掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據挖掘 第2版 版權信息
- ISBN：9787312022449
- 條形碼：9787312022449 ; 978-7-312-02244-9
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據挖掘 第2版 內容簡介
數據挖掘技術，又稱為數據庫知識發(fā)現，是20世紀90年代在信息技術領域開始迅速發(fā)展起來的計算機技術。作者結合自己近20年從事人工智能、機器學習、數據挖掘等方面的科研工作積累與教學經驗，編著此書。
本書較全面系統地介紹了數據挖掘中常用和常見的數據挖掘方法，以及文本與視頻數據挖掘方法。
本書的主要內容包括：數據挖掘基本知識、數據挖掘預處理方法、決策樹分類及其他分類方法、關聯知識挖掘方法、各種聚類分析方法，以及文本挖掘所涉及表示、分類和聚類等方法，還包括視頻挖掘所涉及的視頻鏡頭檢測、字幕提取、視頻摘要和視頻檢索等主要分析方法。
本書作為學習、掌握和應用數據挖掘方法和技術的綜合指導書，是從事數據挖掘研究與應用人員，以及希望了解數據挖掘主要方法和技術的it技術人員的良師益友；同時也是一本可用于大學高年級或研究生相關課程的教材和參考文獻。
數據挖掘 第2版 目錄
總序
前言
第1章 數據挖掘導論
1.1 數據挖掘的發(fā)展背景
1.2 數據挖掘定義
1.3 數據挖掘過程
1.4 數據挖掘功能
1.5 數據挖掘應用
1.6 數據挖掘發(fā)展
1.7 本章小結
第2章 數據預處理
2.1 數據描述
2.1.1 數據集類型
2.1.2 數據質量
2.2 數據清理
2.2.1 缺失值處理
2.2.2 噪聲數據處理
2.2.3 數據清理過程
2.3 數據集成和變換
2.3.1 數據集成
2.3.2 數據變換
2.3.3 維度歸約
2.4 數據歸約
2.4.1 數據立方體聚集
2.4.2 屬性子集選擇
2.5 本章小結
第3章 分類挖掘：決策樹
3.1 決策樹方法
3.2 決策樹深入
3.2.1 信息熵基礎
3.2.2 c4.5方法
3.2.3 cart方法
3.2.4 sliq方法
3.2.5 sprint方法
3.2.6 其他決策樹方法
3.3 決策樹的簡化
3.4 決策樹的改進
3.4.1 屬性選擇
3.4.2 連續(xù)屬性離散化
3.5 決策樹的討論
3.5.1 決策樹優(yōu)化問題
3.5.2 決策樹優(yōu)化方法
3.6 分類模型的評估
3.7 本章小結
第4章 分類挖掘
4.1 貝葉斯方法
4.1.1 貝葉斯方法概述
4.1.2 樸素貝葉斯分類
4.2 k-近鄰方法
4.3 人工神經網絡方法
4.4 遺傳進化方法
4.5 支持向量機方法
4.5.1 svm分類方法
4.6 粗糙集方法
4.7 集成學習方法
……
第5章 關聯挖掘
第6章 聚類挖掘
第7章 異類挖掘
第8章 文本挖掘
第9章 視頻挖掘
第10章 視頻分析
前言
第1章 數據挖掘導論
1.1 數據挖掘的發(fā)展背景
1.2 數據挖掘定義
1.3 數據挖掘過程
1.4 數據挖掘功能
1.5 數據挖掘應用
1.6 數據挖掘發(fā)展
1.7 本章小結
第2章 數據預處理
2.1 數據描述
2.1.1 數據集類型
2.1.2 數據質量
2.2 數據清理
2.2.1 缺失值處理
2.2.2 噪聲數據處理
2.2.3 數據清理過程
2.3 數據集成和變換
2.3.1 數據集成
2.3.2 數據變換
2.3.3 維度歸約
2.4 數據歸約
2.4.1 數據立方體聚集
2.4.2 屬性子集選擇
2.5 本章小結
第3章 分類挖掘：決策樹
3.1 決策樹方法
3.2 決策樹深入
3.2.1 信息熵基礎
3.2.2 c4.5方法
3.2.3 cart方法
3.2.4 sliq方法
3.2.5 sprint方法
3.2.6 其他決策樹方法
3.3 決策樹的簡化
3.4 決策樹的改進
3.4.1 屬性選擇
3.4.2 連續(xù)屬性離散化
3.5 決策樹的討論
3.5.1 決策樹優(yōu)化問題
3.5.2 決策樹優(yōu)化方法
3.6 分類模型的評估
3.7 本章小結
第4章 分類挖掘
4.1 貝葉斯方法
4.1.1 貝葉斯方法概述
4.1.2 樸素貝葉斯分類
4.2 k-近鄰方法
4.3 人工神經網絡方法
4.4 遺傳進化方法
4.5 支持向量機方法
4.5.1 svm分類方法
4.6 粗糙集方法
4.7 集成學習方法
……
第5章 關聯挖掘
第6章 聚類挖掘
第7章 異類挖掘
第8章 文本挖掘
第9章 視頻挖掘
第10章 視頻分析
展開全部
數據挖掘 第2版 節(jié)選
數據挖掘技術，又稱為數據庫知識發(fā)現，是20世紀90年代在信息技術領域開始迅速發(fā)展起來的計算機技術。作者結合自己近20年從事人工智能、機器學習、數據挖掘等方面的科研工作積累與教學經驗，編著此書。
《數據挖掘》較全面系統地介紹了數據挖掘中常用和常見的數據挖掘方法，以及文本與視頻數據挖掘方法。
《數據挖掘》的主要內容包括：數據挖掘基本知識、數據挖掘預處理方法、決策樹分類及其他分類方法、關聯知識挖掘方法、各種聚類分析方法，以及文本挖掘所涉及表示、分類和聚類等方法，還包括視頻挖掘所涉及的視頻鏡頭檢測、字幕提取、視頻摘要和視頻檢索等主要分析方法。
《數據挖掘》作為學習、掌握和應用數據挖掘方法和技術的綜合指導書，是從事數據挖掘研究與應用人員，以及希望了解數據挖掘主要方法和技術的IT技術人員的良師益友；同時也是一本可用于大學高年級或研究生相關課程的教材和參考文獻。
書友推薦
- >
我與地壇
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
經典常談
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
莉莉和章魚
- >
名家?guī)阕x魯迅:朝花夕拾
- >
詩經-先民的歌唱
- >
上帝之肋:男人的真實旅程
本類暢銷
