数据挖掘原理(第4版)
全新正版 假一赔十 可开发票
￥ 88.3 7.5折 ￥ 118 全新
仅1件
北京朝阳
认证卖家担保交易快速发货售后保障
作者(英)麦克斯·布拉默
出版社清华大学出版社
ISBN9787302596493
出版时间2022-01
装帧平装
开本32开
定价118元
货号1202578122
上书时间2024-05-12
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
"麦克斯·布拉默(Max Bramer)，朴次茅斯大学信息技术系荣休教授、靠前信息处理联合会(IFIP)副主席、英国计算机学会AI专家组主席。
自20世纪80年代以来，麦克斯教授一直积极参与“数据挖掘”领域的研究，该领域后来也被称为“数据库知识发现”和“大数据和预测分析”。麦克斯教授完成了多个数据挖掘项目，特别是关于数据自动分类的项目，并在技术文献中发表了大量文章。麦克斯教授拥有多年为本科生和研究生讲授“数据挖掘”这门课程的经验。"
目录
第1章数据挖掘简介
1.1数据爆炸
1.2知识发现
1.3数据挖掘的应用
1.4标签数据和无标签数据
1.5监督学习：分类
1.6监督学习：数值预测
1.7无监督学习：关联规则
1.8无监督学习：聚类
第2章用于挖掘的数据
2.1标准制定
2.2变量的类型
2.3数据准备
2.4缺失值
2.4.1丢弃实例
2.4.2用最频繁值/平均值替换
2.5减少属性个数
2.6数据集的UCI存储库
2.7本章小结
2.8自我评估练习
第3章分类简介：朴素贝叶斯和最近邻算法
3.1什么是分类
3.2朴素贝叶斯分类器
3.3最近邻分类
3.3.1距离测量
3.3.2标准化
3.3.3处理分类属性
3.4急切式和懒惰式学习
3.5本章小结
3.6自我评估练习
第4章使用决策树进行分类
4.1决策规则和决策树
4.1.1决策树：高尔夫示例
4.1.2术语
4.1.3degrees数据集
4.2TDIDT算法
4.3推理的类型
4.4本章小结
4.5自我评估练习
第5章决策树归纳：使用熵进行属性选择
5.1属性选择：一个实验
5.2替代决策树
5.2.1足球/无板篮球示例
5.2.2匿名数据集
5.3选择要分裂的属性：使用熵
……
第6章决策树归纳：使用频率表进行属性选择
第7章估计分类器的预测精度
第8章连续属性
第9章避免决策树的过度拟合
第10章关于熵的更多信息
第11章归纳分类的模块化规则
第12章度量分类器的性能
第13章处理大量数据
第14章集成分类
第15章比较分类器
第16章关联规则挖掘Ⅰ
第17章关联规则挖掘Ⅱ
第18章关联规则挖掘Ⅲ：频繁模式树
第19章聚类
第20章文本挖掘
第21章分类流数据
第22章分类流数据Ⅱ：时间权关数据
第23章神经网络概论
附录A基本数学知识
附录B数据集
附录C更多信息来源
附录D词汇表和符号
附录E自我评估练习题答案
内容摘要
本书解释、探索了数据挖掘的主要技术，可以从数据中自动提取隐式和潜在有用的信息。数据挖掘越来越多地用于商业、科学和其他应用领域，它侧重于分类、关联规则挖掘和聚类。书中对每个主题都进行了清晰的解释，重点是算法而不是数学公式，并通过详细的有效示例加以说明。本书是为没有强数学或统计学背景的读者写的，并详细解释了使用的所有公式。本书适合作为本科生或研究生层次的教材，适用专业包括计算机科学、商业研究、市场营销、人工智能、生物信息学和法医学。为了帮助读者自学，本书旨在帮助普通读者理解什么是“黑盒”，这样他们就可以有差别地使用商业数据挖掘包，不错读者或学术研究者可以对未来该领域的技术进步做出贡献。书中每一章都有实践练习，让读者检查自己的进度。附录还包括所使用的技术术语的完整术语表。数据挖掘原理包括对流数据分类算法的介绍，包括平稳数据(底层模型是固定的)和依赖时间的数据(底层模型不时变化)——这种现象称为概念漂移。本书提供了前馈神经网络与反向传播的详细描述，并显示它如何可以用于分类。
主编推荐
"《数据挖掘原理(第4版)》的重点是介绍基本技术，而不是展示当今近期新的数据挖掘技术。一旦掌握了基本技术,就可通过多种渠道了解该领域的近期新进展。本书共23章,分别介绍了概述、用于挖掘的数据、朴素贝叶斯和最近邻算法、使用决策树进行分类、决策树归纳、估计分类器的预测精度、连续属性、避免决策树的过度拟合、关于熵的更多信息、归纳分类的模块化规则、度量分类器的性能、处理大量数据、集成分类、比较分类器、关联规则挖掘、聚类、文本挖掘、分类流数据、神经网络。
《数据挖掘原理(第4版)》涉及大量数据集、属性和值，也涉及不少数学公式，字母繁多，格式复杂。为便于检查对所学知识的掌握情况，每章都包含自我评估练习。所以本书末尾还有5个附录，分别介绍了基本数学知识、数据集、更多信息来源、词汇表和符号、自我评估练习题答案。
《数据挖掘原理(第4版)》面向计算机科学、商业研究、市场营销、人工智能、生物信息学和法医学专业的学生，可用作本科生或硕士研究生的入门教材。同时，对于那些希望进-一步提高自身能力的技术或管理人员来说，本书也是不错的自学书籍。
"
— 没有更多了 —
以下为对购买帮助不大的评价