中图网(原中国图书网)：网上书店，尾货特色书店，30万种特价书低至2折！

歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
大數(shù)據(jù)挖掘及應(yīng)用

包郵 大數(shù)據(jù)挖掘及應(yīng)用

出版社：清華大學(xué)出版社出版時(shí)間：2017-07-01
開(kāi)本： 32開(kāi) 頁(yè)數(shù)： 400
本類榜單：教材銷量榜
中 圖 價(jià):¥31.9(5.4折) 定價(jià)  ¥59.5 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
開(kāi)年大促， 全場(chǎng)包郵
?新疆、西藏除外
本類五星書(shū)更多>

大數(shù)據(jù)挖掘及應(yīng)用 版權(quán)信息

大數(shù)據(jù)挖掘及應(yīng)用 本書(shū)特色

本書(shū)圍繞大數(shù)據(jù)背景下的數(shù)據(jù)挖掘及應(yīng)用問(wèn)題，從大數(shù)據(jù)挖掘的基本概念入手，由淺入深、循序漸進(jìn)地介紹了大數(shù)據(jù)挖掘分析過(guò)程中的數(shù)據(jù)準(zhǔn)備和預(yù)處理方法、數(shù)據(jù)可視化技術(shù)、數(shù)據(jù)挖掘理論和經(jīng)典算法、常用大數(shù)據(jù)分析計(jì)算平臺(tái)的編程模型、并行化程序設(shè)計(jì)技術(shù)、統(tǒng)計(jì)分析R語(yǔ)言基礎(chǔ)等內(nèi)容。其中數(shù)據(jù)挖掘理論和經(jīng)典算法不僅覆蓋了傳統(tǒng)的關(guān)聯(lián)分析、分類和聚類，還包括深度學(xué)習(xí)理論等數(shù)據(jù)挖掘研究和發(fā)展的潮流主題。每一章內(nèi)容都盡量從不同角度進(jìn)行深入淺出的剖析，還配以豐富的習(xí)題和參考文獻(xiàn)，對(duì)于讀者掌握大數(shù)據(jù)挖掘及應(yīng)用領(lǐng)域的基本知識(shí)和進(jìn)一步研究都具有參考價(jià)值。本書(shū)可以作為高校本科相關(guān)專業(yè)數(shù)據(jù)分析類課程教材和面向各專業(yè)的數(shù)據(jù)科學(xué)通識(shí)教材，也可供廣大IT從業(yè)人員參考。

大數(shù)據(jù)挖掘及應(yīng)用 內(nèi)容簡(jiǎn)介

“大數(shù)據(jù)系列叢書(shū)”由多本既獨(dú)立又有豐富內(nèi)在聯(lián)系的大數(shù)據(jù)時(shí)代思維、技術(shù)與應(yīng)用的教材組成。《大數(shù)據(jù)挖掘及應(yīng)用》是其中的又一力作。本書(shū)內(nèi)容寬泛，圖文并茂，文字流暢，技術(shù)先進(jìn)，是全新設(shè)計(jì)的數(shù)據(jù)挖掘及應(yīng)用課程的教材，適合不同層次讀者的學(xué)習(xí)需要。全書(shū)分導(dǎo)論、方法論和進(jìn)階應(yīng)用三大部分，共11章，涵蓋大數(shù)據(jù)挖掘及應(yīng)用領(lǐng)域的基礎(chǔ)理論知識(shí)和方法、數(shù)據(jù)可視化技術(shù)、深度學(xué)習(xí)技術(shù)、R語(yǔ)言基礎(chǔ)、大數(shù)據(jù)分析算法的并行化基礎(chǔ)理論，大數(shù)據(jù)分布式存儲(chǔ)與并行計(jì)算平臺(tái)及編程框架等重要概念。