加载中...
扫一扫
下载苏宁易购APP
关注苏宁推客公众号
自购省钱·分享赚钱
下载苏宁金融APP
关注苏宁易购服务号
用户评价:----
物流时效:----
售后服务:----
欢迎光临我们店铺!书籍都是正版全新书籍,欢迎下单~!!
实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
音像数据挖掘 原理与实践 基础篇(美)查鲁·C.阿加沃尔
¥ ×1
商品
服务
物流
出版者的话译者序前言章 数据挖掘导论1.1 引言1.2 数据挖掘过程1.2.1 数据预处理阶段1.2.2 分析阶段1.3 基本数据类型1.3.1 非依赖型数据1.3.2 依赖型数据1.4 主要数据挖掘模块总览1.4.1 关联模式挖掘1.4.2 数据聚类1.4.3 异常检测1.4.4 数据分类1.4.5 复杂数据类型对问题定义的影响1.5 可扩展问题和数据流场景1.6 应用案例浅述1.6.1 商店商品布局1.6.2 客户1.6.3 医疗诊断1.6.4 Web日志异常检测1.7 小结1.8 文献注释1.9 练习题第2章 数据准备2.1 引言2.2 特征提取和类型转换2.2.1 特征提取2.2.2 数据类型转换. 数据清洗..1 缺失项的处理..2 错误项和不一致项的处理.. 缩放与标准化2.4 数据约简和转换2.4.1 采样2.4.2 特征子集选取2.4.3 基于坐标轴旋转的维度约简2.4.4 基于类型转换的降维2.5 小结2.6 文献注释2.7 练习题第3章 相似度和距离3.1 引言3.2 多维数据3.2.1 定量型数据3.2.2 类别型数据3.. 定量型和类别型的混合数据3.3 文本相似度量3.4 时态的相似度量3.4.1 时间序列相似度量3.4.2 离散序列相似度量3.5 图的相似度量3.5.1 单个图中两个节点之间的相似度3.5.2 两个图之间的相似度3.6 有监督的相似度函数3.7 小结3.8 文献注释3.9 练习题第4章 关联模式挖掘4.1 引言4.2 频繁模式挖掘模型4.3 关联规则的生成框架4.4 频繁项集挖掘算法4.4.1 暴力算法4.4.2 Apriori算法4.4.3 枚举树算法4.4.4 递归的基于后缀的模式生长方法4.5 替代模型:有趣模式4.5.1 统计相关系数4.5.2 χ2度量4.5.3 兴趣比率4.5.4 对称置信度4.5.5 列的余弦系数4.5.6 Jaccard系数和min-hash技巧4.5.7 集体强度4.5.8 与负模式挖掘的关系4.6 有用的元算法4.6.1 采样方法4.6.2 数据划分集成法4.6.3 推广到数据类型4.7 小结4.8 文献注释4.9 练习题第5章 关联模式挖掘:不错概念5.1 引言5.2 模式汇总5.2.1 优选模式5.2.2 闭包模式5.. 近似频繁模式5.3 模式查询5.3.1 一次预处理多次查询5.3.2 把限制条件放入模式挖掘5.4 关联模式挖掘的应用5.4.1 与数据挖掘问题的关系5.4.2 购物篮分析5.4.3 用户信息分析5.4.4 和协同过滤5.4.5 Web日志分析5.4.6 生物信息学5.4.7 应用于复杂数据类型5.5 小结5.6 文献注释5.7 练习题第6章 聚类分析6.1 引言6.2 聚类的特征选取6.2.1 过滤模型6.2.2 包装模型6.3 基于代表点的算法6.3.1 k-means算法6.3.2 k-means内核算法6.3.3 k-medians算法6.3.4 k-medoids算法6.4 层次聚类算法6.4.1 自底向上凝聚的方法6.4.2 自顶向下分裂的方法6.5 基于概率模型的算法6.6 基于网格和基于密度的算法6.6.1 基于网格的算法6.6.2 DBSCAN6.6.3 DENCLUE6.7 基于图的算法6.8 非负矩阵分解6.9 聚类验6.9.1 内部验度量6.9.2 外部验度量6.9.3 评价6.10 小结6.11 文献注释6.12 练习题第7章 聚类分析:不错概念7.1 引言7.2 类别型数据的聚类7.2.1 基于代表点的算法7.2.2 层次算法7.. 概率算法7.2.4 基于图的算法7.3 可扩展的数据聚类7.3.1 CLARANS7.3.2 BIRCH7.3.3 CURE7.4 高维数据聚类7.4.1 CLIUE7.4.2 PROCLUS7.4.3 ORCLUS7.5 半监督聚类7.5.1 单点监督7.5.2 成对监督7.6 用户监督聚类与可视化监督聚类7.6.1 现有聚类算法的变体7.6.2 可视化聚类7.7 集成聚类7.7.1 选择不同的集成组件7.7.2 组合不同的集成组件7.8 聚类应用7.8.1 应用到数据挖掘问题7.8.2 客户分类与协同过滤7.8.3 文本应用7.8.4 多媒体应用7.8.5 时态与序列应用7.8.6 社交网络分析7.9 小结7.10 文献注释7.11 练习题第8章 异常分析8.1 引言8.2 极值分析8.2.1 单变量极值分析8.2.2 多变量极值8.. 基于深度的方法8.3 概率模型8.4 异常检测的聚类方法8.5 基于距离的异常检测……
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
亲,很抱歉,您购买的宝贝销售异常火爆,让小苏措手不及,请稍后再试~
验证码错误
看不清楚?换一张
确定关闭
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
查看我的收藏夹
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
继续等待
0小时0分
立即开通
SUPER会员