返回上一页 发布人:patent
我要发布信息
| 好书推荐：决策树归纳算法的自动设计 | 发布于:2016/05/28 | |
| 数据挖掘（Data Mining）又译为资料勘探、数据采矿。它是数据库知识发现中的一个步骤。一般是指从大量的数据中通过算法搜索隐藏于其中有用信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等诸多方法来实现目标。决策树是建立在信息论基础之上，对数据进行分类挖掘的一种方法。其思想是，通过一批已知的训练数据建立一棵决策树，然后利用建好的决策树，对结果进行预测。决策树的建立过程可以看成是数据规则的生成过程。由于基于决策树的分类方法结构简单，本身就是人们能够理解的规则。本文提出了一个自上而下的决策树归纳算法的详细研究，包括分割标准、停止标准、修剪和处理缺失值的方法等方面的主要设计原理。 本书共7章：1.引言：主要是本书大纲的介绍以及参考文献说明；2.决策树：包括基本理论的介绍、自上而下决策树的选择、停止标准、剪枝等内容；3.进化算法和超启发式算法：包括选择方法和遗传算子、超启发式理论等内容；4.决策树算法的自动设计：包括分裂、停止准则、缺失值、修剪等理论以及相关工作介绍；5.实验分析：通过对一个和多个数据集的算法实验设计，对所设计算法进行多方面评价与验证；6.拟合功能分析：包括性能指标，如精度、召回率、F值的介绍，聚合方案与实验评价等；7.结论：对全书进行总结，包括已有的工作进展、算法限制与未来工作展望。 作者Rodrigo C.Barros博士是里约热内卢天主教大学计算机学院副教授，研究方向是数据挖掘、人工智能。曾获2011年最佳论文奖、2012年7月GECCO最佳论文奖，2013年10月SBBD最佳论文奖、2014年12月最佳论文奖等。 本书言简意赅、层层深入、条例分明。适合模式识别与人工智能、数据挖掘，尤其适合机器学习和进化计算方向的研究生与科研人员阅读参考。 李亚宁，博士研究生 （中国科学院自动化研究所）来源：国外科技新书评介 |
||
