如何自学 占星术 占星教程网盘 塔罗牌教程百度网盘

数据流机器学习 MOA实例PDF电子书下载

其他书籍

• 作 者：（法）阿尔伯特·比费特
• 出 版 社：
• 出版年份：2020
• ISBN：
• 页数：0 页

图书介绍： 查看图书目录点击购买PDF全本电子书 上一篇：马克思东方社会理论与中国发展道路下一篇：看名画的眼睛：破解西方美术的机关 《数据流机器学习 MOA实例》目录 标签：数据流 实例 机器 数据 学习

第一部分 概述2

第1章 简介2

1.1大数据2

1.1.1工具：开源革命4

1.1.2大数据带来的挑战4

1.2实时分析6

1.2.1数据流6

1.2.2时间和内存6

1.2.3应用一览6

1.3关于本书7

第2章 大数据流挖掘8

2.1算法8

2.2分类算法9

2.2.1如何在数据流中评估分类器10

2.2.2多数类分类器11

2.2.3无变化分类器11

2.2.4惰性分类器11

2.2.5朴素贝叶斯分类器12

2.2.6决策树分类器12

2.2.7集成分类器13

2.3回归算法13

2.4聚类算法14

2.5频繁模式挖掘14

第3章MOA的实际操作介绍16

3.1入门开始16

3.2分类模型的图形用户界面18

3.3用命令行操作23

第二部分 数据流挖掘26

第4章 数据流和Sketch数据结构26

4.1背景知识：近似算法27

4.2集中不等式28

4.3取样30

4.4统计总数31

4.5去重统计32

4.5.1线性计数33

4.5.2科恩对数计数器33

4.5.3 Flajolet-Martin计数器和HyperLogLog算法34

4.5.4应用：图论的计算距离函数36

4.5.5讨论：对数与线性37

4.6频率问题37

4.6.1 SpaceSaving sketch38

4.6.2 CM-Sketch算法40

4.6.3 CountSketch算法42

4.6.4时刻计算44

4.7滑动窗口的指数矩形图45

4.8分布式sketch计算的可合并性47

4.9一些技术方面的讨论和其他资料48

4.9.1哈希函数48

4.9.2创建（ε，δ）近似算法49

4.9.3其他sketch技术49

4.10练习50

第5章 处理变化52

5.1数据流中变化的定义52

5.2评估器56

5.2.1滑动窗口和线性评估器57

5.2.2指数加权移动平均评估器57

5.2.3单维度卡尔曼滤波器58

5.3变化探测58

5.3.1评估变化探测59

5.3.2 CUSUM 测试和Page-Hinkley测试59

5.3.3统计测试60

5.3.4漂移探测法61

5.3.5自适应滑动窗口算法62

5.4与其他Sketch和多维数据结合64

5.5练习64

第6章 分类66

6.1分类器评估67

6.1.1误差估算68

6.1.2分布评估69

6.1.3性能的评估测量70

6.1.4统计显着性72

6.1.5测量挖掘成本73

6.2基线分类器73

6.2.1多数类73

6.2.2无变化分类器74

6.2.3朴素贝叶斯74

6.2.4多项式朴素贝叶斯77

6.3决策树78

6.3.1估算切分标准79

6.3.2 Hoeffding决策树80

6.3.3 CVFDT82

6.3.4 VFDTc和UFFT83

6.3.5 Hoeffding适应树84

6.4处理数字属性85

6.4.1 VFML85

6.4.2穷举二叉树86

6.4.3 Greenwald和Khanna的分位数摘要86

6.4.4高斯近似87

6.5感知器模型88

6.6惰性学习89

6.7多标签分类器89

6.8主动学习91

6.8.1随机策略92

6.8.2固定不确定策略93

6.8.3可变不确定策略93

6.8.4随机不确定策略94

6.9概念演变94

6.10 MOA实战操作95

第7章 集成方法99

7.1准确率加权集成99

7.2加权多数算法100

7.3堆叠算法102

7.4装袋算法102

7.4.1在线装袋算法103

7.4.2装袋算法如何应对数据流变化103

7.4.3杠杆装袋算法103

7.5提升算法104

7.6 Hoeffding树集成算法105

7.6.1 Hoeffding选项树算法105

