登入帳戶　 |　訂單查詢　 |　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
會員登入 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類瀏覽雜誌 臺灣用戶
品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心 服務：香港／台灣／澳門／海外 送貨：速遞／郵局／服務站

新書上架：簡體書 繁體書
暢銷書架：簡體書 繁體書
好書推介：簡體書 繁體書

九月出版：大陸書 台灣書
八月出版：大陸書 台灣書
七月出版：大陸書 台灣書
六月出版：大陸書 台灣書
五月出版：大陸書 台灣書
四月出版：大陸書 台灣書
三月出版：大陸書 台灣書
二月出版：大陸書 台灣書
一月出版：大陸書 台灣書
12月出版：大陸書 台灣書
11月出版：大陸書 台灣書
十月出版：大陸書 台灣書
九月出版：大陸書 台灣書
八月出版：大陸書 台灣書
七月出版：大陸書 台灣書

『簡體書』大数据处理方法与电信客户价值管理

書城自編碼： 3548728
分類：簡體書→大陸圖書→計算機/網絡→數據庫
作者： 邓维斌
國際書號(ISBN)： 9787121394560
出版社： 电子工业出版社
出版日期： 2020-08-01

頁數/字數： /
書度/開本： 16开 釘裝： 平塑

售價：HK$ 91.1

我要買 件

 

** 我創建的書架 **
未登入.

新書推薦：
人间珍贵：澎湃夜读集3
《 人间珍贵：澎湃夜读集3 》
售價：HK$ 78.2
孩子一生的底气
《 孩子一生的底气 》
售價：HK$ 67.9
撒哈拉海计划：技术、殖民与气候危机
《 撒哈拉海计划：技术、殖民与气候危机 》
售價：HK$ 90.9
制造亚洲：一部地图上的历史
《 制造亚洲：一部地图上的历史 》
售價：HK$ 124.2
湘军史稿 华章大历史040
《 湘军史稿 华章大历史040 》
售價：HK$ 101.2
印度经济简史：1947-2022
《 印度经济简史：1947-2022 》
售價：HK$ 79.4
吞海.大结局
《 吞海.大结局 》
售價：HK$ 63.3
碰撞与转型
《 碰撞与转型 》
售價：HK$ 446.2

 
建議一齊購買：

+

HK$ 197.5
《数据挖掘及其在学习资源推荐中的应用研究》		 +

HK$ 86.4
《大数据技术及其背景下的数据挖掘研究》		 +

HK$ 84.1
《基于关联规则和粗糙集的数据挖掘方法研究》		 +

HK$ 114.6
《优势关系粗糙集：不确定性决策的理论与方法》		 +

HK$ 120.2
《Access 2016数据库管理与应用从新手到高手》		 +

HK$ 131.7
《MySQL从入门到精通（微视频精编版）》
內容簡介：
近年来，大数据已在公共管理、医疗卫生、金融与商务等领域得到了广泛应用。如何对海量和高速增长的数据进行有效处理以及如何针对不同领域特点有效应用大数据，倍受广大科研工作者的广泛关注。本书集结了作者近年来在大数据及其应用领域的研究成果，针对大数据高效处理问题，从点排序识别聚类、多标签排序、不平衡数据采样、主动学习、增量学习等方面研究并设计了相关算法。在此基础上，对大数据环境下电信客户价值评价、客户换机预测和客户流失预测等问题，设计了相关算法、流程和仿真实验，并提出了一些合理化的建议，为大数据分析与在相关行业的应用提供了参考。
關於作者：
邓维斌：男，1978年生，中共党员，博士，教授，硕士生导师，交通部交通运输青年科技英才，Queensland University of Technology、Poznan University of Technology访问学者。现任重庆邮电大学邮政研究院副院长，重庆市人工智能学会理事，国际粗糙集学会（IRSS）会员。主要从事大数据分析、不确定性决策、现代物流与快递服务等方面的研究。近年来主持和参与了包括国家重点研发计划、国家自然科学基金和社会科会基金等项目10余项，承担和参与了国家邮政管理局、重庆市发展委、渝中区、巴南区等委托的各类横向合作课题20余项；在Fundamenta Informaticae、《计算机学报》《系统工程理论与实践》等SCI、权威期刊等发表研究论文50余篇；在科学出版社、电子工业出版社等出版专著和教材7部。
目錄：
目录

