数据技术应用概论
第一章 绪论
数据素质培养意义
数据技术
数据科学应用体系框架
第二章 计算机信息系统
计算机信息系统的构成
计算机信息系统技术路线
第三章 抽样技术
抽样技术概述
网络调查和社会调查
抽样学习
抽样技术的基本概念
第四章 网络爬虫与文本数据生成
网络爬虫概述
网络爬虫技术操作
文本数据生成
第五章 数据库技术
数据库技术概述
数据库系统开发
关系数据库
数据仓库
第六章 SQL语言
SQL概述
SQL关系定义
SQL查询基本结构
数据库修改
视图
第七章 数据预处理技术
数据预处理概述
数据清理
数据集成
数据规约
数据变换
第八章 回归模型
回归模型的基础知识
最小二乘法
其他常用回归模型
第九章 Logistic建模技术
基础知识
梯度上升算法
第十章 关联规则挖掘
关联规则挖掘的基础知识
关联规则挖掘的 Apriori 算法
其它常用关联规则挖掘算法
第十一章 决策树分类规则
决策树分类规则的基础知识
决策树分类规则挖掘的ID3算法
几种常用的决策树
第十二章 K-平均聚类
基础知识
基于划分的K‐平均聚类算法
其他常用的聚类
第十三章 神经网络模型
神经网络模型的基础知识
误差逆传播算法
其他常用的神经网络算法
第十四章 支持向量机
支持向量机的基础知识
支持向量机的SMO算法
其他常用的支持向量机算法
第十五章 集成学习算法
集成学习算法的基础知识
随机森林算法
其他常用的集成学习算法
第十六章 数据可视化
数据可视化的基础知识
可视化设计基础
数据可视化工具
-
+
首页
第三章 抽样技术
```mindmap # 抽样技术 ### 抽样技术概述 #### 样本推断总体命题 #### 样本总体概念与概率统计表达工具 #### 抽样调查发展简要回顾 #### 应用抽样技术的基本步骤 ### 网络调查和社会调查 #### 网络调查 #### 电话调查 ### 抽样学习 #### 训练集和测试集的构造 #### 集成学习算法的抽样方法 ### 抽样技术的基本概念 #### 总体 #### 样本 ``` 抽样技术概述： `抽样技术`是一种用于从总体中选取一部分代表性样本的方法，以便对总体进行推断和分析。它包括以下几个关键方面： 1. 样本推断总体命题：基于样本数据来对总体特征进行推断的过程。 2. 样本总体概念与概率统计表达工具：总体是指研究对象的全体，而样本是从总体中选取的一部分，概率统计工具用于分析样本数据并推断总体。 3. 抽样调查发展简要回顾：抽样调查技术的发展历史，从早期的简单随机抽样到现代的复杂抽样设计。 4. 应用抽样技术的基本步骤：包括确定研究目标、设计抽样方案、选取样本、收集数据、分析结果和推断总体。 `网络调查和社会调查：` 随着技术的发展，调查方法也在不断演变，包括： 1. 网络调查：利用互联网进行的调查，可以快速收集大量数据，但需要考虑样本的代表性和数据的质量。 2. 电话调查：通过电话进行的调查，适用于快速收集信息，但可能受到接听率和回答偏差的影响。 `抽样学习：` 在机器学习领域，抽样技术也有其应用： 1. 训练集和测试集的构造：从数据集中随机选取一部分作为训练集，用于模型的训练；另一部分作为测试集，用于评估模型的性能。 2. 集成学习算法的抽样方法：在集成学习方法中，通过不同的抽样技术构建多个模型，以提高整体的预测准确性。 `抽样技术的基本概念：` 1. 总体：研究对象的全体，是抽样的出发点。 2. 样本：从总体中选取的一部分，用于代表总体进行研究。
张龙
2024年8月14日 16:29
转发文档
收藏文档
上一篇
下一篇
手机扫码
复制链接
手机扫一扫转发分享
复制链接
Markdown文件
分享
链接
类型
密码
更新密码