7.6.2随机森林算法105

7.6.3有限的Hoeffding树的感知器堆叠106

7.6.4自适应大小的Hoeffding树算法107

7.7重复性概念107

7.8 MOA实战操作108

第8章 回归110

8.1什么是回归110

8.2如何评估回归111

8.3感知器学习112

8.4惰性学习112

8.5决策树学习112

8.6决策规则113

8.7 MOA中的回归114

第9章 聚类115

9.1聚类的评估方法116

9.2 k-means算法117

9.3 BIRCH、BICO和CluStream118

9.4基于密度的方法：DBSCAN和Den-Stream120

9.5 ClusTree121

9.6 StreamKM＋＋：核心集122

9.7延伸阅读123

9.8 MOA实战操作124

第10章 频繁模式挖掘127

10.1什么是模式挖掘127

10.1.1模式的定义和例子127

10.1.2频繁模式挖掘的批量算法129

10.1.3闭合模式和最大模式131

10.2数据流中频繁模式挖掘的方法131

10.3如何在数据流中进行频繁项集挖掘134

10.3.1简化为高频繁项134

10.3.2 Moment算法135

10.3.3频繁模式数据流算法135

10.3.4 IncMine算法136

10.4数据流的频繁子图挖掘137

10.4.1 WinGraphMiner框架138

10.4.2 AdaGraphMiner框架139

10.5延伸阅读140

10.6练习141

第三部分MOA软件144

第11章MOA及其软件体系144

11.1 MOA架构145

11.2安装145

11.3 MOA的近期发展145

11.4 MOA扩展包146

11.5 ADAMS优化147

11.6 MEKA优化149

11.7 OpenML环境150

11.8 StreamDM软件150

11.9 Streams工具151

11.10 Apache SAMOA流媒体ML库151

第12章 图形用户界面154

12.1初识图形用户界面154

12.2分类和回归154

12.2.1主要任务一览156

12.2.2数据源和数据生成器157

12.2.3贝叶斯分类器一览160

12.2.4决策树一览160

12.2.5元分类器（集成）一览161

12.2.6函数分类器一览162

12.2.7漂移分类器一览162

12.2.8主动学习分类器163

12.3聚类163

12.3.1数据源和数据生成器163

12.3.2数据流聚类算法一览163

12.3.3如何进行可视化和数据分析164

第13章 用命令行操作166

13.1给分类和回归创建学习任务166

13.2给分类和回归创建评估任务167

13.3给分类和回归创建学习与评估任务167

13.4两种分类器的对比168

第14章 调用API170

14.1 MOA对象170

14.2选项170

14.3示例：先序评估173

第15章在MOA中开发新的方法175

15.1 MOA中的主要类175

15.2创建新的分类器176

15.3编译分类器183

15.4 MOA中的良好编程方法183

参考文献185

相关图书

• 《SQL与关系数据库理论》（美）戴特（C.J.Date） 2019
• 《党员干部理论学习培训教材 理论热点问题党员干部学习辅导》（中国）胡磊 2018
• 《数据库技术与应用 Access 2010 微课版 第2版》刘卫国主编 2020
• 《大数据Hadoop 3.X分布式处理实战》吴章勇，杨强 2020
• 《Power BI数据清洗与可视化交互式分析》陈剑 2020
• 《数据失控》（美）约翰·切尼-利波尔德（John Cheney-Lippold）着 2019
• 《中国生态系统定位观测与研究数据集 森林生态系统卷 云南西双版纳》邓晓保·唐建维 2010
• 《深度学习与飞桨PaddlePaddle Fluid实战》于祥 2019
• 《穿越数据的迷宫 数据管理执行指南》Laura Sebastian-Coleman 2020
• 《全国普通高等中医药院校药学类专业“十三五”规划教材 第二轮规划教材 有机化学学习指导 第2版》赵骏 2018

