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(jiǎn)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(guò)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(jiǎn)介 30
2.1.2　邏輯謂詞表達(dá)式 31
2.2　決策樹模型算法簡(jiǎn)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(guò)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(guò)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(jiǎn)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(guò)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(jiǎn)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(guò)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(jiǎn)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(guò)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(jiǎn)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(guò)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