您好,欢迎来到聚文网。 登录 免费注册
数据挖掘算法实践与案例详解

数据挖掘算法实践与案例详解

  • 字数: 290000
  • 装帧: 平装
  • 出版社: 机械工业出版社
  • 作者: 丁兆云 等 著
  • 出版日期: 2025-01-01
  • 版次: 1
  • 开本: 16开
  • isbn: 9787111760696
  • 页数: 184
  • 出版年份: 2025
定价:¥59 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
编辑推荐
随着大数据和人工智能技术的发展,各行各业积累的数据越来越丰富,如何从这些数据中挖掘出有价值的信息,助力科学、合理的决策变得日益重要。数据挖掘技术可以从大量异构、随机数据中提取有用的信息和知识,已经广泛应用于工作和生活的各个领域。本书基于作者长期从事数据挖掘科研、工程和教学工作的经验编写而成,通过案例牵引,帮助读者掌握常用的数据挖掘算法、模型和技术,并解决常见的数据挖掘实际问题。 本书特点: 以实践为目标,系统介绍数据挖掘的流程,并给出代码实现。内容涵盖数据清洗、数据转换、数据降维、回归分析、聚类、神经网络分类等常用的数据挖掘技术和方法,使读者能够利用Python编程来解决基本的数据挖掘问题。 本书提供了丰富的案例,规模由小到大,帮助读者循序渐进地掌握各类数据挖掘模型和算法。掌握这些案例后,读者可以举一反三,进一步解决更复杂、更大规模的问题。 作者在中国大学MOOC上开设了“数据挖掘”MOOC课程(https://www.icourse163.org/course/NUDT-1461782176),并在头歌平台上开设了“数据挖掘”实验课程(https://www.educoder.net/paths/4153),读者可通过在线视频课程的学习、作业训练与编程实践加深对数据挖掘知识点的理解,提高运用能力。
内容简介
本书从实践的角度,以案例为牵引,介绍数据挖掘的流程、常用的模型和算法等,并给出代码实现。内容包括数据挖掘的定义和分类、数据分类、特征选择、数据清洗、数据转换、数据降维、不平衡数据分类、回归分析、聚类、Apriori算法、KNN分类、支持向量机、神经网络分类、集成学习,并给出多个综合案例,帮助读者掌握数据挖掘技术。
本书案例丰富、可操作性强,适合作为高校数据挖掘相关课程的教材或实践教材,也适合作为相关技术人员的参考书。
目录
前言
第1章绪论
1.1数据挖掘技术的由来
1.2数据挖掘的分类
1.2.1关联规则挖掘
1.2.2监督式机器学习
1.2.3非监督式机器学习
1.3.Python的安装步骤
1.3.12Python环境的配置
1.3.2PyCharm的安装
1.4常见的数据集
1.4.1鸢尾花数据集
1.4.2员工离职预测数据集
1.4.3泰坦尼克号灾难预测数据集
1.4.4PM2.5空气质量预测数据集
……

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网