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 朱明 编著 著 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 朱明 编著著
    • 出版社: 中国科学技术大学出版社
    • 出版时间:2010-04-15 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: 朱明 编著著
    • 出版社:中国科学技术大学出版社
    • 出版时间:2010-04-15 00:00:00
    • 版次:0
    • 印次:0
    • 印刷时间:2008-11-08
    • 页数:0
    • 开本:16开
    • 装帧:平装
    • ISBN:9787312022449
    • 国别/地区:中国
    • 版权提供:中国科学技术大学出版社

    数据挖掘

    作  者:朱明 编著 著 著
    定  价:52
    出 版 社:中国科学技术大学出版社
    出版日期:2010年04月15日
    页  数:0
    装  帧:平装
    ISBN:9787312022449
    主编推荐

    内容简介

    数据挖掘技术,又称为数据库知识发现,是20世纪90年代在信息技术领域开始迅速发展起来的计算机技术。作者结合自己近20年从事人工智能、机器学习、数据挖掘等方面的科研工作积累与教学经验,编著此书。 本书较全面系统地介绍了数据挖掘中常用和常见的数据挖掘方法,以及文本与视频数据挖掘方法。 本书的主要内容包括:数据挖掘基本知识、数据挖掘预处理方法、决策树分类及其他分类方法、关联知识挖掘方法、各种聚类分析方法,以及文本挖掘所涉及表示、分类和聚类等方法,还包括视频挖掘所涉及的视频镜头检测、字幕提取、视频摘要和视频检索等主要分析方法。 本书作为学习、掌握和应用数据挖掘方法和技术的综合指导书,是从事数据挖掘研究与应用人员,以及希望了解数据挖掘主要方法和技术的IT技术人员的良师益友;同时也是一本可用于大学高年级或研究生相关课程的教材和参考文献。

    作者简介

    精彩内容

        第1章 数据挖掘导论 数据挖掘是20世纪80年代末开始逐步发展起来的一个新的研究领域,它是多个学科和技术相结合的产物。本章将简要介绍数据挖掘的发展背景、概念定义、主要方法及应用案例等内容。 1.1 数据挖掘的发展背景 随着数据库技术的迅速发展以及数据库管理系统的广泛应用,人们利用信息技术生产和搜集数据的能力大幅度提高,无数个数据库被用于商业管理、政府办公、科学研究和工程开发等领域,超级市场中的交易数据、加油站里的汽油销售数据、旅行社的旅游信息等等,均构成了数据库系统的信息来源。近年来,数据库所管理的数据量急剧增大,人们积累的数据越来越多。例如:美国NASA的地球观测系统(EoS)每小时向地面发回约50 GB的图像数据;美国沃尔玛零售系统每天会产生约2亿条交易数据。人们希望能够对其进行更高层次的分析,以便更好地利用这些数null

    目录
    总序 前言 第1章 数据挖掘导论 1.1 数据挖掘的发展背景 1.2 数据挖掘定义 1.3 数据挖掘过程 1.4 数据挖掘功能 1.5 数据挖掘应用 1.6 数据挖掘发展 1.7 本章小结 第2章 数据预处理 2.1 数据描述 2.1.1 数据集类型 2.1.2 数据质量 2.2 数据清理 2.2.1 缺失值处理 2.2.2 噪声数据处理 2.2.3 数据清理过程 2.3 数据集成和变换 2.3.1 数据集成 2.3.2 数据变换 2.3.3 维度归约 2.4 数据归约 2.4.1 数据立方体聚集 2.4.2 属性子集选择 2.5 本章小结 第3章 分类挖掘:决策树 3.1 决策树方法 3.2 决策树深入 3.2.1 信息熵基础 3.2.2 C4.5方法 3.2.3 CART方法 3.2.4 SLIQ方法 3.2.5 SPRINT方法 3.2.6 其他决策树方法 3.3 决策树的简化 3.4 决策树的改进 3.4.1 属性选择 3.4.2 连续属性离散化 3.5 决策树的讨论 3.5.1 决策树优化问题 3.5.2 决策树优化方法 3.6 分类模型的评估 3.7 本章小结 第4章 分类挖掘 4.1 贝叶斯方法 4.1.1 贝叶斯方法概述 4.1.2 朴素贝叶斯分类 4.2 k-近邻方法 4.3 人工神经网络方法 4.4 遗传进化方法 4.5 支持向量机方法 4.5.1 SVM分类方法 4.6 粗糙集方法 4.7 集成学习方法 …… 第5章 关联挖掘 第6章 聚类挖掘 第7章 异类挖掘 第8章 文本挖掘 第9章 视频挖掘 第10章 视频分析

    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