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

  • 数据挖掘原理、算法与应用 梁亚声 徐欣 等编著 9787111496328机械工业出版社
  • 新商品上架
    • 作者: 无著
    • 出版社: 机械工业出版社
    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:
    句字图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 无著
    • 出版社:机械工业出版社
    • ISBN:9780559249526
    • 版权提供:机械工业出版社
      商品基本信息
    商品名称:  数据挖掘原理、算法与应用
    作者:  梁亚声
    市场价:  59.00
    ISBN号:  9787111496328
    版次:  1-2
    出版日期:   
    页数:  322
    字数:  513
    出版社:  机械工业出版社
      目录
    目录
    出版说明
    前言
    第1章概述
    11从数据中获取知识
    12数据挖掘的基本概念
    13数据挖掘的发展历程
    14数据挖掘的功能和数据挖掘
    系统的分类
    141分类与回归
    142聚类分析
    143关联规则
    144时序模式
    145异常检测
    146数据挖掘系统的分类
    15数据挖掘的过程
    151数据挖掘的一般流程
    152跨行业数据挖掘标准过程
    16数据挖掘与其他学科的关系
    161数据挖掘与数据库知识发现
    162数据挖掘与数据库查询
    163数据挖掘与统计分析
    164数据挖掘与数据仓库
    165数据挖掘与联机分析处理
    166数据挖掘与人工智能、专家系统、
    机器学习
    17数据挖掘的应用和发展趋势
    171商业的数据挖掘
    172金融业的数据挖掘
    173欺诈侦测中的数据挖掘
    174DNA数据分析中的数据挖掘
    175电信业中的数据挖掘
    176科学和统计数据挖掘
    177数据挖掘系统和软件
    178数据挖掘的发展趋势
    18小结
    19习题
    第2章数据存储
    21关系数据集
    22数据仓库
    221数据仓库的概念和特点
    222数据仓库的数据组织
    223数据仓库的关键技术
    224数据仓库与数据挖掘的关系
    23NoSQL数据库
    231NoSQL概念与理论
    232NoSQL数据模型
    233NoSQL与关系数据库
    24分布式文件系统
    241分布式文件系统的历史
    242分布式文件系统的体系结构
    243谷歌文件系统(GoogleFS)
    244Hadoop分布式文件系统
    (HDFS)
    25小结
    26习题
    第3章数据预处理
    31数据预处理的必要性
    32数据清理
    321缺失数据处理方法
    322噪声数据平滑技术
    323时间相关数据的处理
    33数据集成
    331实体识别与匹配
    332冗余和相关分析
    333元组重复数据的检测
    334冲突数据的检测与处理
    34数据转换
    341数据标准化
    342数据泛化
    35数据归约
    351数据立方体聚集
    352维度归约
    353数据压缩
    354数值归约
    36数据离散化
    361分箱方法
    362直方图分析
    363基于熵的离散化
    364ChiMerge技术
    365人工划分分段
    37特征提取、选择和构造
    371特征提取
    372特征选择
    373特征构造
    38小结
    39习题
    第4章数据相似度与异常检测
    41相似度度量
    411对象与属性类型
    412相似度度量的定义
    413由距离度量变换而来的
    相似度度量
    414属性之间的相似度度量
    415对象之间的相似度度量
    42传统度量方法
    421二值属性的相似度度量
    422欧氏距离
    423余弦距离
    424Mahalanobis距离
    425Jaccard距离
    426海明距离
    43大数据度量方法
    431文档的Shingling
    432局部敏感散列算法
    44异常检测
    441基于统计的检测方法
    442基于距离的检测方法
    443基于密度的检测方法
    444基于聚类的检测方法
    445基于分类的检测方法
    446高维数据中的异常点检测
    45小结
    46习题
    第5章数据分类和预测
    51分类和预测的基本概念
    511准备数据
