人工智能开发丛书人工智能开发丛书--数据挖掘与机器学习:PMML建模(下)

1　神经网络模型（NeuralNetwork） 1
1.1　神经网络模型基础知识 2
1.2　神经网络模型算法简介 5
1.3　神经网络模型元素 9
1.3.1　模型属性 10
1.3.2　模型子元素 14
1.3.3　评分应用过程 28

2　决策树模型（TreeModel） 29
2.1　决策树模型基础知识 30
2.1.1　决策树模型简介 30
2.1.2　逻辑谓词表达式 31
2.2　决策树模型算法简介 33
2.2.1　卡方自动交互检验算法（CHAID） 33
2.2.2　迭代二叉树ID3 42
2.2.3　分类器C4.5和C5.0 47
2.2.4　分类与回归树算法CART 53
2.3　决策树模型元素 54
2.3.1　模型属性 56
2.3.2　模型子元素 59
2.3.3　评分应用过程 68

3　规则集模型（RuleSetModel） 79
3.1　规则集模型基础知识 80
3.2　规则集模型元素 80
3.2.1　模型属性 81
3.2.2　模型子元素 81
3.2.3　评分应用过程 89

4　序列模型（SequenceModel） 93
4.1　序列模型基础知识 94
4.2　序列模型算法简介 97
4.2.1　GSP算法 97
4.2.2　SPADE算法 101
4.2.3　PrefixSpan算法 103
4.3　序列模型元素 104
4.3.1　模型属性 106
4.3.2　模型子元素 107
4.3.3　评分应用过程 118

5　评分卡模型（Scorecard） 119
5.1　评分卡模型基础知识 120
5.2　评分卡模型算法简介 121
5.3　评分卡模型元素 131
5.3.1　模型属性 132
5.3.2　模型子元素 134
5.3.3　评分应用过程 143

6　支持向量机模型（SupportVectorMachineModel） 145
6.1　支持向量机模型基础知识 146
6.2　支持向量机模型算法简介 148
6.3　支持向量机模型元素 152
6.3.1　模型属性 154
6.3.2　模型子元素 155
6.3.3　评分应用过程 164

7　时间序列模型（TimeSeriesModel） 167
7.1　时间序列模型基础知识 168
7.2　时间序列模型算法简介 171
7.2.1　算法概述 172
7.2.2　指数平滑算法 173
7.3　时间序列模型元素 176
7.3.1　模型属性 177
7.3.2　模型子元素 178
7.3.3　评分应用过程 192

8　聚合模型（MiningModel） 195
8.1　模型聚合基础知识 196
8.2　挖掘模型MiningModel 197

　附录 225

　后记 227