基于统计学的大数据特征分析研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 基于统计学的大数据研究的时代背景 | 第10-12页 |
| 1.2 基于统计学的特征分析研究的重要意义 | 第12-13页 |
| 1.3 本文的研究内容和目标 | 第13-15页 |
| 1.4 论文结构 | 第15-16页 |
| 第二章 特征预处理相关方法研究 | 第16-26页 |
| 2.1 特征预处理概述 | 第16页 |
| 2.2 特征的采集、存储和类型 | 第16-18页 |
| 2.3 特征数据变换 | 第18-20页 |
| 2.3.1 特征归一化与二值化 | 第18-19页 |
| 2.3.2 连续特征离散化 | 第19页 |
| 2.3.3 离散特征连续化 | 第19-20页 |
| 2.3.4 提取聚合特征 | 第20页 |
| 2.4 异常特征检测与处理 | 第20-22页 |
| 2.5 缺失特征值处理 | 第22-23页 |
| 2.6 时间序列特征处理 | 第23-24页 |
| 2.7 空间特征处理 | 第24页 |
| 2.8 数据不平衡问题 | 第24-25页 |
| 2.9 本章小结 | 第25-26页 |
| 第三章 特征选择前沿方法研究对比 | 第26-36页 |
| 3.1 特征选择概述 | 第26-28页 |
| 3.2 基于相关度的选择 | 第28-29页 |
| 3.3 基于Lasso罚项的稀疏选择 | 第29-30页 |
| 3.4 利用集成方法做选择 | 第30-32页 |
| 3.5 利用神经网络进行特征选择 | 第32-33页 |
| 3.6 本章小结 | 第33-36页 |
| 第四章 基于特征分析的疾病预测问题 | 第36-50页 |
| 4.1 疾病预测概述 | 第36-37页 |
| 4.2 数据描述 | 第37-38页 |
| 4.3 肾衰竭实验方案设计 | 第38-44页 |
| 4.3.1 交叉验证与模型评估指标 | 第38-39页 |
| 4.3.2 特征预处理与特征排序 | 第39-40页 |
| 4.3.3 模型选择与模型优化 | 第40-44页 |
| 4.4 实验结论及分析 | 第44-48页 |
| 4.4.1 特征重要性排序 | 第44-46页 |
| 4.4.2 特征数量的选择 | 第46-47页 |
| 4.4.3 五个模型性能对比 | 第47-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 基于用户行为的特征可预测性研究 | 第50-58页 |
| 5.1 特征可预测性概述 | 第50-51页 |
| 5.2 数据采集方案设计 | 第51-52页 |
| 5.3 预测方案设计 | 第52-54页 |
| 5.4 可预测性结果分析 | 第54-55页 |
| 5.5 可预测性原因分析 | 第55-57页 |
| 5.6 本章小结 | 第57-58页 |
| 第六章 总结 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
