数据挖掘:概念、模型、方法和算法
¥
659
¥
59
九五品
仅1件
作者(美)Mehmed Kantardzic
出版社清华大学出版社
ISBN9787302307143
出版时间2013-01
版次1
装帧平装
开本16开
纸张胶版纸
页数403页
字数99999千字
定价59元
上书时间2024-06-27
商品详情
- 品相描述:九五品
- 商品描述
-
基本信息
书名:数据挖掘:概念、模型、方法和算法
定价:59元
作者:(美)Mehmed Kantardzic
出版社:清华大学出版社
出版日期:2013-01-01
ISBN:9787302307143
字数:655000
页码:403
版次:1
装帧:平装
开本:12开
商品重量:
编辑推荐
《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2版)》特色: 介绍支持向量机(SVM)和Kohonen映射 讲解DBSCAN、BIRCH和分布式DBSCAN聚类算法 介绍贝叶斯网络,讨论图形中的Betweeness和Centrality参数测量算法 分析在建立决策树时使用的CART算法和基尼指数 介绍Bagging&Boosting集成学习方法,并详述AdaBoost算法 讨论Relief以及PageRank算法 讨论文本挖掘的潜在语义分析(LSA),并分析如何测定文本文档之间的语义相似性 讲解时态、空间、Web、文本、并行和分布式数据挖掘等新主题 更详细地讲解数据挖掘技术商业、隐私、安全和法律方面的内容
内容提要
随着数据集规模和复杂度的持续上升,分析员必须利用更高级的软件工具来执行间接的、自动的智能化数据分析。《数据挖掘:概念、模型、方法和算法(第2版)》介绍了通过分析高维数据空间中的海量原始数据来提取用于决策的新信息的尖端技术和方法。 《数据挖掘:概念、模型、方法和算法(第2版)》开篇阐述数据挖掘原理,此后在示例的引导下详细讲解起源于统计学、机器学习、神经网络、模糊逻辑和演化计算等学科的具有代表性的、的挖掘方法和算法。本书还着重描述如何恰当地选择方法和数据分析软件并合理地调整参数。每章末尾附有复习题。 《数据挖掘:概念、模型、方法和算法(第2版)》主要用作计算机科学、计算机工程和计算机信息系统专业的研究生数据挖掘教材,高年级本科生或具备同等教育背景的读者也完全可以理解本书的所有主题。
目录
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大型数据集1.5数据仓库1.6数据挖掘的商业方面:为什数据挖掘项目会失败1.7本书结构安排1.8复习题1.9参考书目第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2.8参考书目第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3.10参考书目第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 knn:近邻分类器4.7模型选择与泛化4.8模型的评估4.990%准确的情形4.9.1保险欺诈检测4.9.2改进心脏护理4.10复习题4.11参考书目第5章 统计方法5.1统计推断5.2评测数据集的差异5.3贝叶斯定理5.4预测回归5.5方差分析5.6对数回归5.7对数—线性模型5.8线性判别分析5.9复习题5.10参考书目第6章 决策树和决策规则6.1决策树6.2 c4.5算法:生成决策树6.3未知属性值6.4修剪决策树6.5 c4.5算法:生成决策规则6.6 cart算法和gini指标6.7决策树和决策规则的局限性6.8复习题6.9参考书目第7章 人工神经网络7.1人工神经元的模型7.2人工神经网络的结构7.3学习过程7.4使用ann完成的学习任务7.4.1模式联想7.4.2模式识别7.5多层感知机7.6竞争网络和竞争学习7.7 som7.8复习题7.9参考书目第8章 集成学习8.1集成学习方法论8.2多学习器组合方案8.3 bagging和boosting8.4 adaboost算法8.5复习题8.6参考书目第9章 聚类分析9.1聚类的概念9.2相似度的度量9.3凝聚层次聚类9.4分区聚类9.5增量聚类9.6 dbscan算法9.7 birch算法9.8聚类验证9.9复习题9.10参考书目0章 关联规则10.1购物篮分析10.2 apriori算法10.3从频繁项集中得到关联规则10.4提高apriori算法的效率10.5 fp增长方法10.6关联分类方法10.7多维关联规则挖掘10.8复习题10.9参考书目1章 web挖掘和文本挖掘11.1web挖掘11.2web内容、结构与使用挖掘11.3hits和logsom算法11.4挖掘路径遍历模式11.5pagerank算法11.6文本挖掘11.7潜在语义分析11.8复习题11.9参考书目2章 数据挖掘高级技术12.1图挖掘12.2时态数据挖掘12.2.1时态数据表示12.2.2序列之间的相似性度量12.2.3时态数据模型12.2.4数据挖掘12.3空间数据挖掘(sdm)12.4分布式数据挖掘(ddm)12.5关联并不意味着存在因果关系12.6数据挖掘的隐私、安全及法律问题12.7复习题12.8参考书目3章 遗传算法13.1遗传算法的基本原理13.2用遗传算法进行优化13.2.1编码方案和初始化13.2.2适合度估计13.2.3选择13.2.4交叉13.2.5突变13.3遗传算法的简单例证13.3.1表述13.3.2初始群体13.3.3评价13.3.4交替13.3.5遗传算子13.3.6评价(第二次迭代)13.4图式13.5旅行推销员问题13.6使用遗传算法的机器学习13.6.1规则交换13.6.2规则概化13.6.3规则特化13.6.4规则分割13.7遗传算法用于聚类13.8复习题13.9参考书目4章 模糊集和模糊逻辑14.1模糊集14.2模糊集的运算14.3扩展原理和模糊关系14.4模糊逻辑和模糊推理系4.5多因子评价14.6从数据中提取模糊模型14.7数据挖掘和模糊集14.8复习题14.9参考书目5章 可视化方法15.1感知和可视化15.2科学可视化和信息可视化15.3平行坐标15.4放射性可视化15.5使用自组织映射进行可视化15.6数据挖掘的可视化系5.7复习题15.8参考书目附录a数据挖掘工具附录b数据挖掘应用
作者介绍
序言
— 没有更多了 —
以下为对购买帮助不大的评价