|
000
|
01604nam0 2200277 450
|
|
001
|
92840
|
|
005
|
20250818163628.18
|
|
010
|
|
@a978-7-302-68545-6@dCNY69.80
|
|
100
|
|
@a20250528d2025 em y0chiy50 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aak a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a复杂系统影响因素研究的数据驱动分析方法@Afu za xi tong ying xiang yin su yan jiu de shu ju qu dong fen xi fang fa@f李海林, 林春培编著
|
|
210
|
|
@a北京@c清华大学出版社@d2025.04
|
|
215
|
|
@a229页@c图@d26cm
|
|
312
|
|
@a英文题名取自封面
|
|
320
|
|
@a有书目 (第225-229页)
|
|
330
|
|
@a本书第1章阐述了传统分析方法在处理复杂系统多变量、非线性和动态变化等特征时的不足, 而DAC凭借先进的数据挖掘和机器学习算法, 通过数据获取、数据处理与变量测量、聚类分析、决策树分析和贝叶斯网络分析5个关键阶段 (步骤), 为决策制定和优化助力。第2章强调指标选取的依据、选取原则等, 依据数据类型选择合适量化方法, 并通过实例演示如何将实际问题转化为可量化数据集, 保障后续分析质量。第3章详细介绍数据采集、统计分析、变量选取、校准处理 (引入云校准概念) 等数据预处理内容。第4章讲解基于聚类算法的异质性群体的多种分析。第5章使用决策树分析了异质性群体对象的影响因素交互效应。第6章运用贝叶斯网络和相关算法探究变量间的作用关系和影响路径。第7章通过后发企业创新绩效案例分析, 展示DAC在实际研究中的应用优势。
|
|
510
|
1
|
@aData-driven analysis methods for the study of influencing factors in complex systems@zeng
|
|
606
|
0
|
@a数据处理@Ashu ju chu li@x分析方法
|
|
690
|
|
@aTP274@v5
|
|
701
|
0
|
@a李海林@Ali hai lin@4编著
|
|
701
|
0
|
@a林春培@Alin chun pei@4编著
|
|
801
|
0
|
@aCN@c20250909
|
|
905
|
|
@a河南城建学院图书馆@dTP274@eL170@f1
|
|
|
|
|
| |
| 复杂系统影响因素研究的数据驱动分析方法/李海林, 林春培编著.-北京：清华大学出版社，2025.04 |
| 229页：图；26cm |
| |
| |
| ISBN 978-7-302-68545-6：CNY69.80 |
| 本书第1章阐述了传统分析方法在处理复杂系统多变量、非线性和动态变化等特征时的不足, 而DAC凭借先进的数据挖掘和机器学习算法, 通过数据获取、数据处理与变量测量、聚类分析、决策树分析和贝叶斯网络分析5个关键阶段 (步骤), 为决策制定和优化助力。第2章强调指标选取的依据、选取原则等, 依据数据类型选择合适量化方法, 并通过实例演示如何将实际问题转化为可量化数据集, 保障后续分析质量。第3章详细介绍数据采集、统计分析、变量选取、校准处理 (引入云校准概念) 等数据预处理内容。第4章讲解基于聚类算法的异质性群体的多种分析。第5章使用决策树分析了异质性群体对象的影响因素交互效应。第6章运用贝叶斯网络和相关算法探究变量间的作用关系和影响路径。第7章通过后发企业创新绩效案例分析, 展示DAC在实际研究中的应用优势。 |
| ● |
正题名：复杂系统影响因素研究的数据驱动分析方法
索取号：TP274/L170
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1626798
|
216267983
|
自科库301/301自科库 42排4列2层/
[索取号:TP274/L170]
|
在馆
|
|
