以下書況,主觀上皆可閱讀,若收到後不滿意,『都可退書退款』。
書況補充說明: B自然泛黃書斑、髒污。
【購買須知】
(1)照片皆為現貨實際拍攝,請參書況說明。
(2)『賣場標題、內容簡介』為出版社原本資料,若有疑問請留言,但人力有限,恕不提供大量詢問。
(3)『附件或贈品』,不論標題或內容簡介是否有標示,請都以『沒有附件,沒有贈品』為參考。
(4)訂單完成即『無法加購、修改、合併』,請確認品項、優惠後,再下訂結帳。如有疑問請留言告知。
(5)二手書皆為獨立商品,下訂即刪除該品項,故『取消』後無法重新訂購,須等系統安排『2個月後』重新上架。
(6)收到書籍後,若不滿意,或有缺漏,『都可退書退款』。
[商品主貨號] U102388886
[ISBN-13碼] 9789865501594
[ISBN] 9865501597
[作者] 游皓麟
[出版社] 深智數位
[出版日期] 2020/11/21
[裝訂/規格] 平裝 / 464頁 / 17 x 23 x 2.32 cm / 普通級 / 單色印刷 / 初版
[目錄]
01 | 認識預測
1.1 什麼是預測
1.2 前端技術
1.3 Python 預測初步
02 | 預測方法論
2.1 預測流程
2.2 指導原則
2.3 團隊組成
03 | 探索規律
3.1 相關分析
3.2 因果分析
3.3 分群分析
3.4 連結分析
04 | 特徵工程
4.1 特徵轉換
4.2 特徵組合
4.3 特徵評價
4.4 特徵學習
05 | 參數最佳化
5.1 交換驗證
5.2 網格搜尋
5.3 遺傳演算法
5.4 粒子群最佳化
5.5 模擬退火
06 | 線性回歸及其最佳化
6.1 多元線性回歸
6.2 Ridge 回歸
6.3 Lasso 回歸
6.4 分位數回歸
6.5 穩健回歸
07 | 複雜回歸分析
7.1 梯度提升回歸樹(GBRT)
7.2 深度神經網路
7.3 支援向量機回歸
7.4 高斯過程回歸
08 | 時間序列分析
8.1 Box-Jenkins 方法
8.2 門檻自回歸模型
8.3 GARCH 模型族
8.4 向量自回歸模型
8.5 卡爾曼濾波
8.6 循環神經網路
8.7 長短期記憶網路
09 | 短期日負荷曲線預測
9.1 電力企業負荷預測介紹
9.2 短期日負荷曲線預測的基本要求
9.3 預測建模準備
9.4 基於DNN 演算法的預測
9.5 基於LSTM 演算法的預測
10 | 股票價格預測
10.1 股票市場簡介
10.2 取得股票資料
10.3 基於VAR 演算法的預測
10.4 基於LSTM 演算法的預測
A | 參考文獻)
[內容簡介] (出版商制式文字, 不論標題或內容簡介是否有標示, 請都以『沒有附件、沒有贈品』為參考。)
預測之美,莫過於此
未卜先知不再是夢想,用深度學習及機器學習的原理,預測出最精準的結果。
完整收錄
√遺傳演算法、粒子群演算法、模擬退火求解
√多元線性、Ridge回歸、Lasso回歸、分位數回歸、穩健回歸
√GBRT、神經網路、SVM、高斯回歸
√Box-Jenkins方法、門檻自回歸、向量自回歸、GARPH模型族、卡爾曼濾波、RNN及LSTM
完整的數學推導及公式講解,讓你打下紮實的機器學習及深度學習基礎。
作者簡介
游皓麟
大數據分析、資料採擷專家,高級培訓講師。畢業於東南大學,從事大數據相關領域工作8年有餘,專注大數據架構、機器學習、資料採擷、NLP、知識圖譜等領域的方案設計、演算法研究與工程實現。在遊戲、互聯網、電信、電力、軍工等行業具有豐富的工程實踐經驗,多次作為特邀嘉賓參加行業會議並發表主題演講,著有《R語言預測實戰》等多本書籍。
)
-----------------------------------------------------------
分享閱讀 書籍狀態請詳看圖示