返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 数据挖掘原理(第2版) (英)马科斯·布拉默 著 武悦 等 译 专业科技 文轩网
  • 新华书店正版
    • 作者: (英)马科斯·布拉默著 | | 武悦//赵东来//王钢//郑黎明译
    • 出版社: 哈尔滨工业大学出版社
    • 出版时间:2021-01-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (英)马科斯·布拉默著| 武悦//赵东来//王钢//郑黎明译
    • 出版社:哈尔滨工业大学出版社
    • 出版时间:2021-01-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-01-01
    • 字数:445000
    • 页数:369
    • 开本:16开
    • 装帧:平装
    • ISBN:9787560386508
    • 国别/地区:中国
    • 版权提供:哈尔滨工业大学出版社

    数据挖掘原理(第2版)

    作  者:(英)马科斯·布拉默 著 武悦 等 译
    定  价:55
    出 版 社:哈尔滨工业大学出版社
    出版日期:2021年01月01日
    页  数:384
    装  帧:平装
    ISBN:9787560386508
    主编推荐

    内容简介

    Principles of Data Mining是数据挖掘领域具有重要影响的国外有名教材之一,原为斯普林格出版社计算机科学本科生系列教材中的一本。在读者的期待中,本书的译本得以出版。从数据集本身特性的探讨,到分类、规则挖掘及聚类等基本方法的阐明,再到数据科学的工程场景的融合,本书可帮助数据挖掘学习者形成清晰的学科观。本书具备如下特色:本书并未依赖数学工具和语言,而是通过对案例的精细剖析向读者传递了具有相当技术深度的内容,是一本对初学者友好并且技术足够有深度的专业基础书籍。本书侧重于数据挖掘技术领域通用原理的讲解,作者对数据挖掘中的分类、关联规则挖掘及聚类等基本问题中的共性原则基于案例进行了深入分析,对于数据技术初学者来说,这部分内容的理解比流行技术介绍有更重要的意义和价值。总之,本书是一部历久弥新的优秀数据挖掘教材,既适合数据挖掘初学者探索数据挖掘的趣味,也适合数据挖掘从业者补遗学科知识null

