《交通大数据理论与方法》
向AI转型的程序员都关注了这个号👇👇👇
机器学习AI算法工程 公众号：datayx
随着信息通讯技术的不断发展，各行各业都产生了海量的数据，与此同时，一门新的学科应运而生—— 数据挖掘。数据挖掘是从大量数据（包括文本数据）中挖掘出隐含的、先前未知的、对决策有潜在价值的信 息、知识和关联关系，并基于这些信息和相应规则建立可用于决策支持与优化分析的模型，提供可支持预测 性决策的方法和工具。此外，数据挖掘还可帮助企业和科研团体发现业务与学科中的新趋势，揭示已知的 事实，预测未知的结果，因此“数据挖掘”已成为其保持竞争力的必要手段。
在大数据发展的背景下，交通领域的各类大数据同样以惊人的速度产生，并被应用于各种各样的应用 场景。例如，基于手机信令数据分析城市人口分布及交通出行分布特征，从而为交通规划的进一步决策提 供量化依据；利用网约车数据分析城市路网流量，进而优化信号配时方案，提升交通控制方案的效率；利用 线圈、视频、浮动车等多源数据，实现对路网交通状态的识别和实时监控等；利用公交IC卡数据和公交GPS 数据推算公交乘客的出行OD矩阵，进而诊断公交线路的瓶颈站点和瓶颈断面，为公交线路优化与运营管理 提供决策依据。
在对交通大数据的处理过程中，面对规模庞大的交通大数据，交通工程师和研究者所面对的数据日益 纷杂，传统的数据分析技术在一些方面存在种种局限性。这种局限性往往是由于大数据本身的多源性、庞 杂性、紧迫性等特点带来的。如果没有强有力的工具，我们将难以有效理解数据，造成“数据丰富，知识贫 乏”的窘境。因此，需要新的理论知识和数据挖掘方法来指导我们有效分析大数据，进而构建基于大数据的 新一代交通工程方法与理论体系。针对这一问题，在大数据时代应运而生的机器学习、统计模型、数据库等 方法和工具可以帮助交通领域的研究者和从业者对大数据进行有效的挖掘，本书也在这一需求下应运 而生。
现有的数据挖掘方法和工具在交通领域的应用还存在一定的局限。为了有效克服这些问题，本书选择 了合适的数据挖掘工具，结合相应的机器学习和深度学习算法探索有效的数据分析方法。更重要的是，作 为一本面向交通运输工程专业的数据分析类教材书，本书结合了交通领域的大量实例，对各类理论方法与 分析工具的学习提供了诸多参考，非常有助于交通工程专业背景的初学者迅速、深入掌握各类大数据分析 的工具与方法。
- 全部 代码 ,数据 获取方式：
- 关注微信公众号 datayx 然后回复 交通大数据 即可获取。
慕课视频
本书现提供部分慕课教学视频供读者参考学习。
- 第5章 机器学习简介
- 1 超参数优化
- 第7章 支持向量机
- 1 支持向量机基本概念
- 2 支持向量机基本型
- 3 软间隔线性支持向量机
- 4 非线性支持向量机
- 第8章 决策树
- 1 特征选择
- 2 决策树生成
- 3 决策树剪枝
机器学习算法AI大数据技术 搜索公众号添加： datanlp长按图片，识别二维码
阅读过本文的人还看了以下文章：
TensorFlow 2.0深度学习案例实战
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《基于深度学习的自然语言处理》中/英PDF
Deep Learning 中文版初版-周志华团队
【全套视频课】最全的目标检测算法系列讲解，通俗易懂！
《美团机器学习实践》_美团算法团队.pdf
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
《深度学习：基于Keras的Python实践》PDF和代码
特征提取与图像处理(第二版).pdf
python就业班学习视频，从入门到实战项目
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
《深度学习之pytorch》pdf+附书源码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
《Python数据分析与挖掘实战》PDF+完整源码
汽车行业完整知识图谱项目实战视频(全23课)
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
笔记、代码清晰易懂！李航《统计学习方法》最新资源全套！
《神经网络与深度学习》最新2018版中英PDF+源码
将机器学习模型部署为REST API
FashionAI服装属性标签图像识别Top1-5方案分享
重要开源！CNN-RNN-CTC 实现手写汉字识别
yolo3 检测出图像中的不规则汉字
同样是机器学习算法工程师，你的面试为什么过不了？
前海征信大数据算法：风险概率预测
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
VGG16迁移学习，实现医学图像识别分类工程项目
特征工程(一)
特征工程(二) :文本数据的展开、过滤和分块
特征工程(三):特征缩放,从词袋到 TF-IDF
特征工程(四): 类别特征
特征工程(五): PCA 降维
特征工程(六): 非线性特征提取和模型堆叠
特征工程(七)：图像特征提取和深度学习
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
蚂蚁金服2018秋招-算法工程师（共四面）通过
全球AI挑战-场景分类的比赛源码(多模型融合)
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
python+flask搭建CNN在线识别手写中文网站
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源深度学习、机器学习、数据分析、python 搜索公众号添加： datayx