数据处理与知识发现

图书标准信息

• 作者 徐琴
• 出版社 机械工业出版社
• 出版时间 2018-08
• 版次 1
• ISBN 9787111605843
• 定价 45.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 280页
• 字数 440千字

【内容简介】

本书系统地介绍了数据预处理､数据仓库和数据挖掘的原理､方法及应用技术, 以及采用Mahout 对相应的挖掘算法进行实际练习｡本书共有11 章, 分为两大部分｡第1 ~7 章为理论部分｡第1 章为绪论, 介绍了数据挖掘与知识发现领域中的一些基本理论､研究方法等, 也简单介绍了Hadoop 生态系统中的Mahout; 第2 ~7 章按知识发现的过程, 介绍数据预处理的方法和技术､数据仓库的构建与OLAP 技术､数据挖掘原理及算法(包括关联规则挖掘､聚类分析方法､分类规则挖掘)､常见的数据挖掘工具与产品｡第8 ~11 章为实验部分, 采用Mahout 对数据挖掘各类算法进行实际练习｡
  本书应用性较强, 与实践相结合, 以小数据集为例详细介绍各种挖掘算法, 使读者更易掌握挖掘算法的基本原理及过程; 使用广泛的大数据平台———Hadoop 生态系统中的Mahout 对各种挖掘算法进行实际练习, 实战性强, 也符合目前数据处理与挖掘的发展趋势｡
  本书既便于教师课堂讲授, 又便于自学者阅读, 可作为高等院校高年级学生“数据挖掘技术” “数据仓库与数据挖掘” “数据处理与智能决策”等课程的教材｡

