您好,欢迎来到聚文网。 登录 免费注册
数据挖掘导论(高等院校计算机教育系列教材)

数据挖掘导论(高等院校计算机教育系列教材)

  • 字数: 331
  • 出版社: 清华大学
  • 作者: 编者:戴红//常子冠//于宁
  • 商品条码: 9787302381044
  • 版次: 1
  • 开本: 16开
  • 页数: 207
  • 出版年份: 2015
  • 印次: 5
定价:¥34 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
戴红、常子冠、于宁主编的《数据挖掘导论》为 数据挖掘入门级教材,共分8章,主要内容分为三个 专题:技术、数据和评估。技术专题包括决策树技术 、K-means算法、关联分析技术、神经网络技术、回 归分析技术、贝叶斯分析、凝聚聚类、概念分层聚类 、混合模型聚类技术的EM算法、时间序列分析和基于 Web的数据挖掘等常用的机器学习方法和统计技术。 数据专题包括数据库中的知识发现处理模型和数据仓 库及OLAP技术。评估专题包括利用检验集分类正确率 和混淆矩阵,并结合检验集置信区间评估有指导学习 模型,使用无指导聚类技术评估有指导模型,利用 Lift和假设检验比较两个有指导学习模型,使用MS Excel 2010和经典的假设检验模型评估属性,使用簇 质量度量方法和有指导学习技术评估无指导聚类模型 。 本书秉承教材风格,强调广度讲解。注重成熟模 型和开源工具的使用,以提高学习者的应用能力为目 标;注重结合实例和实验,加强基本概念和原理的理 解和运用;注重实例的趣味性和生活性,提高学习者 学习的积极性。使用章后练习、计算和实验作业巩固 和检验所学内容;使用词汇表附录,解释和规范数据 挖掘学科专业术语;使用适合教学的简单易用开源的 Weka和通用的MS Excel软件工具实施数据挖掘验证和 体验数据挖掘的精妙。 本书可作为普通高等院校计算机科学、信息科学 、数学和统计学专业的入门教材,也可作为如经济学 、管理学、档案学等对数据管理、数据分析与数据挖 掘有教学需求的其他相关专业的基础教材。同时,对 数据挖掘技术和方法感兴趣,致力于相关方面的研究 和应用的其他读者,也可以从本书中获取基本的指导 和体验。 本书配有教学幻灯片、大部分章后习题和实验的 参考答案以及课程大纲。
目录
第1章 认识数据挖掘 1.1 数据挖掘的定义 1.2 机器学习 1.2.1 概念学习 1.2.2 归纳学习 1.2.3 有指导的学习 1.2.4 无指导的聚类 1.3 数据查询 1.4 专家系统 1.5 数据挖掘的过程 1.5.1 准备数据 1.5.2 挖掘数据 1.5.3 解释和评估数据 1.5.4 模型应用 1.6 数据挖掘的作用 1.6.1 分类 1.6.2 估计 1.6.3 预测 1.6.4 无指导聚类 1.6.5 关联关系分析 1.7 数据挖掘技术 1.7.1 神经网络 1.7.2 回归分析 1.7.3 关联分析 1.7.4 聚类技术 1.8 数据挖掘的应用 1.8.1 应用领域 1.8.2 成功案例 1.9 Weka数据挖掘软件 1.9.1 Weka简介 1.9.2 使用Weka建立决策树模型 1.9.3 使用Weka进行聚类 1.9.4 使用Weka进行关联分析 本章小结 习题 第2章 基本数据挖掘技术 2.1 决策树 2.1.1 决策树算法的一般过程 2.1.2 决策树算法的关键技术 2.1.3 决策树规则 2.1.4 其他决策树算法 2.1.5 决策树小结 2.2 关联规则 2.2.1 关联规则概述 2.2.2 关联分析 2.2.3 关联规则小结 2.3 聚类分析技术 2.3.1 K-means算法 2.3.2 K-means算法小结 2.4 数据挖掘技术的选择

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网