全書(shū)提供大量案例，不僅包括簡(jiǎn)單程序的代碼，也包括較大應(yīng)用程序代碼，結(jié)合一系列案例和學(xué)生競(jìng)賽作品，把數(shù)據(jù)分析技術(shù)的概念、理論融入實(shí)踐中。每章配有習(xí)題，以加深對(duì)知識(shí)的認(rèn)識(shí)、理解和掌握，激發(fā)讀者濃厚的學(xué)習(xí)興趣，鞏固所學(xué)知識(shí)，提高編程能力。本書(shū)可作為高等院校計(jì)算機(jī)、軟件工程、大數(shù)據(jù)等專業(yè)的教材，也可作為教輔資料，還可作為學(xué)習(xí)應(yīng)用技術(shù)的參考書(shū)。以本書(shū)內(nèi)容為主題的在線微視頻開(kāi)放課程已經(jīng)在http://cqupt.gaoxiaobang.com上線。與本書(shū)配套的電子課件，每章案例涉及的軟件程序、課后習(xí)題解答及部分案例的演示視頻均可登錄清華大學(xué)出版社網(wǎng)站下載使用。

大數(shù)據(jù)挖掘及應(yīng)用 目錄

目錄 第1章大數(shù)據(jù)挖掘及應(yīng)用概論1 1.1大數(shù)據(jù)智能分析處理的普及和應(yīng)用1 1.1.1云計(jì)算1 1.1.2大數(shù)據(jù)3 1.1.3云計(jì)算與大數(shù)據(jù)的智能應(yīng)用4 1.2大數(shù)據(jù)的發(fā)展及挑戰(zhàn)10 1.2.1大數(shù)據(jù)的發(fā)展催生三元空間世界10 1.2.2大數(shù)據(jù)智能分析處理面臨的挑戰(zhàn)12 1.3數(shù)據(jù)挖掘概述14 1.3.1數(shù)據(jù)挖掘的概念14 1.3.2數(shù)據(jù)挖掘的功能15 1.3.3數(shù)據(jù)挖掘運(yùn)用的技術(shù)16 1.3.4大數(shù)據(jù)挖掘與傳統(tǒng)數(shù)據(jù)挖掘16 1.4大數(shù)據(jù)挖掘的計(jì)算框架17 1.4.1大數(shù)據(jù)挖掘計(jì)算框架17 1.4.2大數(shù)據(jù)挖掘處理基本流程21 1.5大數(shù)據(jù)時(shí)代“互聯(lián)網(wǎng) ”的未來(lái): 智能互聯(lián)23 1.6本書(shū)架構(gòu)26 1.7小結(jié)27 1.8習(xí)題27 1.9參考文獻(xiàn)28第2章數(shù)據(jù)認(rèn)知與預(yù)處理29 2.1數(shù)據(jù)分析的定義和流程30 2.1.1如何理解和描述數(shù)據(jù)分析的問(wèn)題30 2.1.2數(shù)據(jù)獲取與準(zhǔn)備31 2.1.3數(shù)據(jù)質(zhì)量評(píng)估32 2.2數(shù)據(jù)類型33 2.2.1屬性的定義33 2.2.2標(biāo)稱屬性33 2.2.3二元屬性34 2.2.4序值屬性34 2.2.5數(shù)值屬性34 2.3數(shù)據(jù)的統(tǒng)計(jì)描述方法35 2.3.1數(shù)據(jù)的中心趨勢(shì)度量35 2.3.2數(shù)據(jù)的離散趨勢(shì)度量37 2.4數(shù)據(jù)對(duì)象關(guān)系的計(jì)算方法39 2.4.1數(shù)據(jù)相似性計(jì)算方法40 2.4.2數(shù)據(jù)相關(guān)性計(jì)算方法46 2.5數(shù)據(jù)準(zhǔn)備48 2.5.1數(shù)據(jù)清洗與集成48 2.5.2數(shù)據(jù)歸約52 2.5.3數(shù)據(jù)轉(zhuǎn)換58 2.6數(shù)據(jù)統(tǒng)計(jì)分析常用工具介紹61 2.6.1Excel統(tǒng)計(jì)分析工具61 