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
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
數據挖掘算法與CLEMENTINE實戰 版權信息
- ISBN：9787302235019
- 條形碼：9787302235019 ; 978-7-302-23501-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據挖掘算法與CLEMENTINE實戰 內容簡介
《數據挖掘算法與Clementine實踐》主要介紹了幾種*成熟的數據挖掘方法，并針對每種方法，，介紹了應用*廣泛的幾種實現算法。書中以Clementine12.0為平臺，用實例介紹了每種算法的具體應用。全書各章分別介紹了數據挖掘和Clementine軟件、決策樹分類方法（包括ID3、C4.5、c5.o、CART等算法）、聚類分析方法（包括K-Means算法和TwoStep算法）、關聯規則挖掘方法（包括Apriori算法、CARMA算法和序列模式挖掘算法）、數據篩選算法（包括特征選擇算法和異常檢測算法）、回歸分析方法（包括線性回歸算法和二項Logistic回歸）、神經網絡構建方法（包括多層感知器網絡、RBF網絡以及Kohonen網絡的構建算法）、時間序列分析方法（包括指數平滑法和ARIMA模型構建方法）。
數據挖掘算法與CLEMENTINE實戰 目錄
第1章 數據挖掘概述
1.1 數據挖掘簡介
1.1.1 數據、信息和知識
1.1.2 數據挖掘的定義
1.2 數據挖掘過程
1.3 數據挖掘方法
1.4 數據挖掘工具及軟件
第2章 Clementine概述
2.1 Clementine簡介
2.2 Clementine基本操作
2.2.1 Clementine主窗口
2,2.2 數據流的基本操作
第3章 決策樹
3.1 分類與決策樹概述
3.1.1 分類與預測
3.1.2 決策樹的基本原理
3.2 ID3、C4.5 與C5.0
3.2.1 ID3
3.2.2 C4.5
3.2.3 C5.0
3.2.4 在Clementine中應用C5.0
3.3 CART
3.3.1 生成*大樹
3.3.2 樹的修剪
3.3.3 子樹評估
3.3.4 在Clementine中應用CART
第4章 聚類分析
4.1 聚類分析概述
4.1.1 聚類分析的概念
4.1.2 聚類分析的基本方法
4.2 K-Means箅法
4.2.1 數據預處理
4.2.2 K-Means算法流程
4.2.3 在Clementine中應用K.MeanS
4.3 TwoStep算法
4.3.1 構建CF樹
4.3.2 聚類
4.3.3 在Clementine中應用TwoStep
第5章 關聯規則
5.1 關聯規則概述
5.1.1 關聯規則的定義
5.1.2 關聯規則的基本概念
5.1.3 關聯規則挖掘算法
5.2 Apriori算法
5.2.1 Apriori算法原理
5.2.2 在Clementine中應用Apriori算法
5.3 CARMA算法
5.3.1 CARMA算法原理
5.3.2 在Clementine中應用CARMA算法
5.4 序列模式
5.4.1 序列與序列模式
5.4.2 序列模式挖掘算法
5.4.3 在Clementine中應用序列模式挖掘
第6章 數據篩選
6.1 特征選擇
6.1.1 特征選擇算法概述
6.1.2 篩選
6.1.3 分級
6.1.4 選擇
6.1.5 在Clementine中應用特征選擇
6.2 異常檢測
6.2.1 異常數據挖掘概述
6.2.2 異常檢測算法
6.2.3 在Clementine中應用異常檢測
第7章 統計模型
7.1 線性回歸
7.1.1 線性回歸的基本原理
7.1.2 在Clementine中應用線性回歸
7.2 二項Logistic回歸
7.2.1 二項Logistic回歸的基本原理
7.2.2 在Clementine中應用Logistic回歸
第8章 神經網絡
8.1 神經網絡原理
8.1.1 神經網絡基本概念
8.1.2 神經網絡及其學習
8.2 多層感知器與RBF網絡
8.2.1 多層感知器
8.2.2 徑向基函數網絡
8.2.3 在Clementine中應用神經網絡
8.3 Kohonen網絡
8.3.1 自組織神經網絡
