搜索区
关键字
图片区
分页区
分类区
  •
    前往：机器学习
    《机器学习导论》涵盖了监督学习、贝叶斯决策理论、参数方法、多元方法、维度归约、聚类、非参数方法、决策树、线性判别式
    显示二维码
    用手机扫码
    分享扫码
    电子书
  •
    前往：搜索引擎
    《搜索引擎-信息检索实践》介绍了信息检索中的关键问题，如何影响搜索引擎的设计与实现，理论设计、实现和使用中的知识面广度与深度使用的搜索技术
    显示二维码
    用手机扫码
    分享扫码
    电子书
  •
    前往：数据挖掘
    《数据挖掘导论》数据、分类、关联分析、聚类和异常检测，涵盖基本概念、代表性算法和评估技术，讨论概念和算法
    显示二维码
    用手机扫码
    分享扫码
    电子书
  •
    前往：数据挖掘
    《数据挖掘技术与应用》概述，数据采集、集成与预处理技术，多维数据分析与组织，预测模型研究与应用，关联规则模型
    显示二维码
    用手机扫码
    分享扫码
    电子书
  •
    前往：人工数学
    《大数据：互联网大规模数据挖掘与分布式处理》数据流处理以及针对易丢失数据等特殊情况的专用处理算法、大规模高维数据集的聚类算法
    显示二维码
    用手机扫码
    分享扫码
    电子书
  •
    前往：网络工程
    《复杂网络理论及其应用》Web、科学家合作网络、经济网络、交通网络、疾病传播、发展历程、会议、论文、软件、实证
    显示二维码
    用手机扫码
    分享扫码
    文档类
  •
    前往：模式识别
    《模式识别(清华大学)》聚类分析、判别域代数界面方程法、统计判决、学习、训练与错误率估计、最近邻方法、特征提取和选择
    显示二维码
    用手机扫码
    分享扫码
    电子书
  •
    前往：数据挖掘
    《数据挖掘教程》背景信息、相关概念、主要技术、分类、聚类和关联规则的常用算法、Web挖掘、空间、时序数据和序列
    显示二维码
    用手机扫码
    分享扫码
    电子书
  •
    前往：数据挖掘
    《数据挖掘_实用机器学习技术_原书第2版》各种模型(决策树，关联规则、线性模型、聚类、贝叶斯网以及神经网络)以及在实践中的运用，所存任缺陷的分析
    显示二维码
    用手机扫码
    分享扫码
    电子书
  •
    前往：人工智能
    《机器学习实战》在现今大数据时代的背景下，捕获数据并从中萃取有价值的信息或模式，使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目
    显示二维码
    用手机扫码
    分享扫码
    电子书
  •
    前往：数据挖掘
    《数据挖掘导论》数据挖掘作为数据分析与决策支持的重要技术，已在各行各业得到了更为广泛的应用
    显示二维码
    用手机扫码
    分享扫码
    电子书
  •
    前往：数据挖掘
    《数据挖掘与知识发现》关联规则、聚类分析、决策树、贝叶斯网络、人工神经网络、支持向量机、粗糙集、模糊集等数据挖掘模型与算法
    显示二维码
    用手机扫码
    分享扫码
    电子书
共有：（12）个资源（1）页