數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)：PMML建模（下）

1　神經(jīng)網(wǎng)絡(luò)模型（NeuralNetwork） 1
1.1　神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)知識(shí) 2
1.2　神經(jīng)網(wǎng)絡(luò)模型算法簡介 5
1.3　神經(jīng)網(wǎng)絡(luò)模型元素 9
1.3.1　模型屬性 10
1.3.2　模型子元素 14
1.3.3　評(píng)分應(yīng)用過程 28

2　決策樹模型（TreeModel） 29
2.1　決策樹模型基礎(chǔ)知識(shí) 30
2.1.1　決策樹模型簡介 30
2.1.2　邏輯謂詞表達(dá)式 31
2.2　決策樹模型算法簡介 33
2.2.1　卡方自動(dòng)交互檢驗(yàn)算法（CHAID） 33
2.2.2　迭代二叉樹ID3 42
2.2.3　分類器C4.5和C5.0 47
2.2.4　分類與回歸樹算法CART 53
2.3　決策樹模型元素 54
2.3.1　模型屬性 56
2.3.2　模型子元素 59
2.3.3　評(píng)分應(yīng)用過程 68

3　規(guī)則集模型（RuleSetModel） 79
3.1　規(guī)則集模型基礎(chǔ)知識(shí) 80
3.2　規(guī)則集模型元素 80
3.2.1　模型屬性 81
3.2.2　模型子元素 81
3.2.3　評(píng)分應(yīng)用過程 89

4　序列模型（SequenceModel） 93
4.1　序列模型基礎(chǔ)知識(shí) 94
4.2　序列模型算法簡介 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　模型屬性 106
4.3.2　模型子元素 107
4.3.3　評(píng)分應(yīng)用過程 118

5　評(píng)分卡模型（Scorecard） 119
5.1　評(píng)分卡模型基礎(chǔ)知識(shí) 120
5.2　評(píng)分卡模型算法簡介 121
5.3　評(píng)分卡模型元素 131
5.3.1　模型屬性 132
5.3.2　模型子元素 134
5.3.3　評(píng)分應(yīng)用過程 143

6　支持向量機(jī)模型（SupportVectorMachineModel） 145
6.1　支持向量機(jī)模型基礎(chǔ)知識(shí) 146
6.2　支持向量機(jī)模型算法簡介 148
6.3　支持向量機(jī)模型元素 152
6.3.1　模型屬性 154
6.3.2　模型子元素 155
6.3.3　評(píng)分應(yīng)用過程 164

7　時(shí)間序列模型（TimeSeriesModel） 167
7.1　時(shí)間序列模型基礎(chǔ)知識(shí) 168
7.2　時(shí)間序列模型算法簡介 171
7.2.1　算法概述 172
7.2.2　指數(shù)平滑算法 173
7.3　時(shí)間序列模型元素 176
7.3.1　模型屬性 177
7.3.2　模型子元素 178
7.3.3　評(píng)分應(yīng)用過程 192

8　聚合模型（MiningModel） 195
8.1　模型聚合基礎(chǔ)知識(shí) 196
8.2　挖掘模型MiningModel 197

　附錄 225

　后記 227