作者其它书籍

• 《羊脂球 莫泊桑短篇小说选》（法）莫泊桑着；张英伦译 2010
• 《海洋文明小史》倪谦谦责编；王存苗译；（法）雅克·阿塔利 2020
• 《包法利夫人》（法）福楼拜着；许渊冲译 2019
• 《梵蒂冈地窖》（法）安德烈·纪德着 2018
• 《公主小姐不想吃饭》（法）克里斯汀·诺曼·维拉蒙着（法）玛丽安娜·巴尔西隆绘苏迪译 2019
• 《世界名着阅读经典 欧也妮·葛朗台 高老头 全译本 12-16岁》（法）巴尔扎克着 2017
• 《爱》（法）玛格丽特·杜拉斯 2018
• 《钢琴独奏作品》（法）埃里克·萨蒂 2018
• 《鞋子》（法)安娜-贝内迪克特·施维贝尔编 2019
• 《没有男人的公寓》（比）卡琳娜·朗贝尔着 2019

出版社其它书籍

本类热门

• 1变通 受用一生的学问
• 2额尔古纳河右岸
• 3易经真的很容易
• 4海蒂怀孕大百科 全新第4版
• 5八次危机 中国的真实经验1949-2009
• 6法治的细节
• 7你是你吃出来的
• 8蛤蟆先生的希望
• 9杀死一只知更鸟
• 10天幕红尘

摘要：本文深入探讨了“数据流机器学习 MOA实例.pdf电子书版文档下载”这一主题，从文档概述、内容结构、应用领域和下载方法四个方面进行了详细阐述，旨在为读者提供全面了解该文档的途径。

1、文档概述

“数据流机器学习 MOA实例.pdf电子书版文档下载”是一本关于数据流机器学习的专业书籍，详细介绍了数据流机器学习的基本概念、原理和应用实例。该书以MOA（Massive Online Analysis）框架为基础，通过实例分析，帮助读者更好地理解和掌握数据流机器学习技术。

文档共分为九章，涵盖了数据流机器学习的各个方面，包括数据流处理、特征选择、分类、聚类、异常检测等。此外，书中还介绍了MOA框架的使用方法，以及如何利用MOA进行数据流机器学习实验。

该文档适合对数据流机器学习感兴趣的读者，无论是初学者还是有一定基础的读者，都能从中获得有益的知识和启示。

2、内容结构

文档内容结构清晰，逻辑严谨。首先，介绍了数据流机器学习的基本概念和背景知识，使读者对数据流机器学习有一个全面的认识。接着，详细讲解了MOA框架的使用方法，包括数据预处理、模型选择、参数调优等步骤。

在实例分析部分，文档选取了多个具有代表性的数据流机器学习应用场景，如股票市场预测、网络流量分析、传感器数据监测等，通过实际案例展示如何运用数据流机器学习技术解决实际问题。

此外，文档还介绍了数据流机器学习在各个领域的应用前景，如金融、医疗、交通等，为读者提供了广阔的视野。

3、应用领域

数据流机器学习在各个领域都有广泛的应用，以下列举几个典型应用领域：

1）金融领域：利用数据流机器学习技术进行股票市场预测、信用风险评估等，为金融机构提供决策支持。

2）医疗领域：通过分析医疗数据流，实现疾病预测、患者病情监测等功能，提高医疗服务质量。

3）交通领域：利用数据流机器学习技术进行交通流量预测、交通事故预警等，提高交通安全。

4）物联网领域：通过分析物联网设备产生的数据流，实现设备故障预测、能耗优化等功能，提高设备运行效率。

4、下载方法

“数据流机器学习 MOA实例.pdf电子书版文档下载”可通过以下途径获取：

1）访问官方网站：访问该书的官方网站，下载电子书版文档。

2）在线书店：在各大在线书店搜索该书，购买电子书版或纸质书。

3）学术资源平台：在学术资源平台搜索该书，下载电子书版文档。

4）社交媒体：关注相关领域专家或机构，获取下载链接。

总结：

“数据流机器学习 MOA实例.pdf电子书版文档下载”是一本内容丰富、实用性强的专业书籍，为读者提供了全面了解数据流机器学习技术的途径。通过学习该书，读者可以掌握数据流机器学习的基本原理和应用方法，为实际工作提供有力支持。

本文从文档概述、内容结构、应用领域和下载方法四个方面对“数据流机器学习 MOA实例.pdf电子书版文档下载”进行了详细阐述，旨在帮助读者更好地了解和利用该书。

本文由nayona.cn整理

点击联系需要东西方神秘学学习资料，专业的咨询