2.6.2SPSS統(tǒng)計(jì)分析工具63 2.6.3SAS統(tǒng)計(jì)分析工具64 2.6.4R語(yǔ)言統(tǒng)計(jì)分析工具66 2.7SPSS案例分析68 2.7.1日志文件數(shù)據(jù)準(zhǔn)備68 2.7.2數(shù)據(jù)錄入與編輯68 2.7.3數(shù)據(jù)清洗與轉(zhuǎn)換70 2.7.4數(shù)據(jù)方差分析72 2.7.5數(shù)據(jù)相關(guān)性分析74 2.7.6數(shù)據(jù)間距離分析74 2.8小結(jié)77 2.9習(xí)題78 2.10參考文獻(xiàn)79第3章數(shù)據(jù)可視化80 3.1可視化簡(jiǎn)介80 3.2高維數(shù)據(jù)可視化81 3.2.1降維方法82 3.2.2非降維方法84 3.3網(wǎng)絡(luò)數(shù)據(jù)可視化90 3.3.1節(jié)點(diǎn)鏈接法90 3.3.2鄰接矩陣布局96 3.3.3混合布局98 3.4可視化案例分析99 3.4.1案例一: China VIS 2015競(jìng)賽題99 3.4.2案例二: VAST Challenge 2016競(jìng)賽題107 3.5小結(jié)120 3.6習(xí)題121 3.7參考文獻(xiàn)122第4章數(shù)據(jù)關(guān)聯(lián)分析123 4.1數(shù)據(jù)關(guān)聯(lián)分析簡(jiǎn)介123 4.2基本概念125 4.2.1頻繁項(xiàng)集和關(guān)聯(lián)規(guī)則126 4.2.2閉項(xiàng)集和極大頻繁項(xiàng)集128 4.2.3稀有模式和負(fù)模式129 4.3Apriori算法130 4.3.1Apriori算法的核心思想131 4.3.2Apriori算法描述132 4.3.3改進(jìn)的Apriori算法133 4.4FPGrowth算法137 4.4.1FPGrowth算法的核心思想138 4.4.2FPGrowth算法描述139 4.5面向大數(shù)據(jù)的有效數(shù)據(jù)結(jié)構(gòu)142 4.6關(guān)聯(lián)規(guī)則有效性的評(píng)估方法143 4.6.1關(guān)聯(lián)規(guī)則興趣度評(píng)估144 4.6.2關(guān)聯(lián)規(guī)則相關(guān)度評(píng)估144 4.6.3其他相關(guān)評(píng)估度量方法146 4.7多維關(guān)聯(lián)規(guī)則挖掘148 4.8多層關(guān)聯(lián)規(guī)則挖掘151 4.9基于Python平臺(tái)的案例分析156 4.10小結(jié)158 4.11習(xí)題159 4.12參考文獻(xiàn)161第5章數(shù)據(jù)分類分析163 5.1基本概念和術(shù)語(yǔ)163 5.1.1數(shù)據(jù)分類163 5.1.2解決分類問(wèn)題的一般方法165 5.2決策樹(shù)算法166 5.2.1決策樹(shù)歸納166 5.2.2決策樹(shù)構(gòu)建167 5.2.3屬性測(cè)試條件的表示方法169 5.2.4選擇*佳劃分的度量171 5.2.5決策樹(shù)歸納算法175 5.2.6樹(shù)剪枝176 5.2.7決策樹(shù)歸納的特點(diǎn)178 5.3貝葉斯分類算法180 5.3.1貝葉斯定理181 5.3.2樸素貝葉斯分類182 5.3.3貝葉斯信念網(wǎng)絡(luò)184 5.4支持向量機(jī)算法185 