1.5.1 多项式回归分析模型26

1.5.2 多项式回归分析案例27

1.5.3 正态回归分析模型29

1.5.4 非线性回归族29

第二章 方差分析31

2.1 单因素方差分析31

2.1.1 单因素方差分析的统计模型31

2.1.2 方差分析的检验方法35

2.1.3 案例分析37

2.2 双因素方差分析39

2.2.1 双因素方差分析的统计模型39

2.2.2 双因素方差分析的检验方法41

2.2.3 案例分析45

第三章 聚类分析48

3.1 聚类分析方法简介48

3.2 距离与相似系数48

3.2.1 数据的变换48

3.2.2 样品间的距离50

3.2.3 变量间的相似系数51

3.3 系统聚类法51

3.3.1 系统聚类法的基本步骤51

3.3.2 系统聚类分析方法51

3.4 案例分析54

3.4.1 案例分析（一）54

3.4.1 案例分析（二）55

第四章 主成分分析59

4.1 主成分分析的数学模型59

4.1.1 主成分分析的数学模型59

4.1.2 主成分分析的几何解释60

4.2 主成分分析的步骤62

4.2.1 主成分的导出62

4.2.2 主成分分析的计算步骤64

4.3 案例分析65

第五章 因子分析68

5.1 因子模型68

5.1.1 正交因子模型68

5.1.2 正交因子模型中各个量的统计意义69

5.2 因子载荷主成分估计方法70

5.3 因子得分71

5.4 案例分析72

第六章 判别分析85

6.1 距离判别法85

6.1.1 两总体的距离判别85

6.1.2 多总体的距离判别88

6.2 贝叶斯判别法89

6.2.1 基本知识89

6.2.2 正态总体的贝叶斯判别法90

第七章 遗传算法简介93

7.1 遗传算法的历程93

7.2 遗传算法的应用94

7.3 遗传算法的基本工作原理95

7.4 遗传算法的具体实现过程97

第八章 决策树算法介绍108

8.1 决策树的基本概念108

8.2 决策树的基本算法109

8.3 常见的几种决策树算法110

8.3.1 CL5算法110

8.3.2 ID3算法111

8.3.3 C4.5算法112

8.3.4 CART算法113

8.4 决策树算法的具体应用114

第九章 关联规则算法简介120

9.1 关联规则的基本概念120

9.2 关联规则的算法描述121

9.2.1 Apriori算法121

9.2.2 FP算法122

9.3 关联规则的算法典型应用124

第十章 人工神经网络简介127

10.1 人工神经网络概述127

10.2 人工神经网络的组织结构129

10.3 常见的几种人工神经网络介绍131

10.3.1 BP神经网络131

10.3.2 RBF神经网络134

10.3.3 自组织特征映射（SOM）神经网络136

参考文献139

统计学方面的参考文献139

数据挖掘方面的参考文献140