【目录】

目录

前 言

上篇 理论部分

第1 章 绪论  2

 1. 1 KDD 与数据挖掘  2

  1. 1. 1 KDD 的定义  2

  1. 1. 2 KDD 过程与数据挖掘  3

 1. 2 数据挖掘的对象  4

 1. 3 数据挖掘的任务  8

 1. 4 Mahout 简介  12

  1. 4. 1 Mahout   12

  1. 4. 2 Mahout 算法库  13

  1. 4. 3 Mahout 应用  16

 1. 5 小结  17

 1. 6 习题  17

第2 章 数据预处理  18

 2. 1 数据概述  18

  2. 1. 1 属性与度量  19

  2. 1. 2 数据集的类型  23

 2. 2 数据预处理  27

  2. 2. 1 数据预处理概述  28

  2. 2. 2 数据清理  30

  2. 2. 3 数据集成  34

  2. 2. 4 数据变换  38

  2. 2. 5 数据归约  40

  2. 2. 6 离散化与概念分层  48

 2. 3 小结  52

 2. 4 习题  53

第3 章 数据仓库  55

 3. 1 数据仓库概述  55

  3. 1. 1 从数据库到数据仓库  55

  3. 1. 2 数据仓库  56

  3. 1. 3 数据仓库系统结构  59

  3. 1. 4 数据仓库中的名词  59

 3. 2 数据仓库的ETL   60

  3. 2. 1 ETL 的基本概念  60

  3. 2. 2 ETL 的工具  60

 3. 3 元数据与外部数据  62

  3. 3. 1 元数据的定义  62

  3. 3. 2 元数据的存储与管理  63

  3. 3. 3 外部数据  64

 3. 4 数据仓库模型及数据仓库的建立  65

  3. 4. 1 多维数据模型  65

  3. 4. 2 多维数据模型的建立  67

 3. 5 联机分析处理OLAP 技术  73

  3. 5. 1 OLAP 概述  73

  3. 5. 2 OLAP 与数据仓库  75

  3. 5. 3 OLAP 的模型  77

  3. 5. 4 OLAP 的基本操作  79

 3. 6 数据仓库实例  80

  3. 6. 1 数据仓库的创建  81

  3. 6. 2 数据的提取､转换和加载  83

 3. 7 小结  83

 3. 8 习题  83

第4 章 关联规则挖掘  84

 4. 1 问题定义  85

  4. 1. 1 购物篮分析  85

  4. 1. 2 基本术语  85

 4. 2 频繁项集的产生  87

  4. 2. 1 先验原理  88

  4. 2. 2 Apriori 算法的频繁项集产生  90

 4. 3 规则产生  94

  4. 3. 1 基于置信度的剪枝  94

  4. 3. 2 Apriori 算法中规则的产生  94

 4. 4 FP-growth 算法  95

 4. 5 多层关联规则和多维关联规则  99

  4. 5. 1 多层关联规则  99

4. 5. 2 多维关联规则  102

 4. 6 非二元属性的关联规则  103

 4. 7 关联规则的评估  104

 4. 8 序列模式挖掘算法  106

  4. 8. 1 序列模式的概念  106

  4. 8. 2 Apriori 类算法———AprioriAll

算法  109

 4. 9 小结  114

 4. 10 习题  115

第5 章 聚类分析方法  118

 5. 1 聚类分析概述  118

  5. 1. 1 聚类的定义  118

  5. 1. 2 聚类算法的要求  119

  5. 1. 3 聚类算法的分类  120

  5. 1. 4 相似性的测度  121

 5. 2 基于划分的聚类算法  126

  5. 2. 1 基于质心的(Centroid-based)

划分方法———基本K-means

聚类算法  126

  5. 2. 2 K-means 聚类算法的拓展  128

  5. 2. 3 基于中心的(Medoid-based)

划分方法———PAM 算法  130

 5. 3 层次聚类算法  133

  5. 3. 1 AGNES 算法  136

  5. 3. 3 改进算法———BIRCH 算法  137

  5. 3. 4 改进算法———CURE 算法  141

 5. 4 基于密度的聚类算法  143

 5. 5 聚类算法评价  147

 5. 6 离群点挖掘  149

  5. 6. 1 相关问题概述  149

  5. 6. 2 基于距离的方法  150

  5. 6. 3 基于相对密度的方法  154

 5. 7 小结  158

 5. 8 习题  158

第6 章 分类规则挖掘  160

 6. 1 分类问题概述  160

 6. 2 最近邻分类法  162

  6. 2. 1 KNN 算法原理  162

  6. 2. 2 KNN 算法的特点及改进  165

  6. 2. 3 基于应用平台的KNN 算法应用

实例  166

 6. 3 决策树分类方法  167

  6. 3. 1 决策树概述  167

  6. 3. 2 信息论  171

  6. 3. 3 ID3 算法  172

  6. 3. 4 算法改进: C4. 5 算法  176

 6. 4 贝叶斯分类方法  180

  6. 4. 1 贝叶斯定理  181

  6. 4. 2 朴素贝叶斯分类器  183

  6. 4. 3 朴素贝叶斯分类方法的改进  185

 6. 5 神经网络算法  188

  6. 5. 1 前馈神经网络概述  188

  6. 5. 2 学习前馈神经网络  189

  6. 5. 3 BP 神经网络模型与学习算法  191

 6. 6 回归分析  193

 6. 7 小结  196

 6. 8 习题  197

第7 章 数据挖掘工具与产品  198

 7. 1 评价数据挖掘产品的标准  198

 7. 2 数据挖掘工具简介  200

 7. 3 数据挖掘的可视化  203

  7. 3. 1 数据挖掘可视化的过程与方法  203

  7. 3. 2 数据挖掘可视化的分类  204

  7. 3. 3 数据挖掘可视化的工具  206

 7. 4 Weka   207

  7. 4. 1 Weka Explorer   208

  7. 4. 2 Weka Experimenter   216

  7. 4. 3 KnowledgeFlow   219

 7. 5 小结  221

 7. 6 习题  221

下篇 实验部分

第8 章 Mahout 入门  224

 8. 1 Mahout 安装前的准备  224

  8. 1. 1 安装JDK   224

  8. 1. 2 安装Hadoop   227

 8. 2 Mahout 的安装  237

 8. 3 测试安装  238

 8. 4 小结  239

第9 章 使用Mahout 实践关联规则

算法  240

 9. 1 FP 树关联规则算法  240

  9. 1. 1 Mahout 中Parallel Frequent Pattern

Mining 算法的实现原理  240

  9. 1. 2 Mahout 的Parallel F