5.4.1數(shù)據(jù)線性可分的情況185 5.4.2數(shù)據(jù)非線性可分的情況189 5.5粗糙集分類算法190 5.6分類器評(píng)估方法191 5.6.1評(píng)估分類器性能的度量192 5.6.2保持方法和隨機(jī)二次抽樣195 5.6.3交叉驗(yàn)證195 5.6.4自助法195 5.6.5使用統(tǒng)計(jì)顯著性檢驗(yàn)選擇模型196 5.7組合分類器技術(shù)197 5.7.1組合分類方法簡(jiǎn)介198 5.7.2裝袋198 5.7.3提升和AdaBoost199 5.7.4隨機(jī)森林200 5.7.5提高類不平衡數(shù)據(jù)的分類準(zhǔn)確率200 5.8惰性學(xué)習(xí)法（k*近鄰分類）201 5.9基于Python平臺(tái)的案例分析203 5.9.1數(shù)據(jù)集準(zhǔn)備203 5.9.2算法描述204 5.9.3算法測(cè)試206 5.10小結(jié)209 5.11習(xí)題209 5.12參考文獻(xiàn)211第6章數(shù)據(jù)聚類分析214 6.1基本概念和術(shù)語(yǔ)214 6.1.1聚類分析簡(jiǎn)介215 6.1.2對(duì)聚類的基本要求215 6.1.3聚類分析方法216 6.2基于劃分的方法218 6.2.1kmeans算法218 6.2.2k中心點(diǎn)算法221 6.3基于層次的方法224 6.3.1凝聚的與分裂的層次聚類224 6.3.2簇間距離度量225 6.4基于密度的方法229 6.4.1傳統(tǒng)的密度： 基于中心的方法230 6.4.2DBSCAN算法231 6.5基于概率模型的聚類方法233 6.5.1模糊聚類233 6.5.2基于概率模型的聚類235 6.5.3期望*大化算法237 6.6聚類評(píng)估239 6.6.1聚類趨勢(shì)的估計(jì)239 6.6.2聚類簇?cái)?shù)的確定241 6.6.3聚類質(zhì)量的測(cè)定242 6.7基于Python平臺(tái)的案例分析245 6.7.1數(shù)據(jù)準(zhǔn)備245 6.7.2聚類分析結(jié)果探討246 6.8小結(jié)248 6.9習(xí)題249 6.10參考文獻(xiàn)253第7章深度學(xué)習(xí)255 7.1引言255 7.1.1發(fā)展背景255 7.1.2基本概念256 7.2深信網(wǎng)257 7.2.1玻爾茲曼機(jī)258 7.2.2受限玻爾茲曼機(jī)258 7.2.3深信網(wǎng)260 7.3深玻爾茲曼機(jī)264 7.4棧式自動(dòng)編碼器266 7.4.1自動(dòng)編碼器266 7.4.2棧式自動(dòng)編碼器267 7.5卷積神經(jīng)網(wǎng)絡(luò)269 7.5.1卷積269 7.5.2池化270 7.5.3CNN訓(xùn)練過(guò)程272 7.5.4CNN網(wǎng)絡(luò)構(gòu)造的案例分析276 7.6深度學(xué)習(xí)開(kāi)源框架278 7.6.1開(kāi)源框架簡(jiǎn)介278 7.6.2開(kāi)源案例分析278 7.7深度學(xué)習(xí)應(yīng)用技巧284 7.8小結(jié)285 7.9習(xí)題286 7.10參考文獻(xiàn)286第8章R語(yǔ)言288 8.1下載和安裝R語(yǔ)言288 8.1.1下載R語(yǔ)言288 8.1.2安裝R語(yǔ)言288 8.2使用R語(yǔ)言292 8.2.1運(yùn)行R語(yǔ)言292 8.2.2R語(yǔ)言常用操作294 8.2.3包的使用298 