第1章大数据处理概述1

1.1大数据的定义1

1.2大数据带来的挑战与机遇3

1.3大数据研究的现状5

1.3.1大数据处理平台5

1.3.2大数据处理算法6

1.3.3大数据应用研究9

1.4大数据研究的挑战与趋势10

1.5本章小结11

参考文献12

第2章Spark点排序识别聚类结构算法19

2.1引言19

2.2点排序识别聚类结构算法21

2.3Spark并行内存计算框架23

2.4基于Spark的OPTICS算法25

2.5仿真实验与结果分析27

2.5.1度量标准27

2.5.2数据集与运行环境28

2.5.3实验方法29

2.5.4实验结果与分析29

2.6本章小结32

参考文献33

第3章Spark标签校准排序多标签算法35

3.1引言35

3.2校准标签排序算法与并行化研究36

3.2.1校准标签排序算法介绍36

3.2.2校准标签排序算法研究现状37

3.3朴素贝叶斯校准标签排序方法37

3.3.1朴素贝叶斯概率模型37

3.3.2朴素贝叶斯校准标签排序算法38

3.3.3仿真实验与结果分析40

3.4朴素贝叶斯校准标签排序方法的并行化研究44

3.4.1Spark并行化内存计算44

3.4.2朴素贝叶斯校准标签排序算法的并行化研究45

3.4.3仿真实验与结果分析47

3.5本章小结51

参考文献52

第4章不平衡数据的样本权重欠采样方法54

4.1引言54

4.2不平衡数据处理的相关方法55

4.2.1K-means聚类算法55

4.2.2AdaCost算法56

4.2.3Bagging算法58

4.3基于样本权重的欠采样方法59

4.3.1样本权重的确定59

4.3.2分类器加权投票60

4.4仿真实验与结果分析61

4.4.1分类的评价方法61

4.4.2非参数统计检验方法62

4.4.3UCI数据集检验63

4.5本章小结67

参考文献68

第5章不平衡数据的三支决策过采样算法70

5.1引言70

5.2三支决策粗糙集71

5.2.1邻域模型71

5.2.2邻域三支决策模型71

5.3不平衡数据的三支决策过采样算法74

5.3.1算法思路74

5.3.2算法描述与分析76

5.4仿真实验与结果分析77

5.4.1数据集选择77

5.4.2实验方法78

5.4.3实验结果分析79

5.5本章小结84

参考文献84

第6章三支决策主动学习方法87

6.1引言87

6.2主动学习理论88

6.2.1主动学习工作机制88

6.2.2主动学习方法的分类88

6.3三支决策主动学习89

6.3.1对冗余信息的删减89

6.3.2对无标签样本的区域划分90

6.3.3对不同区域样本的处理91

6.3.4算法描述92

6.4仿真实验与结果分析95

6.4.1数据集选择95

6.4.2实验方法95

6.4.3实验结果分析96

6.5本章小结100

参考文献100

第7章邻域粗糙集主动学习方法104

7.1引言104

7.2邻域粗糙集基本理论104

7.3邻域粗糙集主动学习算法106

7.3.1算法思路106

7.3.2算法描述109

7.4仿真实验与结果分析110

7.4.1数据集与实验方法110

7.4.2结果与分析111

7.5本章小结117

参考文献118

第8章决策熵增量学习方法120

8.1引言120

8.2粗糙集的基本概念121

8.3决策熵增量知识获取算法123

8.3.1算法复杂度分析126

8.3.2实例分析126

8.4仿真实验与结果分析128

8.4.1UCI数据集测试128

8.4.2KDDCUP99数据集测试130

8.4.3KDDCUP99数据集连续增量测试130

8.5本章小结131

参考文献131

第9章MapReduce并行增量FP-Growth算法133

9.1引言133

9.2MapReduce编程模型与Hadoop平台135

9.2.1MapReduce编程模型135

9.2.1Hadoop平台介绍136

9.3MapReduce增量FP-Growth算法138

9.3.1增量学习138

9.3.2FP-Growth算法139

9.3.3MapReduce并行FP-Growth算法140

9.3.4MapReduce并行增量FP-Growth算法141

9.4仿真实验与结果分析143

9.4.1MapReduce并行增量FP-Growth算法单机效率测试143

9.4.2MapReduce并行增量FP-Growth算法集群效率测试143

9.4.3Mapreduce并行增量FP-Growth算法性能测试146

9.5本章小结149

参考文献149

第10章电信客户价值评价151

10.1引言151

10.2客户价值与评价152

10.2.1客户价值的概念152

10.2.2电信客户价值与评价153

10.3优势关系粗糙集的基本概念155

10.4领域及数据驱动的数据挖掘模型156

10.4.1数据驱动的数据挖掘156

10.4.2领域驱动的数据挖掘157

10.4.3面向领域的数据驱动的数据挖掘158

10.5领域及数据驱动的电信客户价值评价方法159

10.5.1电信客户价值评价的特征提取159

10.5.2电信客户价值评价流程161

10.5.3电信客户价值评价算法162

10.6仿真实验163

10.6.1算法效果验证163

10.6.2算法应用165

10.7本章小结167

参考文献167

第11章电信客户换机预测171

11.1引言171

11.2优势关系粗糙集换机预测方法172

11.2.1算法描述172

11.2.2仿真实验174

11.3数据驱动的电信客户换机预测方法179

11.3.1手机客户特征提取179

11.3.2算法描述180

11.3.3仿真实验182

11.4本章小结185

参考文献186

第12章电信客户流失预测188

12.1引言188

12.2C4.5决策树及其改进算法189

12.2.1C4.5决策树189

12.2.2改进C4.5决策树算法190

12.3改进C4.5决策树不平衡数据抽样方法191

12.3.1算法思路191

12.3.2算法描述192

12.4实验与结果分析193

12.4.1电信客户流失预测流程194

12.4.2实验数据选择195

12.2.3实验结果与分析196

12.5本章小结198

参考文献198

 

 

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式 香港用户　 |　台灣用户　|　大陸用户　|　海外用户
megBook.com.hk
Copyright © 2013 - 2024 （香港）大書城有限公司　 All Rights Reserved.