Moderni algoritmi di data mining in C++ e Cuda C: recenti sviluppi negli algoritmi di estrazione e selezione delle caratteristiche per la scienza dei dati

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 5 voti.

Titolo originale:

Modern Data Mining Algorithms in C++ and Cuda C: Recent Developments in Feature Extraction and Selection Algorithms for Data Science

Contenuto del libro:

1) Introduzione 7.

2) Analisi dei componenti con selezione in avanti 11 A) Introduzione all'analisi dei componenti con selezione in avanti 12 B) Matematica ed esempi di codice 16 Massimizzazione della varianza spiegata 18 Codice per il criterio di massimizzazione della varianza 20 Raffinamento all'indietro 24 Raffinamento all'indietro multi-threading 28 Ortogonalizzazione dei componenti ordinati 36 C) Mettere tutto insieme 39 Componenti di un sottoinsieme solo in avanti 44 Componenti di un sottoinsieme raffinato all'indietro 46 D) Un esempio di variabili contrastanti 48 Un esempio con variabili artificiose 48.

3) Selezione delle caratteristiche locali 53 A) Panoramica intuitiva dell'algoritmo 54 Cosa riporta questo algoritmo 60 B) Una breve deviazione: l'algoritmo Simplex 62 Il problema della programmazione lineare 63 Interfacciamento con la classe Simplex 64 Un po' più di dettaglio 67 C) Un approccio più rigoroso all'LFS 69 Separazione intra-classe e inter-classe 73 Calcolo dei pesi 77 Massimizzazione della separazione inter-classe 81 Minimizzazione della separazione intra-classe 86 Test di una beta di prova 88 Una nota veloce sui thread 93 D) Calcolo CUDA dei pesi 94 Integrazione del codice CUDA nell'algoritmo 95 Inizializzazione dell'hardware CUDA 97 Calcolo delle differenze dal caso corrente 100 Calcolo della matrice delle distanze 102 Calcolo delle distanze minime 104 Calcolo dei termini per l'equazione dei pesi 112 Trasposizione della matrice dei termini 113 Somma dei termini per i pesi 114 Spostamento dei pesi nell'host 116 E) Un esempio di selezione locale delle caratteristiche 117 F) Una nota sui tempi di esecuzione 118.

4) Memoria nelle caratteristiche delle serie temporali 119 A) Una breve panoramica matematica 122 L'algoritmo Forward 123 L'algoritmo Backward 128 Alfa e Beta corretti, Per coloro che se ne preoccupano 131 B) Alcuni calcoli banali 136 Mezzi e covarianze 136 Densità 138 La funzione di densità normale multivariata 139 C) Parametri di partenza 141 Schema dell'algoritmo di inizializzazione 141 Perturbazione dei mezzi 142 Perturbazione delle covarianze 143 Perturbazione delle probabilità di transizione 144 Una nota sui generatori di numeri casuali 145 D) L'algoritmo di ottimizzazione completo 146 Calcolo delle probabilità di stato D) L'algoritmo di ottimizzazione completo 146 Calcolo delle probabilità di stato 147 Aggiornamento delle medie e delle covarianze 151 Aggiornamento delle probabilità iniziali e di transizione 153 E) Valutazione della memoria dell'HMM in una serie temporale 159 F) Collegamento delle caratteristiche a un obiettivo 164 Collegamento degli stati dell'HMM all'obiettivo 173 Un esempio artificioso e inappropriato 183 Un esempio sensato e pratico 186.

5) La selezione graduale sotto forma di steroidi 189 A) Il modello di valutazione delle caratteristiche 192 Codice per il modello di base 193 B) La misura di performance con validazione incrociata 198 C) L'algoritmo graduale 201 Trovare la prima variabile 207 Aggiungere una variabile a un modello esistente 210 D) Dimostrare l'algoritmo in tre modi 214.

6) Conversione da nominale a ordinale 217 A) Panoramica dell'implementazione 221 B) Verifica di una relazione legittima 222 C) Esempio di variazione del prezzo delle azioni 223 D) Codice per la conversione da nominale a ordinale 227 Il costruttore 228 Stampa della tabella dei conteggi 232 Calcolo della funzione di mappatura 234 Test di permutazione Monte-Carlo 237. Codice per la conversione nominale-ordinale 227 Il costruttore 228 Stampa della tabella dei conteggi 232 Calcolo della funzione di mappatura 234 Test di permutazione Monte-Carlo 237.

7) Indice 353.