¥ 9.11 2.3折 ¥ 39 九五品
仅1件
作者[美]吴信东(Xindong Wu)、[美]库玛尔(Vipin Kumar) 著;李文波、吴素研 译
出版社清华大学出版社
出版时间2013-05
版次1
装帧平装
上书时间2024-11-19
《世界著名计算机教材精选:数据挖掘十大算法》详细介绍了在实际中用途影响十种数据挖掘算法,这十种算法是数据挖掘领域的专家进行投票筛选的,覆盖了分类、聚类、统计学习、关联分析和链接分析等重要的数据挖掘研究和发展主题。《世界著名计算机教材精选:数据挖掘十大算法》对每一种算法都进行了多个角度的深入剖析,包括算法历史、算法过程、算法特性、软件实现、前沿发展等,此外,在每章最后还给出了丰富的习题和精挑细选的参考文献,对于读者掌握算法基本知识和进一步研究都非常有价值,对数据挖掘、机器学习和人工智能等学科的课程的设计有指导意义。
吴信东(XindongWu),教授英国爱丁堡大学人工智能学博士,任美国佛蒙特大学计算机科学系主任。吴教授在数据挖掘、知识系统和Web信息开发等研究领域内颇有建树,在IEEETKDE、TPAMI、ACMTOIS、DMKD、KAIS、IJCAI、AAAI、ICMI_、KDD、ICDM和WWW等学术会议和期刊上发表了170余篇学术论文,另外,还出版了18部学术专著和会议文集。他还获得了IEEEICTAI-2005的论文奖和IEEEICDM-2007的理论/算法论文奖亚军。
吴博士是IEEETransactzonsonKnowLedgeandDataEngineering(TKDE,由IEEEComputerSociety主办)的主编,IEEEInternationalConerenceonDataMining(ICDM)的创始人和指导委员会主席,KnowledgeandInormationSystems(KAIS,由Springer发行)的创办人和荣誉主编,IEEEComputerSocietyTechnicalCommitteeonIntelligentInformatics(TCII)的创始主席(2002-2006),SpringerAdvancedInformationandKnowledgeProcessing(AI&KP)系列著作的编辑。他还是ICDM'03(the2003IEEEInternationalConferenceonDataMining)程序委员会主席和KDD-07(the13thACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining)程序委员会联合主席。他获得了2004ACMSIGKDD服务奖、2006IEEEICDM杰出服务奖,是2005年合肥科技大学“长江学者奖励计划”讲座教授。他还是很多学术会议的特邀专家/专题报告人,如NSF-NGDM'07、PAKDD-07、IEEEEDOC'06、IEEEICTAI'04、IEEE/WIClACMWI'04lIAT'04、SEKE2002和PADD-97等。
VipinKumar,教授,明尼苏达大学计算机科学与工程系WilliamNorris讲席教授、系主任。他于1977年获得印度鲁尔基理工学院(正式名称是鲁尔基大学)的电子和通信工程学士学位,1979年获得荷兰埃因霍温飞利浦国际学院的电子工程硕士学位,1982年获得马里兰大学帕克分校的计算机科学博士学位。Kumar教授的研究兴趣主要集中在数据挖掘、生物信息学和高性能计算领域。他提出了评估并行算法可扩展性的恒等效率度量指标,并研发了多款稀疏矩阵分解(PSPASES)和图剖分(METIS,ParMctis,hMetis)的高效并行算法及软件。他发表了200多篇研究论文,合编合著了9本学术专著,包括被广泛使用的教科书IntroductiontoParallelComputing和IntroductiontoDataMining,者5由Addison-Wesley出版。Kumar是众数据挖掘和多并行计算领域的学术会议、专题研讨会的主席或共同主席,女口IEEEInternationalConferenceonDataMining(2002)、InternationalParallelandDistributedProcessingSymposium(2001)和SIAMInternationalConferenceonDataMining(2001).Kumar是SIAMInternationalConferenceonDataMining指导委员会共同主席,IEEEInternationalConferenceonDataMining和IEEEInternationalConferenceonBioinformaticsandBiomedicine指导委员会委员。Kumar是JournalofStatisticalAnalysisandDataMining的创始主编之——,IEEEIntelligentInormaticsBulletin主编和DataMiningandKnowledgeDiscovery系列图书(由CRCPress/ChapmanHall出版)的编辑。Kumar还担任很多其他学术刊物的编辑,如DataMiningandKno-wledgeDiscovery、KnowLedgeandInformationSystems、IEEEComputationalInteltigenceBulletin、AnnualReviewofInteltigentInformatics、ParallelComputing、JournalofParallelandDistributedComputing、IEEETransactionsofDataandKno-wledgeEngineering(1993-1997)、IEEEConcurrency(1997-2000)和IEEEParalleLandDistributedTechnology(1995-1997)等。他是ACM会士、IEEE会士、AAAS会士和SIAM会员。Kumar由于在并行算法设计、图剖分和数据挖掘领域的杰出贡献,获得了2005IEEEComputerSociety的技术成就奖。
第1章C4.5
1.1引言
1.2算法描述
1.3算法特性
1.3.1决策树剪枝
1.3.2连续型属性
1.3.3缺失值处理
1.3.4规则集诱导
1.4软件实现
1.5示例
1.5.1Golf数据集
1.5.2Soybean数据集
1.6高级主题
1.6.1二级存储
1.6.2斜决策树
1.6.3特征选择
1.6.4集成方法
1.6.5分类规则
1.6.6模型重述
1.7习题
参考文献
第2章k-means
2.1引言
2.2算法描述
2.3可用软件
2.4示例
2.5高级主题
2.6小结
2.7习题
参考文献
第3章SVM:支持向量机
3.1支持向量分类器
3.2支持向量分类器的软间隔优化
3.3核技巧
3.4理论基础
3.5支持向量回归器
3.6软件实现
3.7当前和未来的研究
3.7.1计算效率
3.7.2核的选择
3.7.3泛化分析
3.7.4结构化支持向量机的学习
3.8习题
参考文献
第4章Apriori
4.1引言
4.2算法描述
4.2.1挖掘频繁模式和关联规则
4.2.2挖掘序列模式
4.2.3讨论
4.3软件实现
4.4示例
4.4.1可行示例
4.4.2性能评估
4.5高级主题
4.5.1改进Apriori类型的频繁模式挖掘
4.5.2无候选的频繁模式挖掘
4.5.3增量式方法
4.5.4稠密表示:闭合模式和最大模式
4.5.5量化的关联规则
4.5.6其他的重要性/兴趣度度量方法
4.5.7类别关联规则
4.5.8使用更丰富的形式:序列、树和图
4.6小结
4.7习题
参考文献
第5章EM
5.1引言
5.2算法描述
……
第6章PageRank
第7章AdaBoost
第8章kNN!k-最近邻
第9章NaiveBayes
第10章CART:分类和回归树
— 没有更多了 —
以下为对购买帮助不大的评价