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4版) (英)麦克斯·布拉默 著 李晓峰,逄金辉 译 大中专 文轩网
  • 新华书店正版
    • 作者: (英)麦克斯·布拉默著 | | 李晓峰,逄金辉译
    • 出版社: 清华大学出版社
    • 出版时间:2022-01-01 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)麦克斯·布拉默著| 李晓峰,逄金辉译
    • 出版社:清华大学出版社
    • 出版时间:2022-01-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2022-01-01
    • 字数:570000
    • 页数:952
    • 开本:32开
    • 装帧:平装
    • ISBN:9787302596493
    • 国别/地区:中国
    • 版权提供:清华大学出版社

    数据挖掘原理(第4版)

    作  者:(英)麦克斯·布拉默 著 李晓峰,逄金辉 译
    定  价:118
    出 版 社:清华大学出版社
    出版日期:2022年01月01日
    页  数:952
    装  帧:平装
    ISBN:9787302596493
    主编推荐

    内容简介

    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null

    作者简介

    精彩内容

    目录
    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用很频繁值/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:朴素贝叶斯和很近邻算法
    3.1什么是分类
    3.2朴素贝叶斯分类器
    3.3很近邻分类
    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
    0章关于熵的更多信息
    1章归纳分类的模块化规则
    2章度量分类器的性能
    3章处理大量数据
    4章集成分类
    5章比较分类器
    6章关联规则挖掘Ⅰ
    7章关联规则挖掘Ⅱ
    8章关联规则挖掘Ⅲ:频繁模式树
    9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

    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