• 数据挖掘概念模型方法和算法(第3版国外计算机科学经典教材)
  • 数据挖掘概念模型方法和算法(第3版国外计算机科学经典教材)
  • 数据挖掘概念模型方法和算法(第3版国外计算机科学经典教材)
  • 数据挖掘概念模型方法和算法(第3版国外计算机科学经典教材)
  • 数据挖掘概念模型方法和算法(第3版国外计算机科学经典教材)
21年品牌 40万+商家 超1.5亿件商品

数据挖掘概念模型方法和算法(第3版国外计算机科学经典教材)

全新正版 极速发货

103.7 8.1折 128 全新

仅1件

浙江嘉兴
认证卖家担保交易快速发货售后保障

作者(美)哈默德·坎塔尔季奇|责编:王军|译者:李晓峰//刘刚

出版社清华大学

ISBN9787302577423

出版时间2021-06

装帧平装

开本其他

定价128元

货号31196609

上书时间2024-11-04

學源图书专营店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
作者简介
\\\"MehmedKantardzic博士,1980年获得计算机科学博士学位,2004年起在路易斯维尔大学担任教授。现任CSE(计算机科学与工程)副主席,数据挖掘实验室主任,CSE研究生部主任。他的研究重点是数据挖掘和知识发现、机器学习、软计算、点击欺诈检测和预防、流数据中的概念漂移以及医疗数据挖掘。Kantardzic博士的荣誉很多,研究论文获得了许多杰出、最佳和荣誉提名奖,教学方面则曾荣获最喜爱的教师和杰出教学奖。他曾任职于多家国际期刊的编辑委员会,是美国国家科学基金会(NSF)等多个国家科学基金会的审核员和小组成员,担任IEEEICMLA2018等多个国际会议的总主席或项目主席。
\\\"

目录
第1章  数据挖掘的概念
  1.1  概述
  1.2  数据挖掘的起源
  1.3  数据挖掘过程
  1.4  从数据收集到数据预处理
  1.5  用于数据挖掘的数据仓库
  1.6  从大数据到数据科学
  1.7  数据挖掘的商业方面:为什么数据挖掘项目会失败
  1.8  本书结构安排
  1.9  复习题
第2章  数据准备
  2.1  原始数据的表述
  2.2  原始数据的特性
  2.3  原始数据的转换
    2.3.1  标准化
    2.3.2  数据平整
    2.3.3  差值和比率
  2.4  丢失数据
  2.5  时间相关数据
  2.6  异常点分析
  2.7  复习题
第3章  数据归约
  3.1  大型数据集的维度
  3.2  特征归约
    3.2.1  特征选择
    3.2.2  特征提取
  3.3  Relief算法
  3.4  特征排列的熵度量
  3.5  主成分分析
  3.6  值归约
  3.7  特征离散化:ChiMerge技术
  3.8  案例归约
  3.9  复习题
第4章  从数据中学习
  4.1  学习机器
  4.2  统计学习原理
  4.3  学习方法的类型
  4.4  常见的学习任务
  4.5  支持向量机
  4.6  半监督支持向量机
(S3VM)
  4.7  k最近邻分类器
  4.8  模型选择与泛化
  4.9  模型的评估
  4.10  不均衡的数据分类
  4.11  90%准确的情形
    4.11.1  保险欺诈检测
    4.11.2  改进心脏护理
  4.12  复习题
第5章  统计方法

内容摘要
《数据挖掘概念、模型、方法和算法(第3版)》已被100多所大学的“数据挖掘”课程所选用,有汉语、日语、西班牙语和波斯语等多个译本。
本书介绍了在高维数据空间中从大量数据中分析和提取信息的新技术,在前几版的基础上进行了大量的修订和新,介绍了分析大数据集的一个系统方法。该方法集成了统
计、人工智能、数据库、
模式识别和计算机可视化等学科的结果。另外,深度学习技术的进步开辟了一个全新的应用领域。本书作者是该领域的专家,他在书中详细解释了近年来发展起来的基本概
念、模型和方法。
第3版介绍并扩展了许多主题,提供了软件工具和数据挖撬应用程序的修订部分:还新了参考书目列表,供感兴趣的读者进一步研究;扩展了涉及每个章节的问题列表。展示了如下新信息:探索大数据和云计算论述深度学习包括卷积神经网络(CNN)的信息提出了强化学习包含半监督学习和S3VM回顾不平衡数据的模型评估本书是为计算机科学研究生、计算机工程师和计算机信息系统专业人员编写的,继续为技术的基本原则和该领域的新发展提供必要的指导。

   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