由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
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
¥ ×1
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 11从数据中获取知识 12数据挖掘的基本概念 13数据挖掘的发展历程 14数据挖掘的功能和数据挖掘 系统的分类 141分类与回归 142聚类分析 143关联规则 144时序模式 145异常检测 146数据挖掘系统的分类 15数据挖掘的过程 151数据挖掘的一般流程 152跨行业数据挖掘标准过程 16数据挖掘与其他学科的关系 161数据挖掘与数据库知识发现 162数据挖掘与数据库查询 163数据挖掘与统计分析 164数据挖掘与数据仓库 165数据挖掘与联机分析处理 166数据挖掘与人工智能、专家系统、 机器学习 17数据挖掘的应用和发展趋势 171商业的数据挖掘 172金融业的数据挖掘 173欺诈侦测中的数据挖掘 174DNA数据分析中的数据挖掘 175电信业中的数据挖掘 176科学和统计数据挖掘 177数据挖掘系统和软件 178数据挖掘的发展趋势 18小结 19习题 第2章数据存储 21关系数据集 22数据仓库 221数据仓库的概念和特点 222数据仓库的数据组织 223数据仓库的关键技术 224数据仓库与数据挖掘的关系 23NoSQL数据库 231NoSQL概念与理论 232NoSQL数据模型 233NoSQL与关系数据库 24分布式文件系统 241分布式文件系统的历史 242分布式文件系统的体系结构 243谷歌文件系统(GoogleFS) 244Hadoop分布式文件系统 (HDFS) 25小结 26习题 第3章数据预处理 31数据预处理的必要性 32数据清理 321缺失数据处理方法 322噪声数据平滑技术 323时间相关数据的处理 33数据集成 331实体识别与匹配 332冗余和相关分析 333元组重复数据的检测 334冲突数据的检测与处理 34数据转换 341数据标准化 342数据泛化 35数据归约 351数据立方体聚集 352维度归约 353数据压缩 354数值归约 36数据离散化 361分箱方法 362直方图分析 363基于熵的离散化 364ChiMerge技术 365人工划分分段 37特征提取、选择和构造 371特征提取 372特征选择 373特征构造 38小结 39习题 第4章数据相似度与异常检测 41相似度度量 411对象与属性类型 412相似度度量的定义 413由距离度量变换而来的 相似度度量 414属性之间的相似度度量 415对象之间的相似度度量 42传统度量方法 421二值属性的相似度度量 422欧氏距离 423余弦距离 424Mahalanobis距离 425Jaccard距离 426海明距离 43大数据度量方法 431文档的Shingling 432局部敏感散列算法 44异常检测 441基于统计的检测方法 442基于距离的检测方法 443基于密度的检测方法 444基于聚类的检测方法 445基于分类的检测方法 446高维数据中的异常点检测 45小结 46习题 第5章数据分类和预测 51分类和预测的基本概念 511准备数据 512分类和预测方法的评估标准 52决策树分类 521ID3算法生成决策树 522C45算法生成决策树 523CART算法和Gini指标 524决策树归纳的可扩展性 525数据仓库与决策树 526决策树和决策规则的局限性 53贝叶斯分类 531贝叶斯定理 532朴素贝叶斯分类 533贝叶斯信念网络 534训练贝叶斯信念网络 54神经网络 541多层前馈神经网络 542定义神经网络的拓扑结构 543后向传播 544后向传播和可理解性 55其他分类方法 551基于关联的分类方法 552K-最近邻分类 553基于案例推理 554遗传算法 555粗糙集方法 556模糊集合方法 56预测算法 561预测算法分类 562预测算法选择 563线性和多元回归 564非线性回归 565其他回归模型 57分类预测应用实例 571样本选取 572建立预测模型 573模型评估 574实用价值 58小结 59习题 第6章数据聚类分析 61基本概念 611对聚类分析的要求 612聚类分析方法分类 62划分聚类算法 621K-means算法(基于 质心的技术) 622K-medoids算法(基于代表 对象的技术) 63层次聚类算法 631BIRCH算法 632CURE算法 633ROCK算法 634Chameleon算法 64基于密度的聚类算法 641DBSCAN算法 642OPTICS算法 643DENCLUE算法 65基于网格的聚类算法 651STING算法 652WaveCluster算法 653CLIQUE算法 66基于模型的聚类算法 661EM算法 662COBWEB算法 663SOM算法 67聚类评估 671估计聚类趋势 672确定簇数 673测定聚类质量 68聚类分析应用实例 681问题理解与提出 682数据收集与选择 683数据预处理 684应用K-means聚类算法建模 69小结 610习题 第7章数据关联分析 71数据关联分析的基本概念 72频繁项集产生 721先验原理 722Apriori算法的频繁项集产生 723支持度计数 724计算复杂度 73规则产生 731基本步骤 732Apriori算法中规则的产生 74频繁项集的紧凑表示 741最大频繁项集 742闭频繁项集 75产生频繁项集的其他方法 751项集格遍历 752事务数据集的表示 76FP-Growth算法 761FP树构造 762频繁项集产生 77关联评估 771兴趣度客观度量 772多个二元变量的度量 773倾斜支持度分布的影响 78关联分析应用实例 781关联分析学生成绩 782数据处理 783算法的应用 784挖掘结果的分析 79小结 710习题 第8章性能评估和提升 81评分函数 811预测性评分函数 812描述性评分函数 813一致性评价 82成本评价 821成本评价曲线 822Cost-Sensitive学习 83复杂度评估 84验证 841交叉验证 842Bootstrap 843模型比较 85性能提升 851效率提升 852准确率提升 86小结 87 |
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)。 |
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格