推薦系統(tǒng)是為了解決“信息過載”問題而產(chǎn)生的一種有效工具，隨著推薦系統(tǒng)被廣泛應(yīng)用于新聞、音樂、社交平臺(tái)和電子商務(wù)等領(lǐng)域以滿足用戶的個(gè)性化需求，以個(gè)性化推薦技術(shù)為代表的推薦算法受到了越來越多的關(guān)注，以有效感知用戶的復(fù)雜意圖。其中，協(xié)同過濾算法是應(yīng)用最廣泛的個(gè)性化推薦算法，由于傳統(tǒng)的協(xié)同過濾算法只考慮用戶的歷史反饋數(shù)據(jù)進(jìn)行推

本書從初學(xué)者和開發(fā)人員的角度出發(fā)，以實(shí)戰(zhàn)應(yīng)用為原則，主要介紹了Hadoop3的組件和生態(tài)系統(tǒng)內(nèi)的大數(shù)據(jù)應(yīng)用工具。全書共7個(gè)項(xiàng)目、23個(gè)任務(wù)，主要內(nèi)容包括搭建Hadoop開發(fā)環(huán)境、Hadoop入門及實(shí)戰(zhàn)、Hive數(shù)據(jù)分析、HBase分布式存儲(chǔ)數(shù)據(jù)庫(kù)、ZooKeeper分布式協(xié)調(diào)服務(wù)、Flume數(shù)據(jù)采集、Sqoop數(shù)據(jù)遷移

本書共分為5章。第1章概述了多智能體系統(tǒng)的研究背景與意義、基本問題及特殊問題；第2章簡(jiǎn)要介紹了代數(shù)圖論背景知識(shí)；第3章討論了多智能體系統(tǒng)有限時(shí)間控制問題，建立了一階和高階有限時(shí)間觀測(cè)器，利用齊次性理論證明了兩種觀測(cè)器都能使系統(tǒng)狀態(tài)在有限時(shí)間內(nèi)收斂到期望軌跡。進(jìn)一步，討論了固定時(shí)間控制問題及多機(jī)械臂系統(tǒng)有限時(shí)間同步控制應(yīng)

本書介紹了代數(shù)結(jié)構(gòu)、幾何結(jié)構(gòu)、Lie群和Lie代數(shù)等基本理論，運(yùn)用Lie對(duì)稱方法研究了光纖通信等領(lǐng)域中五個(gè)非線性系統(tǒng)的一些對(duì)稱性質(zhì)和解析解。研究了GDNLS方程、DEGM系統(tǒng)、DR系統(tǒng)和Maccari系統(tǒng)的Lie點(diǎn)對(duì)稱、Lie對(duì)稱約化、對(duì)稱變換、非線性自伴性和守恒律。運(yùn)用Painlevé截?cái)嗾归_方法導(dǎo)出了GBK系統(tǒng)的非

本書匯總了數(shù)據(jù)科學(xué)中經(jīng)常使用的數(shù)學(xué)知識(shí)，包括矩陣基礎(chǔ)、微積分、概率論和優(yōu)化等，以矩陣和向量形式統(tǒng)一了幾個(gè)內(nèi)容的符號(hào)體系，系統(tǒng)全面地介紹了數(shù)據(jù)科學(xué)的數(shù)學(xué)基礎(chǔ)。全書共7章，內(nèi)容包括線性代數(shù)、向量空間、內(nèi)積空間、矩陣分解、向量微積分、概率與分布和優(yōu)化方法。本書兼顧數(shù)學(xué)表達(dá)的嚴(yán)謹(jǐn)性和知識(shí)描述的直觀性，減少了枯燥的證明過程，增加

數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)

本書系統(tǒng)介紹了大數(shù)據(jù)的內(nèi)涵、特征、技術(shù)及應(yīng)用。全書共10章,其中第1~8章為技術(shù)篇,主要從大數(shù)據(jù)處理流程出發(fā),圍繞大數(shù)據(jù)體系架構(gòu),詳細(xì)闡述大數(shù)據(jù)采集與預(yù)處理、大數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)分析挖掘、大數(shù)據(jù)可視化等關(guān)鍵技術(shù)。第9、10章為應(yīng)用篇,對(duì)大數(shù)據(jù)在電信、文娛、教育、醫(yī)療等行業(yè)的具體應(yīng)用進(jìn)行了論述,并通過典型案例與Python

本教材是在“新工科”和工程教育認(rèn)證背景下，為適應(yīng)專業(yè)人才培養(yǎng)方案改革以及課程體系改革之需要編寫而成。教材對(duì)數(shù)控工藝及編程、數(shù)控機(jī)床、機(jī)械CAD/CAM三門課程中與數(shù)控相關(guān)的教學(xué)內(nèi)容進(jìn)行了有機(jī)整合和更新。在編寫過程中，作者緊密圍繞教學(xué)大綱，運(yùn)用大量的工程案例，強(qiáng)化工程實(shí)踐應(yīng)用。主要內(nèi)容包括緒論、數(shù)控加工工藝基礎(chǔ)、數(shù)控加工

《數(shù)據(jù)分析與挖掘技術(shù)》主要介紹數(shù)據(jù)分析與挖掘的相關(guān)理論和技術(shù)方法，重點(diǎn)介紹數(shù)據(jù)挖掘的相關(guān)技術(shù)，書中采取理論知識(shí)與具體實(shí)現(xiàn)任務(wù)相結(jié)合的方法，系統(tǒng)講解了數(shù)據(jù)分析與挖掘的實(shí)用技術(shù)。全書共分為9章，主要內(nèi)容包括數(shù)據(jù)分析與數(shù)據(jù)挖掘概論、數(shù)據(jù)倉(cāng)庫(kù)與聯(lián)機(jī)分析處理、數(shù)據(jù)預(yù)處理、關(guān)聯(lián)規(guī)則挖掘、聚類分析、回歸分析、決策樹分析、SPSS數(shù)據(jù)

數(shù)據(jù)挖掘已經(jīng)廣泛應(yīng)用于各行各業(yè)，并推動(dòng)了商務(wù)數(shù)據(jù)分析的興起。本書結(jié)合項(xiàng)目實(shí)踐，首先對(duì)數(shù)據(jù)挖掘的核心問題進(jìn)行總結(jié)，討論數(shù)據(jù)挖掘過程的主要步驟。在此基礎(chǔ)上，使用Python語言詳細(xì)地分析數(shù)據(jù)可視化、隨機(jī)森林、GBDT、XGBoost、AdaCostBoost、邏輯回歸等在醫(yī)療保險(xiǎn)稽核、淡水質(zhì)量預(yù)測(cè)、彈幕情感分析、機(jī)器學(xué)習(xí)書