文轩网图书旗舰店
  • 扫码下单

  • 大数据挖掘 熊赟,朱扬勇,陈志渊 编著 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 熊赟,朱扬勇,陈志渊 编著著
    • 出版社: 上海科学技术出版社
    • 出版时间:2016-04-01 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
    /
    ×

    店铺装修中

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    文轩网图书旗舰店

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

     

    商品参数
    • 作者: 熊赟,朱扬勇,陈志渊 编著著
    • 出版社:上海科学技术出版社
    • 出版时间:2016-04-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2016-04-01
    • 字数:420千字
    • 页数:300
    • 开本:16开
    • 装帧:平装
    • ISBN:9787547829615
    • 国别/地区:中国
    • 版权提供:上海科学技术出版社

    大数据挖掘

    作  者:熊赟,朱扬勇,陈志渊 编著 著
    定  价:75
    出 版 社:上海科学技术出版社
    出版日期:2016年04月01日
    页  数:300
    装  帧:平装
    ISBN:9787547829615
    主编推荐

    内容简介

    熊赟、朱扬勇、陈志渊编著的这本《大数据挖掘》系统介绍了大数据挖掘的概念、原理、技术和应用,具体包括:认识和理解大数据;大数据挖掘需要的相关技术(大数据获取技术、大数据存储管理技术和大数据可视化技术等);大数据计算框架;大数据挖掘任务(关联分析、聚类分析、分类分析、异常分析、特异群组挖掘和演变分析);大数据应用实现。
    本书对大数据挖掘技术进行了全面而细致的定义和归纳,并向读者展现了该领域近期新研究热点和技术。
    本书可供数据科学专业的高等学校学生及教师,从事数据领域工作的研究人员、技术人员、管理人员和决策人员参考阅读。

    作者简介

    精彩内容

    目录
    第1章绪论
    1.1理解大数据挖掘
    1.1.1大数据挖掘的定义
    1.1.2大数据挖掘的任务
    1.1.3大数据挖掘的特点
    1.1.4大数据挖掘与相关技术的差异
    1.2大数据挖掘的相关技术
    1.2.1大数据获取
    1.2.2大数据存储与管理
    1.2.3大数据可视化
    1.3小结
    参考文献
    第2章大数据计算框架
    2.1HDFS
    2.2MapReduce
    2.2.1MapReduce框架及范例
    2.2.2MapReduce存在的问题和解决方法
    2.3NoSQL(非关系型)数据库
    2.3.1NoSQL数据库的分类
    2.3.2NoSQL数据库实例
    2.4SQL(关系型)数据库
    2.4.1ApacheHIVE
    2.4.2其他SQL数据库
    2.5小结
    参考文献
    第3章关联分析
    3.1关联分析的基本概念
    3.1.1关联分析的定义
    3.1.2关联规则的定义
    3.1.3关联规则的分类
    3.2关联规则挖掘的原理
    3.2.1挖掘简单关联规则
    3.2.2挖掘量化关联规则
    3.2.3挖掘多层关联规则
    3.2.4挖掘多维关联规则
    3.3关联规则挖掘的基础算法
    3.3.1Apriori算法
    3.3.2Apriori算法的优化
    3.3.3FP-Growth算法
    3.3.4序列模式挖掘算法
    3.4挖掘算法的进阶方法
    3.4.1USpan:高效用序列模式挖掘算法
    3.4.2HulsMaR:基于MapReduCC的序列模式挖掘算法
    3.5小结
    参考文献
    第4章聚类分析
    4.1聚类分析的基本概念
    4.1.1簇与聚类
    4.1.2相似性度量和聚类原理
    4.2聚类分析的基础算法
    4.1.1层次的方法——单连接算法、BIRCH算法
    4.2.2划分的方法——κ-means和κ-medoids算法
    4.2.3基于密度的方法——OPTICS算法
    4.3聚类分析的进阶方法
    4.3.1DensityPeaks算法(AA算法)
    4.3.2κ-means:真基于MapReduce的κ-means算法
    4.4小结
    参考文献
    第5章分类分析
    5.1分类分析的基本概念
    5.2分类模型
    5.3分类分析的原理
    5.3.1决策树
    5.3.2基于统计的方法
    5.3.3基于神经网络的方法
    5.4分类分析的基础算法
    5.4.IID3和C4.5算法:基于决策树的分类算法
    5.4.2SLIQ:一种高速可伸缩的基于决策树的分类算法
    5.4.3后向传播算法BP算法:基于神经网络的分类算法
    5.5分类分析的进阶方法
    5.6小结
    参考文献
    第6章异常分析
    6.1异常分析的基本概念
    6.1.1异常
    6.1.2异常分析
    6.2异常分析的原理
    6.2.1基于统计的异常分析方法
    62.2基于偏差的异常分析方法
    6.2.3基于距离的异常分析方法
    6.2.4基于密度的异常分析方法
    6.3异常分析的主要算法
    6.3.1基于距离的异常分析算法
    6.3.2基于密度的异常分析算法
    6.4小结
    参考文献
    第7章特异群组挖掘
    7.1特异群组挖掘的基本概念
    7.2特异群组挖掘与聚类和异常检测的关系
    7.3特异群组挖掘形式化描述
    7.4特异群组挖掘框架算法
    7.5特异群组挖掘应用
    7.6小结
    参考文献
    第8章演变分析
    8.1演变分析的基本概念
    8.2演变分析的原理
    8.3演变分析的基础算法
    8.4演变分析的进阶算法
    8.4.1时间序列随机偏移符号化表示算法
    8.4.2多维温度序列协同异常事件挖掘算法
    8.5小结
    参考文献
    第9章异质数据网络挖掘
    9.1异质数据网络
    9.2异质数据网络挖掘研究现状
    9.3数据网络上的相似性度量的研究
    9.4异质数据网络挖掘研究内容
    9.5小结
    参考文献
    第10章大数据挖掘应用之推荐系统
    10.1推荐系统研究阶段
    10.2推荐系统算法
    10.2.1推荐系统定义
    10.2推荐算法分类
    10.2.3比较与分析
    10.3推荐系统的评测
    10.4小结
    参考文献
    第11章大数据中的隐私问题
    11.1隐私的重要性
    11.2隐私保护技术
    11.2.1直接攻击的应对方法
    11.2.2间接攻击的应对方法
    11.3小结
    参考文献

    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