可以朗读
语音朗读
136千字
字数
2021-06-01
发行日期
展开全部
主编推荐语
优化偏最小二乘法适应中医药数据分析
内容简介
本书内容是在充分利用偏最小二乘原理优势的基础上，重点研究改进与优化偏最小二乘的不足方面，使其更好地适应中医药数据分析。主要内容包括分别引入非径向数据包络分析和降噪稀疏自编码器优化偏最小二乘的噪声处理，使其处理缺失值和噪声更有效；分别引入特征相关、L1正则项和灰色关联优化偏最小二乘的特征提取，实现有效降维和提取特征子集；分别融合受限玻尔兹曼机、稀疏自编码器、深度置信网络提取非线性成分，优化偏最小二乘线性提取；采用模型树、随机森林和softmax实现偏最小二乘非线性回归，使非线性领域模型构建更有效。
目录
- 封面页
- 书名页
- 版权页
- 内容简介
- 作者简介
- 序
- 前言
- 主要符号表
- 目录
- 第1章 绪论
- 参考文献
- 第2章 数据基本表述
- 2.1 数据基本知识
- 2.2 度量中心趋势
- 2.3 度量离散程度
- 2.4 正态分布
- 2.5 本章小结
- 参考文献
- 第3章 数据常规预处理
- 3.1 数据清理
- 3.1.1 缺失值处理
- 3.1.2 噪声数据处理
- 3.2 数据标准化
- 3.2.1 数据中心化处理
- 3.2.2 数据的无量纲化处理
- 3.2.3 标准化处理
- 3.3 本章小结
- 参考文献
- 第4章 线性回归分析
- 4.1 线性回归模型
- 4.1.1 一元线性回归
- 4.1.2 多元线性回归
- 4.2 最小二乘法原理
- 4.2.1 计算方法的推导
- 4.2.2 总体参数估计量的性质
- 4.3 多重共线性问题
- 4.3.1 问题的提出
- 4.3.2 多重共线性的影响
- 4.3.3 多重共线性的诊断
- 4.3.4 解决多重共线性的方法
- 4.4 模型效果评价指标
- 4.4.1 测定系数
- 4.4.2 均方根误差
- 4.5 本章小结
- 参考文献
- 第5章 偏最小二乘线性回归模型
- 5.1 基本思路与算法原理
- 5.1.1 基本思路
- 5.1.2 算法原理
- 5.1.3 交叉有效性
- 5.2 算法的基本性质
- 5.3 主要分析技术
- 5.3.1 主成分分析
- 5.3.2 典型相关性分析
- 5.3.3 T~2椭圆图辅助分析
- 5.3.4 变量投影重要性辅助分析技术
- 5.4 本章小结
- 参考文献
- 第6章 偏最小二乘在中医药领域应用的思路
- 6.1 中医药实验数据
- 6.1.1 数据来源
- 6.1.2 数据特点
- 6.2 总体思路与分析策略
- 6.2.1 总体思路与目标
- 6.2.2 分析策略
- 6.3 本章小结
- 参考文献
- 第7章 优化偏最小二乘的数据预处理方法
- 7.1 问题的提出
- 7.2 基于降噪稀疏自编码器的偏最小二乘缺失值处理
- 7.2.1 降噪稀疏自编码器
- 7.2.2 优化模型的建立
- 7.2.3 实验设计与结果分析
- 7.3 基于非径向数据包络分析的偏最小二乘噪声处理
- 7.3.1 非径向数据包络分析
- 7.3.2 优化模型的建立
- 7.3.3 实验设计与结果分析
- 7.4 本章小结
- 参考文献
- 第8章 优化偏最小二乘辅助特征选择研究
- 8.1 问题的提出
- 8.2 特征选择方法
- 8.2.1 相关定义
- 8.2.2 特征选择的过程
- 8.2.3 方法的类型
- 8.3 基于特征相关的偏最小二乘特征选择
- 8.3.1 基于相关性的特征选择方法
- 8.3.2 优化模型的建立
- 8.3.3 实验设计与结果分析
- 8.4 基于L1正则项的偏最小二乘特征选择
- 8.4.1 LASSO方法
- 8.4.2 优化模型的建立
- 8.4.3 实验设计与结果分析
- 8.5 基于灰色关联的偏最小二乘特征选择
- 8.5.1 灰色关联分析
- 8.5.2 优化模型的建立
- 8.5.3 实验设计与结果分析
- 8.6 本章小结
- 参考文献
- 第9章 偏最小二乘成分提取的非线性优化模型
- 9.1 问题的提出
- 9.2 融合受限玻尔兹曼机的偏最小二乘优化模型
- 9.2.1 受限玻尔兹曼机
- 9.2.2 优化模型的建立
- 9.2.3 实验设计与结果分析
- 9.3 融合稀疏自编码器的偏最小二乘优化模型
- 9.3.1 自编码器
- 9.3.2 稀疏自编码器的构造
- 9.3.3 优化模型的建立
- 9.3.4 实验设计与结果分析
- 9.4 融合深度置信网络的偏最小二乘优化模型
- 9.4.1 深度置信网络
- 9.4.2 优化模型的建立
- 9.4.3 实验设计与结果分析
- 9.5 本章小结
- 参考文献
- 第10章 偏最小二乘回归的非线性优化模型
- 10.1 问题的提出
- 10.2 融合模型树的偏最小二乘优化
- 10.2.1 模型树
- 10.2.2 非线性模型的建立
- 10.2.3 实验设计与结果分析
- 10.3 融合随机森林的偏最小二乘优化
- 10.3.1 随机森林
- 10.3.2 非线性模型的建立
- 10.3.3 实验设计与结果分析
- 10.4 融合softmax的偏最小二乘优化
- 10.4.1 softmax
- 10.4.2 非线性模型的建立
- 10.4.3 实验设计与结果分析
- 10.5 本章小结
- 参考文献
- 第11章 总结与展望
- 11.1 偏最小二乘的优势
- 11.2 偏最小二乘的不足
- 11.3 偏最小二乘的展望
- 参考文献
- 附录A 专业术语
- 附录B 优化偏最小二乘的多功能数据分析系统使用指南
- B.1 软件概述
- B.2 基本界面
- B.2.1 主界面
- B.2.2 模型选择界面
- B.2.3 变量与参数选择界面
- B.2.4 模型结果界面
- B.2.5 绘图界面
- B.3 案例分析
- B.3.1 数据准备
- B.3.2 建立模型
- B.3.3 模型结果
- 附录C 中医药实验数据表
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
清华大学出版社
清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。
