Modern Data Mining Algorithms in C++ and Cuda C: Recent Developments in Feature Extraction and Selection Algorithms for Data Science (Algoritmos modernos de minería de datos en C++ y Cuda C: Desarrollos recientes en algoritmos de extracción y selección de características para la ciencia de datos)

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 5 votos.

Título original:

Modern Data Mining Algorithms in C++ and Cuda C: Recent Developments in Feature Extraction and Selection Algorithms for Data Science

Contenido del libro:

1) Introducción 7

2) Análisis de componentes de selección hacia delante 11 A) Introducción al análisis de componentes de selección hacia delante 12 B) Matemáticas y ejemplos de código 16 Maximización de la varianza explicada 18 Código para el criterio de maximización de la varianza 20 Refinamiento hacia atrás 24 Refinamiento hacia atrás multihilo 28 Ortogonalización de componentes ordenados 36 C) Puesta en común 39 Componentes de un subconjunto sólo hacia delante 44 Componentes de un subconjunto refinado hacia atrás 46 D) Un ejemplo con variables artificiales 48 Un ejemplo con variables artificiales 48

3) Selección Local de Características 53 A) Visión General Intuitiva del Algoritmo 54 Qué Informa Este Algoritmo 60 B) Un Breve Desvío: el Algoritmo Simplex 62 El Problema de Programación Lineal 63 Interfaz con la Clase Simplex 64 Un Poco Más de Detalle 67 C) Un Enfoque Más Riguroso de LFS 69 Separación Intra-Clase e Inter-Clase 73 Cálculo de los Pesos 77 Maximización de la Separación Inter-Clase 81 Minimización de la Separación Intra-Clase 86 Probando una Beta de Prueba 88 Una Nota Rápida sobre Hilos 93 D) Cálculo CUDA de los pesos 94 Integración del código CUDA en el algoritmo 95 Inicialización del hardware CUDA 97 Cálculo de las diferencias con el caso actual 100 Cálculo de la matriz de distancias 102 Cálculo de las distancias mínimas 104 Cálculo de los términos para la ecuación de pesos 112 Transposición de la matriz de términos 113 Suma de los términos para los pesos 114 Traslado de los pesos al host 116 E) Ejemplo de selección local de características 117 F) Nota sobre el tiempo de ejecución 118

4) La Memoria en las Características de las Series Temporales 119 A) Un Suave Repaso Matemático 122 El Algoritmo Forward 123 El Algoritmo Backward 128 Alfa y Beta Correctos, B) Algunos Cálculos Mundanos 136 Medias y Covarianzas 136 Densidades 138 La Función de Densidad Normal Multivariante 139 C) Parámetros de Partida 141 Esquema del Algoritmo de Inicialización 141 Perturbación de Medias 142 Perturbación de Covarianzas 143 Perturbación de Probabilidades de Transición 144 Una Nota sobre los Generadores de Números Aleatorios 145 D) El Algoritmo de Optimización D) El Algoritmo de Optimización Completo 146 Cálculo de las Probabilidades de Estado 147 Actualización de las Medias y Covarianzas 151 Actualización de las Probabilidades Iniciales y de Transición 153 E) Evaluación de la Memoria del HMM en una Serie Temporal 159 F) Vinculación de las Características a un Objetivo 164 Vinculación de los Estados del HMM al Objetivo 173 Un Ejemplo Artificioso e Inapropiado 183 Un Ejemplo Sensato y Práctico 186. Selección por Pasos en Esteroides

5) Selección paso a paso con esteroides 189 A) El modelo de evaluación de características 192 Código para el modelo básico 193 B) La medida de rendimiento de validación cruzada 198 C) El algoritmo paso a paso 201 Cómo encontrar la primera variable 207 Cómo añadir una variable a un modelo existente 210 D) Demostración del algoritmo de tres formas 214. El algoritmo de selección paso a paso

6) Conversión de Nominal a Ordinal 217 A) Descripción General de la Implementación 221 B) Pruebas para una Relación Legítima 222 C) Un Ejemplo de Cambios en el Precio de las Acciones 223 D) Código para la conversión de nominal a ordinal 227 El constructor 228 Impresión de la tabla de recuentos 232 Cálculo de la función de asignación 234 Pruebas de permutación de Monte-Carlo 237.

7) Índice 353.