8.3.2 自組織特征映射網絡
8.3.3 在Clementine中應用Kohonen網絡
第9章 時間序列分析與預測
9.1 時間序列概述
9.1.1 時間序列基本概念
9.1.2 時間序列預測的傳統方法
9.2 指數平滑法
9.2.1 指數平滑法概述
9.2.2 指數平滑模型
9.3 ARIMA模型
9.3.1 ARMA模型
9.3.2 差分運算與ARIMA模型
9.3.3 ARIMA建模過程
9.3.4 在Clementine中應用時間序列分析
參考文獻
1.1 數據挖掘簡介
1.1.1 數據、信息和知識
1.1.2 數據挖掘的定義
1.2 數據挖掘過程
1.3 數據挖掘方法
1.4 數據挖掘工具及軟件
第2章 Clementine概述
2.1 Clementine簡介
2.2 Clementine基本操作
2.2.1 Clementine主窗口
2,2.2 數據流的基本操作
第3章 決策樹
3.1 分類與決策樹概述
3.1.1 分類與預測
3.1.2 決策樹的基本原理
3.2 ID3、C4.5 與C5.0
3.2.1 ID3
3.2.2 C4.5
3.2.3 C5.0
3.2.4 在Clementine中應用C5.0
3.3 CART
3.3.1 生成*大樹
3.3.2 樹的修剪
3.3.3 子樹評估
3.3.4 在Clementine中應用CART
第4章 聚類分析
4.1 聚類分析概述
4.1.1 聚類分析的概念
4.1.2 聚類分析的基本方法
4.2 K-Means箅法
4.2.1 數據預處理
4.2.2 K-Means算法流程
4.2.3 在Clementine中應用K.MeanS
4.3 TwoStep算法
4.3.1 構建CF樹
4.3.2 聚類
4.3.3 在Clementine中應用TwoStep
第5章 關聯規則
5.1 關聯規則概述
5.1.1 關聯規則的定義
5.1.2 關聯規則的基本概念
5.1.3 關聯規則挖掘算法
5.2 Apriori算法
5.2.1 Apriori算法原理
5.2.2 在Clementine中應用Apriori算法
5.3 CARMA算法
5.3.1 CARMA算法原理
5.3.2 在Clementine中應用CARMA算法
5.4 序列模式
5.4.1 序列與序列模式
5.4.2 序列模式挖掘算法
5.4.3 在Clementine中應用序列模式挖掘
第6章 數據篩選
6.1 特征選擇
6.1.1 特征選擇算法概述
6.1.2 篩選
6.1.3 分級
6.1.4 選擇
6.1.5 在Clementine中應用特征選擇
6.2 異常檢測
6.2.1 異常數據挖掘概述
6.2.2 異常檢測算法
6.2.3 在Clementine中應用異常檢測
第7章 統計模型
7.1 線性回歸
7.1.1 線性回歸的基本原理
7.1.2 在Clementine中應用線性回歸
7.2 二項Logistic回歸
7.2.1 二項Logistic回歸的基本原理
7.2.2 在Clementine中應用Logistic回歸
第8章 神經網絡
8.1 神經網絡原理
8.1.1 神經網絡基本概念
8.1.2 神經網絡及其學習
8.2 多層感知器與RBF網絡
8.2.1 多層感知器
8.2.2 徑向基函數網絡
8.2.3 在Clementine中應用神經網絡
8.3 Kohonen網絡
8.3.1 自組織神經網絡
8.3.2 自組織特征映射網絡
8.3.3 在Clementine中應用Kohonen網絡
第9章 時間序列分析與預測
9.1 時間序列概述
9.1.1 時間序列基本概念
9.1.2 時間序列預測的傳統方法
9.2 指數平滑法
9.2.1 指數平滑法概述
9.2.2 指數平滑模型
9.3 ARIMA模型
9.3.1 ARMA模型
9.3.2 差分運算與ARIMA模型
9.3.3 ARIMA建模過程
9.3.4 在Clementine中應用時間序列分析
參考文獻
展開全部
書友推薦
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
推拿
- >
隨園食單
- >
朝聞道
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
羅曼·羅蘭讀書隨筆-精裝
- >
上帝之肋:男人的真實旅程
- >
山海經
本類暢銷
