• 大数据分析与挖掘
图书条目标准图
21年品牌 40万+商家 超1.5亿件商品

大数据分析与挖掘

13.44 3.2折 42 九品

仅1件

北京昌平
认证卖家担保交易快速发货售后保障

作者朱晓峰

出版社机械工业出版社

出版时间2019-03

版次1

装帧平装

货号A5

上书时间2024-11-06

旧书香书城

十年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:九品
图书标准信息
  • 作者 朱晓峰
  • 出版社 机械工业出版社
  • 出版时间 2019-03
  • 版次 1
  • ISBN 9787111621027
  • 定价 42.00元
  • 装帧 平装
  • 开本 其他
  • 页数 233页
  • 字数 356千字
【内容简介】
本书分为理论篇、工具篇和实训篇。理论篇主要介绍数据挖掘的基础知识、基本任务和常用方法,侧重培养学生对于数据挖掘基本概念等理论知识的正确理解;工具篇主要介绍PMT这一的数据挖掘工具,通过功能简介、分类预测认知实验等内容,侧重培养学生对于数据挖掘基本操作的准确认知;实训篇主要介绍了七个来自实际企业需求的大数据挖掘案例,侧重培养学生对于数据挖掘解决实际问题的应用。本书结构严密、内容较新,叙述清晰,强调实践,可作为各类职业院校大数据类课程的教材,也可作为企业大数据分析的培训教材,还可作为企*单位企业管理、电子商务、市场营销、靠前贸易等相关从业人员的参考用书。
【作者简介】

南京大学博士,南京工业大学教授,经济与管理学院管理工程系副主任,多家CSSCI期刊评审专家,具有近二十年信息管理与信息系统专业的高等教育和教学科研经验,先后主持、完成1项国家社科基金项目、1项国家社科重大项目子课题、1项省部级课题和2项市厅级课题。已经出版学术专著《政府信息资源生命周期管理》等10余部著作,在CSSCI期刊发表文章近50篇,获得“江苏省第十三届哲学社会科学优秀成果奖三等奖”等20余项奖励。

【目录】
理 论 篇 章 数据挖掘概述1.1  数据挖掘的基本概念1.2  数据挖掘的起源与发展1.3  数据挖掘的应用产业与行业1.4  数据挖掘相关的几个概念第2 章 数据挖掘任务和方法2.1  大数据挖掘的任务2.2  数据挖掘的常见方法工 具 篇第3 章 数据挖掘平台PMT3.1  PMT 概述            3.2  PMT 使用说明          3.3  PMT 的特点           第4 章 数据挖掘认知实验    4.1  分类预测认知实验        4.2  回归预测认知实验        4.3  聚类分析认知实验        4.4  关联规则认知实验        实 训 篇实训1 基于时间序列的分仓商品需求预测        实训背景             实训分析             核心知识点            实训步骤             拓展与思考            实训2 基于聚类分析(K-means)的快递企业客户群识别          实训背景             实训分析             核心知识点            实训步骤             拓展与思考            实训3 基于关联规则的超市顾客购物行为分析      实训背景             实训分析             核心知识点            实训步骤             拓展与思考            实训4 基于决策树的电信流失客户预警与分析     实训背景             实训分析             核心知识点            实训步骤             拓展与思考            实训5 基于神经网络算法的共享单车需求预测      实训背景             实训分析             核心知识点            实训步骤             拓展与思考            实训6 基于逻辑回归算法的信用风险预测      实训背景             实训分析             核心知识点            实训步骤             拓展与思考            实训7 深度学习在图像识别及图像分类领域中的应用          实训背景             实训分析             核心知识点            实训步骤             拓展与思考            参考文献
点击展开 点击收起

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP