Leserbewertungen
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 5 Stimmen.
Originaltitel:
Modern Data Mining Algorithms in C++ and Cuda C: Recent Developments in Feature Extraction and Selection Algorithms for Data Science
Inhalt des Buches:
1) Einführung 7.
2) Vorwärtsselektions-Komponentenanalyse 11 A) Einführung in die Vorwärtsselektions-Komponentenanalyse 12 B) Die Mathematik und Codebeispiele 16 Maximierung der erklärten Varianz 18 Code für das Varianzmaximierungskriterium 20 Rückwärtsverfeinerung 24 Rückwärtsverfeinerung mit mehreren Schritten 28 Orthogonalisierung geordneter Komponenten 36 C) Das Ganze zusammenfügen 39 Komponenten aus einer reinen Vorwärtsuntermenge 44 Komponenten aus einer rückwärtsverfeinerten Untermenge 46 D) Ein Beispiel mit manipulierten Variablen 48.
3) Lokale Merkmalsauswahl 53 A) Intuitiver Überblick über den Algorithmus 54 Was dieser Algorithmus meldet 60 B) Ein kurzer Abstecher: der Simplex-Algorithmus 62 Das Problem der linearen Programmierung 63 Anbindung an die Simplex-Klasse 64 Etwas ausführlicher 67 C) Ein strengerer Ansatz für LFS 69 Intra-Klassen- und Inter-Klassen-Trennung 73 Berechnung der Gewichte 77 Maximierung der Inter-Klassen-Trennung 81 Minimierung der Intra-Klassen-Trennung 86 Testen einer Test-Beta 88 Eine kurze Anmerkung zu Threads 93 D) CUDA-Berechnung der Gewichte 94 Integrieren des CUDA-Codes in den Algorithmus 95 Initialisieren der CUDA-Hardware 97 Berechnen der Unterschiede zum aktuellen Fall 100 Berechnen der Abstandsmatrix 102 Berechnen der Mindestabstände 104 Berechnen der Terme für die Gewichtsgleichung 112 Transponieren der Termmatrix 113 Summieren der Terme für die Gewichte 114 Verschieben der Gewichte auf den Host 116 E) Ein Beispiel für die lokale Merkmalsauswahl 117 F) Eine Anmerkung zur Laufzeit 118.
4) Speicher in Zeitreihenmerkmalen 119 A) Ein leichter mathematischer Überblick 122 Der Vorwärtsalgorithmus 123 Der Rückwärtsalgorithmus 128 Korrektes Alpha und Beta, Für die, die es interessiert 131 B) Einige banale Berechnungen 136 Mittelwerte und Kovarianzen 136 Dichten 138 Die multivariate Normaldichtefunktion 139 C) Startparameter 141 Überblick über den Initialisierungsalgorithmus 141 Störung der Mittelwerte 142 Störung der Kovarianzen 143 Störung der Übergangswahrscheinlichkeiten 144 Ein Hinweis auf Zufallszahlengeneratoren 145 D) Der vollständige Optimierungsalgorithmus 146 Berechnung der Zustandswahrscheinlichkeiten 147 Aktualisierung der Mittelwerte und Kovarianzen 151 Aktualisierung der Anfangs- und Übergangswahrscheinlichkeiten 153 E) Bewertung des HMM-Gedächtnisses in einer Zeitreihe 159 F) Verknüpfung von Merkmalen mit einem Ziel 164 Verknüpfung von HMM-Zuständen mit dem Ziel 173 Ein konstruiertes und ungeeignetes Beispiel 183 Ein sinnvolles und praktisches Beispiel 186.
5) Schrittweise Auswahl auf Steroiden 189 A) Das Modell zur Merkmalsbewertung 192 Code für das Basismodell 193 B) Das kreuzvalidierte Leistungsmaß 198 C) Der schrittweise Algorithmus 201 Finden der ersten Variable 207 Hinzufügen einer Variable zu einem bestehenden Modell 210 D) Demonstration des Algorithmus auf drei Arten 214.
6) Nominal-zu-Ordinal-Konvertierung 217 A) Überblick über die Implementierung 221 B) Testen auf einen gesetzmäßigen Zusammenhang 222 C) Ein Beispiel aus Aktienkursänderungen 223 D) Code für die Nominal-zu-Ordinal-Konvertierung 227 Der Konstruktor 228 Drucken der Zähltabelle 232 Berechnen der Mapping-Funktion 234 Monte-Carlo-Permutationstests 237.
7) Index 353.
Weitere Daten des Buches:
| ISBN: | 9781484259870 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 228 |
Kauf:
Derzeit verfügbar, auf Lager.
