数据挖掘 概念与技术 原书第3版
正版新书 新华官方库房直发 可开电子发票
￥ 49.77 6.3折 ￥ 79 全新
库存71件
江苏南京
认证卖家担保交易快速发货售后保障
作者(美)韩家炜 等
出版社机械工业出版社
ISBN9787111391401
出版时间2012-08
版次1
装帧平装
开本其他
纸张胶版纸
页数468页
定价79元
货号SC:9787111391401
上书时间2024-12-23
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
JiaweiHan（韩家炜），是伊利诺伊大学厄巴纳-尚佩恩分校计算机科学系的Bliss教授。他因知识发现和数据挖掘研究方面的贡献而获得许多奖励，包括ACMSIGKDD创新奖（2004）、IEEE计算机学会技术成就奖（2005）和IEEE W.WallaceMcDowell奖（2009）。他是ACM和IEEE会士。他还担任《ACM Transactions on KnowledgeDiscovery from Data》的执行主编（2006—2011）和许多杂志的编委，包括《IEEE Transactionson Knowledge and Data Engineering》和《Data Mining KnowledgeDiscovery》。
MichelineKamber，由加拿大魁北克蒙特利尔Concordia大学获计算机科学（人工智能专业）硕士学位。她曾是NSERC学者，作为研究者在McGill大学、西蒙-弗雷泽大学和瑞士工作。她的数据挖掘背景和以易于理解的形式写作的热情使得本书更受专业人员、教师和学生的欢迎。
Jian Pei（裴健），现在是西蒙-弗雷泽大学计算机科学学院教授。他在JiaweiHan的指导下，于2002年获西蒙-弗雷泽大学计算科学博士学位。他在数据挖掘、数据库、Web搜索和信息检索的主要学术论坛发表了大量文章，并积极服务于学术团体。他的文章被引用数千次，并获多次荣誉奖。他是多种数据挖掘和数据分析杂志的助理编辑。
主编推荐:
·数据挖掘领域拥有里程碑意义的经典著作
·完整全面阐述该领域的重要知识和技术创新
内容简介:
本书完整全面地讲述数据挖掘的概念、方法、技术和近期新研究进展。本书对前两版做了全面修订，加强和重新组织了全书的技术内容，重点论述了数据预处理、频繁模式挖掘、分类和聚类等的内容，还全面讲述了OLAP和离群点检测，并研讨了挖掘网络、复杂数据类型以及重要应用领域。
本书是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都推荐阅读的参考书，是一本适用于数据分析、数据挖掘和知识发现课程的优秀教材，可以用做高年级本科生或者一年级研究生的数据挖掘导论教材。
摘要:
第1章 引论
本书是一个导论，介绍一个年青并且快速成长的领域——数据挖掘（又称从数据中发现知识，简称KDD）。本书关注从各种各样的应用数据中发现有趣数据模式的数据挖掘基本概念和技术，特别是那些开发有效的、可伸缩的数据挖掘工具的很好技术。
本章组织如下：在1.1节，我们将学习为什么需要数据挖掘和数据挖掘如何成为信息技术自然进化的一部分。1.2节从知识发现过程定义数据挖掘。之后，我们将从各种角度学习数据挖掘，如可供挖掘的数据（1.3节），可以发现的模式（1.4节），所使用的技术（1.5节），以及应用（1.6节）。这样，你将获得数据挖掘的多维视图。最后，1.7节概述数据挖掘研究和发展的主要问题。
1.1 为什么进行数据挖掘
需要是发明之母。——柏拉图
我们生活在大量数据日积月累的年代。分析这些数据是一种重要需求。1.1.1节考察数据挖掘如何通过提供从数据中发现知识的工具来满足这种需求。在1.1.2节，我们观察数据挖掘为何被视为信息技术的自然进化的结果。
1.1.1 迈向信息时代
一种流行的说法是“我们生活在信息时代”。然而，实际上我们生活在数据时代。每天，来自商业、社会、科学和工程、医学以及我们日常生活的方方面面的数兆兆字节（Tera-Byte，TB）或数千兆兆字节（Peta-Byte，PB）?的数据注入我们的计算机网络、万维网（WWW）和各种数据存储设备。1可用数据的爆炸式增长是我们的社会计算机化和功能强大的数据收集和存储工具快速发展的结果。世界范围的商业活动产生了巨大的数据集，包括销售事务、股票交易记录、产品描述、促销、公司利润和业绩以及顾客反馈。例如，像沃尔玛这样的大型商场遍及世界各地的数以千计的超市每周都要处理数亿交易。科学和工程实践持续不断地从遥感、过程测量、科学实验、系统实施、工程观测和环境监测中产生多达数千兆兆字节的数据。
……
目录:
出版者的话
中文版序
译者序
译者简介
第3版序
第2版序
前言
致谢
作者简介
第1章 引论
1.1 为什么进行数据挖掘
1.1.1 迈向信息时代
1.1.2 数据挖掘是信息技术的进化
1.2 什么是数据挖掘
1.3 可以挖掘什么类型的数据
1.3.1 数据库数据
1.3.2 数据仓库
1.3.3 事务数据
1.3.4 其他类型的数据
1.4 可以挖掘什么类型的模式
1.4.1 类/概念描述：特征化与区分
1.4.2 挖掘频繁模式、关联和相关性
1.4.3 用于预测分析的分类与回归
1.4.4 聚类分析
1.4.5 离群点分析
1.4.6 所有模式都是有趣的吗
1.5 使用什么技术
1.5.1 统计学
1.5.2 机器学习
1.5.3 数据库系统与数据仓库
1.5.4 信息检索
1.6 面向什么类型的应用
1.6.1 商务智能
1.6.2 Web搜索引擎
1.7 数据挖掘的主要问题
1.7.1 挖掘方法
1.7.2 用户界面
1.7.
...
以下为对购买帮助不大的评价