    512分类和预测方法的评估标准
    52决策树分类
    521ID3算法生成决策树
    522C45算法生成决策树
    523CART算法和Gini指标
    524决策树归纳的可扩展性
    525数据仓库与决策树
    526决策树和决策规则的局限性
    53贝叶斯分类
    531贝叶斯定理
    532朴素贝叶斯分类
    533贝叶斯信念网络
    534训练贝叶斯信念网络
    54神经网络
    541多层前馈神经网络
    542定义神经网络的拓扑结构
    543后向传播
    544后向传播和可理解性
    55其他分类方法
    551基于关联的分类方法
    552K-最近邻分类
    553基于案例推理
    554遗传算法
    555粗糙集方法
    556模糊集合方法
    56预测算法
    561预测算法分类
    562预测算法选择
    563线性和多元回归
    564非线性回归
    565其他回归模型
    57分类预测应用实例
    571样本选取
    572建立预测模型
    573模型评估
    574实用价值
    58小结
    59习题
    第6章数据聚类分析
    61基本概念
    611对聚类分析的要求
    612聚类分析方法分类
    62划分聚类算法
    621K-means算法(基于
    质心的技术)
    622K-medoids算法(基于代表
    对象的技术)
    63层次聚类算法
    631BIRCH算法
    632CURE算法
    633ROCK算法
    634Chameleon算法
    64基于密度的聚类算法
    641DBSCAN算法
    642OPTICS算法
    643DENCLUE算法
    65基于网格的聚类算法
    651STING算法
    652WaveCluster算法
    653CLIQUE算法
    66基于模型的聚类算法
    661EM算法
    662COBWEB算法
    663SOM算法
    67聚类评估
    671估计聚类趋势
    672确定簇数
    673测定聚类质量
    68聚类分析应用实例
    681问题理解与提出
    682数据收集与选择
    683数据预处理
    684应用K-means聚类算法建模
    69小结
    610习题
    第7章数据关联分析
    71数据关联分析的基本概念
    72频繁项集产生
    721先验原理
    722Apriori算法的频繁项集产生
    723支持度计数
    724计算复杂度
    73规则产生
    731基本步骤
    732Apriori算法中规则的产生
    74频繁项集的紧凑表示
    741最大频繁项集
    742闭频繁项集
    75产生频繁项集的其他方法
    751项集格遍历
    752事务数据集的表示
    76FP-Growth算法
    761FP树构造
    762频繁项集产生
    77关联评估
    771兴趣度客观度量
    772多个二元变量的度量
    773倾斜支持度分布的影响
    78关联分析应用实例
    781关联分析学生成绩
    782数据处理
    783算法的应用
    784挖掘结果的分析
    79小结
    710习题
    第8章性能评估和提升
    81评分函数
    811预测性评分函数
    812描述性评分函数
    813一致性评价
    82成本评价
    821成本评价曲线
    822Cost-Sensitive学习
    83复杂度评估
    84验证
    841交叉验证
    842Bootstrap
    843模型比较
    85性能提升
    851效率提升
    852准确率提升
    86小结
    87
       内容简介
        本书系统介绍了数据挖掘原理、技术、算法和应用。主要内容包括:数据挖掘的过程、数据存储的数据仓库、数据预处理技术和算法、异常数据检测技术和算法、数据分类算法和应用、数据聚类分析的算法及其应用、数据关联分析算法及其应用、模型的评估技术和算法、复杂数据的数据挖掘和技术。本书涵盖了数据挖掘过程的各方面技术、算法,在内容安排上将理论知识和工程技术应用有机结合,并介绍了许多数据挖掘的典型应用方法。
    本书可作为高等职业院校计算机科学与技术、信息管理、数据分析等专业的教科书,也可作为企业管理、信息分析人员的技术参考书。
    本书配有电子课件,需要的教师可登录www.cmpedu.com免费注册、审核通过后下载,或联系编辑索取(QQ:2399929378,电话:010-88379753)。
        
    1
    • 商品详情
    • 内容简介

    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