    作者简介

    精彩内容

    目录
    第1章数据挖掘介绍
    1.1数据爆炸
    1.2知识发现
    1.3数据挖掘的应用
    1.4标记和未标记数据
    1.5监督学习:分类
    1.6监督学习:数值预测
    1.7非监督学习:关联规则
    1.8非监督学习:聚类
    第2章数据挖掘中的数据
    2.1标准制定
    2.2变量类型
    2.3数据准备
    2.4缺失值
    2.5减少属性数量
    2.6数据集的UCI资源库
    2.7本章总结
    2.8自测题
    参考文献
    第3章分类简介:朴素贝叶斯与最近邻算法
    3.1分类定义
    3.2朴素贝叶斯分类器
    3.3最近邻分类
    3.4迫切和惰性学习
    3.5本章总结
    3.6自测题
    第4章使用决策树进行分类
    4.1决策规则和决策树
    4.2TDIDT算法
    4.3推理的类型
    4.4本章总结
    4.5自测题
    参考文献
    第5章决策树归纳:使用熵进行属性选择
    5.1属性选择:一个试验
    5.2替代决策树
    5.3选择要拆分的属性:使用熵
    5.4本章总结
    5.5自测题
    第6章决策树归纳:使用频率表进行属性选择
    6.1在实践中计算熵
    6.2其他属性选择标准:基尼指数
    6.3X2属性选择标准
    6.4归纳偏置
    6.5使用增益比进行属性选择
    6.6不同属性选择标准生成的规则数量
    6.7缺少分支
    6.8本章总结
    6.9自测题
    参考文献
    第7章评估分类器的预测精度
    7.1引言
    7.2方法一:训练集和测试集
    7.3方法二:k倍交叉验证
    7.4方法三:N倍交叉验证
    7.5实验结果一
    7.6实验结果二:带有缺失值的数据集
    7.7混淆矩阵
    7.8本章总结
    7.9自测题
    参考文献
    第8章连续型属性
    8.1引言
    8.2局部与全局离散化
    8.3将局部离散化添加到TDIDT
    8.4使用ChiMerge算法进行全局离散化
    8.5全局和局部离散化树归纳法对比分析
    8.6本章总结
    8.7自测题
    参考文献
    第9章避免决策树的过度拟合
    9.1处理训练集中的冲突
    9.2更多关于规则过拟合的讨论
    9.3预剪枝决策树
    9.4后剪枝决策树
    9.5本章总结
    9.6自测题
    参考文献
    第10章更多关于熵的讨论
    10.1引言
    10.2利用位编码信息
    10.3在M个值中进行区分(M不是2的幂)
    10.4对不等概率的数值进行编码
    10.5训练集的熵
    10.6信息增益必须是正值或零值
    10.7利用信息增益减少分类任务的特征
    10.8本章总结
    10.9自测题
    参考文献
    第11章采用模块化分类规则
    11.1规则后剪枝
    11.2冲突消解
    11.3决策树的问题
    11.4Prism算法
    11.5本章总结
    11.6自测题
    参考文献
    第12章评估分类器的性能
    12.1真假阳性与真假阴性
    12.2性能指标
    12.3真假阳性率与预测精度
    12.4ROC图
    12.5ROC曲线
    12.6寻找很好分类器
    12.7本章总结
    12.8自测题
    第13章大规模数据集处理
    13.1引言
    13.2数据的多处理器分布式处理
    13.3情景学习:PMCRI
    13.4评估分布式系统PMCRI的有效性
    13.5逐步修改分类器
    13.6本章总结
    13.7自测题
    参考文献
    第14章集成分类
    14.1引言
    14.2评估分类器性能
    14.3为每个分类器选择不同的训练集
    14.4为每个分类器选择不同的属性集
    14.5合并分类:替代投票系统
    14.6并行集成分类器
    14.7本章总结
    14.8自测题
    参考文献
    第15章分类器性能比较
    15.1引言
    15.2成对t检验
    15.3选择数据集进行比较评估
    15.4采样
    15.5“没有显著差异”的结果有多糟糕
    15.6本章总结
    15.7自测题
    参考文献
    第16章关联规则挖掘一
    16.1引言
    16.2规则兴趣度量
    16.3关联规则挖掘任务
    16.4找到优选的Ⅳ条规则
    16.5本章总结
    16.6自测题
    参考文献
    第17章关联规则挖掘二
    17.1引言
    17.2交易和商品集
    17.3对商品集的支持
    17.4关联规则
    17.5生成关联规则
    17.6Apriori算法
    17.7生成支持商品集:一个例子
    17.8从支持商品集中生成规则
    17.9规则兴趣度量:提升度和杠杆率
    17.10本章总结
    17.11自测题
    参考文献
    第18章关联规则挖掘三:频繁模式树
    18.1引言:FP—gmwth
    18.2建立FP树
    18.3从FP树查找频繁商品集
    18.4本章总结
    18.5自测题
    参考文献
    第19章聚类
    19.1引言
    19.2k-means聚类
    19.3合成聚类
    19.4本章总结
    19.5自测题
    第20章文本挖掘
    20.1多重分类
    20.2文本文件的表示方法
    20.3词干和停止词
    20.4使用信息增益进行特征缩减
    20.5文本文档表示:构造向量空间模型
    20.6权重归一化
    20.7两个向量间距离测量
    20.8文本分类器性能测量
    20.9超文本分类
    20.10本章总结
    20.11自测题
    附录
    附录A涉及的数学知识
    附录B数据集
    附录C扩展资源
    附录D术语和符号
    附录E自测题答案
    中英文对照表

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购