数据挖掘原理(第2版)
正版新书 新华官方库房直发 可开电子发票
￥ 40.15 7.3折 ￥ 55 全新
库存3件
作者(英)马科斯·布拉默
出版社哈尔滨工业大学出版社
ISBN9787560386508
出版时间2021-01
版次1
装帧平装
开本16开
纸张胶版纸
页数384页
字数445千字
定价55元
货号SC:9787560386508
上书时间2024-06-27
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
内容简介:
Principles of Data Mining是数据挖掘领域具有重要影响的国外有名教材之一，原为斯普林格出版社计算机科学本科生系列教材中的一本。在读者的期待中，本书的译本得以出版。从数据集本身特性的探讨，到分类、规则挖掘及聚类等基本方法的阐明，再到数据科学的工程场景的融合，本书可帮助数据挖掘学习者形成清晰的学科观。本书具备如下特色：本书并未依赖数学工具和语言，而是通过对案例的精细剖析向读者传递了具有相当技术深度的内容，是一本对初学者友好并且技术足够有深度的专业基础书籍。本书侧重于数据挖掘技术领域通用原理的讲解，作者对数据挖掘中的分类、关联规则挖掘及聚类等基本问题中的共性原则基于案例进行了深入分析，对于数据技术初学者来说，这部分内容的理解比流行技术介绍有更重要的意义和价值。总之，本书是一部历久弥新的优秀数据挖掘教材，既适合数据挖掘初学者探索数据挖掘的趣味，也适合数据挖掘从业者补遗学科知识体系、深入理解学科知识的内涵和外延。
目录:
第1章数据挖掘介绍
1.1数据爆炸
1.2知识发现
1.3数据挖掘的应用
1.4标记和未标记数据
1.5监督学习：分类
1.6监督学习：数值预测
1.7非监督学习：关联规则
1.8非监督学习：聚类
第2章数据挖掘中的数据
2.1标准制定
2.2变量类型
2.3数据准备
2.4缺失值
2.5减少属性数量
2.6数据集的UCI资源库
2.7本章总结
2.8自测题
参考文献
第3章分类简介：朴素贝叶斯与最近邻算法
3.1分类定义
3.2朴素贝叶斯分类器
3.3最近邻分类
3.4迫切和惰性学习
3.5本章总结
3.6自测题
第4章使用决策树进行分类
4.1决策规则和决策树
4.2TDIDT算法
4.3推理的类型
4.4本章总结
4.5自测题
参考文献
第5章决策树归纳：使用熵进行属性选择
5.1属性选择：一个试验
5.2替代决策树
5.3选择要拆分的属性：使用熵
5.4本章总结
5.5自测题
第6章决策树归纳：使用频率表进行属性选择
6.1在实践中计算熵
6.2其他属性选择标准：基尼指数
6.3X2属性选择标准
6.4归纳偏置
6.5使用增益比进行属性选择
6.6不同属性选择标准生成的规则数量
6.7缺少分支
6.8本章总结
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价