封面
版权信息
内容简介
作者简介
序
前言
主要符号表
第1章 绪论
参考文献
第2章 数据基本表述
2.1 数据基本知识
2.2 度量中心趋势
2.3 度量离散程度
2.4 正态分布
2.5 本章小结
参考文献
第3章 数据常规预处理
3.1 数据清理
3.1.1 缺失值处理
3.1.2 噪声数据处理
3.2 数据标准化
3.2.1 数据中心化处理
3.2.2 数据的无量纲化处理
3.2.3 标准化处理
3.3 本章小结
参考文献
第4章 线性回归分析
4.1 线性回归模型
4.1.1 一元线性回归
4.1.2 多元线性回归
4.2 最小二乘法原理
4.2.1 计算方法的推导
4.2.2 总体参数估计量的性质
4.3 多重共线性问题
4.3.1 问题的提出
4.3.2 多重共线性的影响
4.3.3 多重共线性的诊断
4.3.4 解决多重共线性的方法
4.4 模型效果评价指标
4.4.1 测定系数
4.4.2 均方根误差
4.5 本章小结
参考文献
第5章 偏最小二乘线性回归模型
5.1 基本思路与算法原理
5.1.1 基本思路
5.1.2 算法原理
5.1.3 交叉有效性
5.2 算法的基本性质
5.3 主要分析技术
5.3.1 主成分分析
5.3.2 典型相关性分析
5.3.3 T2椭圆图辅助分析
5.3.4 变量投影重要性辅助分析技术
5.4 本章小结
参考文献
第6章 偏最小二乘在中医药领域应用的思路
6.1 中医药实验数据
6.1.1 数据来源
6.1.2 数据特点
6.2 总体思路与分析策略
6.2.1 总体思路与目标
6.2.2 分析策略
6.3 本章小结
参考文献
第7章 优化偏最小二乘的数据预处理方法
7.1 问题的提出
7.2 基于降噪稀疏自编码器的偏最小二乘缺失值处理
7.2.1 降噪稀疏自编码器
7.2.2 优化模型的建立
7.2.3 实验设计与结果分析
7.3 基于非径向数据包络分析的偏最小二乘噪声处理
7.3.1 非径向数据包络分析
7.3.2 优化模型的建立
7.3.3 实验设计与结果分析
7.4 本章小结
参考文献
第8章 优化偏最小二乘辅助特征选择研究
8.1 问题的提出
8.2 特征选择方法
8.2.1 相关定义
8.2.2 特征选择的过程
8.2.3 方法的类型
8.3 基于特征相关的偏最小二乘特征选择
8.3.1 基于相关性的特征选择方法
8.3.2 优化模型的建立
8.3.3 实验设计与结果分析
8.4 基于L1正则项的偏最小二乘特征选择
8.4.1 LASSO方法
8.4.2 优化模型的建立
8.4.3 实验设计与结果分析
8.5 基于灰色关联的偏最小二乘特征选择
8.5.1 灰色关联分析
8.5.2 优化模型的建立
8.5.3 实验设计与结果分析
8.6 本章小结
参考文献
第9章 偏最小二乘成分提取的非线性优化模型
9.1 问题的提出
9.2 融合受限玻尔兹曼机的偏最小二乘优化模型
9.2.1 受限玻尔兹曼机
9.2.2 优化模型的建立
9.2.3 实验设计与结果分析
9.3 融合稀疏自编码器的偏最小二乘优化模型
9.3.1 自编码器
9.3.2 稀疏自编码器的构造
9.3.3 优化模型的建立
9.3.4 实验设计与结果分析
9.4 融合深度置信网络的偏最小二乘优化模型
9.4.1 深度置信网络
9.4.2 优化模型的建立
9.4.3 实验设计与结果分析
9.5 本章小结
参考文献
第10章 偏最小二乘回归的非线性优化模型
10.1 问题的提出
10.2 融合模型树的偏最小二乘优化
10.2.1 模型树
10.2.2 非线性模型的建立
10.2.3 实验设计与结果分析
10.3 融合随机森林的偏最小二乘优化
10.3.1 随机森林
10.3.2 非线性模型的建立
10.3.3 实验设计与结果分析
10.4 融合softmax的偏最小二乘优化
10.4.1 softmax
10.4.2 非线性模型的建立
10.4.3 实验设计与结果分析
10.5 本章小结
参考文献
第11章 总结与展望
11.1 偏最小二乘的优势
11.2 偏最小二乘的不足
11.3 偏最小二乘的展望
参考文献
附录A 专业术语
附录B 优化偏最小二乘的多功能数据分析系统使用指南
附录C 中医药实验数据表
更新时间：2024-12-28 11:55:19
完结共138章
倒序