8.3R語(yǔ)言的數(shù)據(jù)結(jié)構(gòu)300 8.3.1向量300 8.3.2矩陣301 8.3.3數(shù)組302 8.3.4因子303 8.3.5列表304 8.3.6數(shù)據(jù)框305 8.4R語(yǔ)言的編程結(jié)構(gòu)306 8.4.1條件語(yǔ)句306 8.4.2循環(huán)語(yǔ)句308 8.5R語(yǔ)言的數(shù)據(jù)挖掘和圖形繪制包310 8.6實(shí)際案例312 8.7小結(jié)314 8.8習(xí)題314 8.9參考文獻(xiàn)315第9章Hadoop大數(shù)據(jù)分布式處理生態(tài)系統(tǒng)316 9.1Hadoop集群基礎(chǔ)316 9.1.1Hadoop安裝317 9.1.2Hadoop配置319 9.2HDFS基礎(chǔ)操作324 9.3MapReduce并行計(jì)算框架331 9.3.1MapReduce程序?qū)嵗?WordCount332 9.3.2Hadoop Streaming333 9.4基于Storm的分布式實(shí)時(shí)計(jì)算334 9.4.1Storm簡(jiǎn)介334 9.4.2Storm基本概念334 9.4.3Storm編程338 9.5基于Spark Streaming的分布式實(shí)時(shí)計(jì)算346 9.5.1Spark內(nèi)存計(jì)算框架346 9.5.2Spark Streaming簡(jiǎn)介347 9.5.3Spark Streaming編程349 9.6小結(jié)352 9.7參考文獻(xiàn)353第10章大數(shù)據(jù)分析算法的并行化355 10.1并行算法設(shè)計(jì)基礎(chǔ)355 10.1.1并行算法概念355 10.1.2并行計(jì)算模型356 10.1.3并行算法設(shè)計(jì)的策略和技術(shù)360 10.2典型數(shù)據(jù)挖掘算法并行化案例362 10.2.1MR kmeans算法分析362 10.2.2Mahout聚類算法案例364 10.2.3Spark MLlib聚類算法案例369 10.3大數(shù)據(jù)分析應(yīng)用案例371 10.3.1搜索引擎日志數(shù)據(jù)分析371 10.3.2出租車軌跡數(shù)據(jù)分析374 10.3.3新聞組數(shù)據(jù)分析377 10.4小結(jié)383 10.5習(xí)題383 10.6參考文獻(xiàn)384第11章大數(shù)據(jù)挖掘及應(yīng)用展望385 11.1大數(shù)據(jù)時(shí)代的發(fā)展回顧與展望385 11.1.1大數(shù)據(jù)發(fā)展回顧385 11.1.2從“小”到“大”的數(shù)據(jù)分析處理387 11.1.3大數(shù)據(jù)的智能分析與挖掘389 11.2大數(shù)據(jù)中的新數(shù)據(jù)類型391 11.3大數(shù)據(jù)挖掘的新方法394 11.3.1深度學(xué)習(xí)394 11.3.2知識(shí)計(jì)算395 11.3.3社會(huì)計(jì)算396 11.3.4特異群組挖掘397 11.4未來(lái)發(fā)展趨勢(shì)398 11.5小結(jié)399 11.6參考文獻(xiàn)399
展開(kāi)全部
商品評(píng)論(0條)
暫無(wú)評(píng)論……
書(shū)友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服
