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:
本店所有商品

  • 醉染图书数据挖掘原理(第2版)9787560386508
  • 正版全新
    • 作者: (英)马科斯·布拉默著 | (英)马科斯·布拉默编 | (英)马科斯·布拉默译 | (英)马科斯·布拉默绘
    • 出版社: 哈尔滨工业大学出版社
    • 出版时间:2021-01-01
    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:
    醉染图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: (英)马科斯·布拉默著| (英)马科斯·布拉默编| (英)马科斯·布拉默译| (英)马科斯·布拉默绘
    • 出版社:哈尔滨工业大学出版社
    • 出版时间:2021-01-01
    • 版次:1
    • 印次:1
    • 字数:445000
    • 页数:384
    • 开本:16开
    • ISBN:9787560386508
    • 版权提供:哈尔滨工业大学出版社
    • 作者:(英)马科斯·布拉默
    • 著:(英)马科斯·布拉默
    • 装帧:平装
    • 印次:1
    • 定价:55.00
    • ISBN:9787560386508
    • 出版社:哈尔滨工业大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2021-01-01
    • 页数:384
    • 外部编号:1202302356
    • 版次:1
    • 成品尺寸:暂无

    章数据挖掘介绍

    1.1数据

    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

    .数据准备

    2.4缺失值

    2.5减少属数量

    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:朴素贝叶斯与近邻算法

    3.1分类定义

    3.2朴素贝叶斯分类器

    3.3近邻分类

    3.4迫切和惰学习

    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

    4.2TDT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:使用熵进行属选择

    5.1属选择:一个试验

    5.2替代决策树

    5.3选择要拆分的属:使熵

    5.4本章总结

    5.5自测题

    第6章决策树归纳:使用频率表进行属选择

    6.1在实践中计算熵

    6.2属选择标准:基尼指数

    6.3X2属选择标准

    6.4归纳偏置

    6.5使用增益比进行属选择

    6.6不同属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

    7.4方法三:N倍交叉验

    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

    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TDT

    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

    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

    0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

    1章采用模块化分类规则

    11.1规则后剪枝

    11.2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

    2章评估分类器的能

    12.1真阳与真阴

    12.2能指标

    1.真阳率与预测精度

    12.4ROC图

    12.5ROC曲线

    12.6寻找分类器

    12.7本章总结

    12.8自测题

    3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

    13.5逐步修改分类器

    13.6本章总结

    13.7自测题

    参考文献

    4章集成分类

    14.1引言

    14.2评估分类器能

    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

    5章分类器能比较

    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

    6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找到的Ⅳ条规则

    16.5本章总结

    16.6自测题

    参考文献

    7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

    8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

    9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

    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