包邮数据挖掘算法——基于C++及CUDA C

第1章 概述
第2章 前向选择成分分析
前向选择成分分析概述
数学原理与代码示例
*大化解释方差
方差*大化准则代码
后向细化
多线程后向细化
有序成分正交化
综合应用
仅前向选择子集的成分变量
后向细化子集的成分变量
人工变量示例
第3章 局部特征选择
算法概述
算法输出结果
简要介绍：单纯形算法
线性规划问题
Simplex类的接口
更多细节
一种更严格的LFS方法
类内分割和类间分割
计算权重
*大化类间分割
*小化类内分割
测试β试验值
关于线程的简要说明
CUDA权重计算
将CUDA代码集成到算法中
初始化CUDA硬件
计算与当前实例之差
计算距离矩阵
计算*小距离
计算权重方程项
转置项矩阵
权重项求和
权重迁移到主机
局部特征选择示例
关于运行时的解释说明
第4章 时间序列特征的记忆特性
简单数学概述
前向算法
后向算法
α和β修正
一些常规计算
均值和协方差
概率密度
多元正态概率密度函数
启动参数
初始化算法流程
对均值施加扰动
对协方差施加扰动
对转移概率施加扰动
关于随机数发生器的解释
完整优化算法
计算状态概率
更新均值和协方差
更新初始概率和转移概率
HMM在时间序列中的记忆特性评估
链接特征变量与目标变量
链接HMM状态与目标
一个人为的不当示例
一个合理可行的示例
第5章 逐步选择改进算法
特征评估模型
基本模型实现代码
交叉验证性能度量
逐步选择算法
确定**个变量
在现有模型中添加变量
三个算法演示示例
第6章 名义变量到有序变量的转换
实现概述
合理关系测试
股票价格变动示例
名义变量到有序变量变换实现代码
构造函数
输出计数表
计算映射函数
Monte-Carlo置换检验