主站蜘蛛池模板： PCB设计,PCB抄板,电路板打样,PCBA加工-深圳市宏力捷电子有限公司 | 直齿驱动-新型回转驱动和回转支承解决方案提供商-不二传动 | 薪动-人力资源公司-灵活用工薪资代发-费用结算-残保金优化-北京秒付科技有限公司 | 智能案卷柜_卷宗柜_钥匙柜_文件流转柜_装备柜_浙江福源智能科技有限公司 | 大型多片锯,圆木多片锯,方木多片锯,板材多片锯-祥富机械有限公司 | 镀锌方管,无缝方管,伸缩套管,方矩管_山东重鑫致胜金属制品有限公司 | 衡阳耐适防护科技有限公司——威仕盾焊接防护用品官网/焊工手套/焊接防护服/皮革防护手套 | 三氯异氰尿酸-二氯-三氯-二氯异氰尿酸钠-优氯净-强氯精-消毒片-济南中北_优氯净厂家 | 一技任务网_有一技之长，就来技术任务网 | 干粉砂浆设备_干混砂浆生产线_腻子粉加工设备_石膏抹灰砂浆生产成套设备厂家_干粉混合设备_砂子烘干机--郑州铭将机械设备有限公司 | 防水套管厂家-柔性防水套管-不锈钢|刚性防水套管-天翔管道 | 真空泵维修保养,普发,阿尔卡特,荏原,卡西亚玛,莱宝,爱德华干式螺杆真空泵维修-东莞比其尔真空机电设备有限公司 | 医养体检包_公卫随访箱_慢病随访包_家签随访包_随访一体机-济南易享医疗科技有限公司 | 低噪声电流前置放大器-SR570电流前置放大器-深圳市嘉士达精密仪器有限公司 | 无痕胶_可移胶_无痕双面胶带_可移无痕胶厂家-东莞凯峰 | 液压扳手-高品质液压扳手供应商 - 液压扳手, 液压扳手供应商, 德国进口液压拉马 | 凝胶成像系统(wb成像系统)百科-上海嘉鹏 | 钢托盘,铁托盘,钢制托盘,镀锌托盘,饲料托盘,钢托盘制造商-南京飞天金属13260753852 | 小型气象站_车载气象站_便携气象站-山东风途物联网 | 机械立体车库租赁_立体停车设备出租_智能停车场厂家_春华起重 | 扒渣机厂家_扒渣机价格_矿用扒渣机_铣挖机_撬毛台车_襄阳永力通扒渣机公司 | 石家庄救护车出租_重症转院_跨省跨境医疗转送_活动赛事医疗保障_康复出院_放弃治疗_腾康26年医疗护送转诊团队 | 宿舍管理系统_智慧园区系统_房屋/房产管理系统_公寓管理系统 | 郑州巴特熔体泵有限公司专业的熔体泵,熔体齿轮泵与换网器生产厂家 | 根系分析仪,大米外观品质检测仪,考种仪,藻类鉴定计数仪,叶面积仪,菌落计数仪,抑菌圈测量仪,抗生素效价测定仪,植物表型仪,冠层分析仪-杭州万深检测仪器网 | 广东燎了网络科技有限公司官网-网站建设-珠海网络推广-高端营销型外贸网站建设-珠海专业h5建站公司「了了网」 | 利浦顿蒸汽发生器厂家-电蒸汽发生器/燃气蒸汽发生器_湖北利浦顿热能科技有限公司官网 | 软启动器-上海能曼电气有限公司 真空搅拌机-行星搅拌机-双行星动力混合机-广州市番禺区源创化工设备厂 | 电竞馆加盟,沈阳网吧加盟费用选择嘉棋电竞_售后服务一体化 | 考试试题_试卷及答案_诗词单词成语 - 优易学 | 大型果蔬切片机-水果冬瓜削皮机-洗菜机切菜机-肇庆市凤翔餐饮设备有限公司 | jrs高清nba(无插件)直播-jrs直播低调看直播-jrs直播nba-jrs直播 上海地磅秤|电子地上衡|防爆地磅_上海地磅秤厂家–越衡称重 | 浙江建筑资质代办_二级房建_市政_电力_安许_劳务资质办理公司 | 爱德华真空泵油/罗茨泵维修,爱发科-比其尔产品供应东莞/杭州/上海等全国各地 | 大连海岛旅游网>>大连旅游,大连海岛游,旅游景点攻略,海岛旅游官网 | 广东风淋室_广东风淋室厂家_广东风淋室价格_广州开源_传递窗_FFU-广州开源净化科技有限公司 | ETFE膜结构_PTFE膜结构_空间钢结构_膜结构_张拉膜_浙江萬豪空间结构集团有限公司 | 温控器生产厂家-提供温度开关/热保护器定制与批发-惠州市华恺威电子科技有限公司 | 河南橡胶接头厂家,河南波纹补偿器厂家,河南可曲挠橡胶软连接,河南套筒补偿器厂家-河南正大阀门 | 华中线缆有限公司-电缆厂|电缆厂家|电线电缆厂家 | 青岛美佳乐清洁工程有限公司|青岛油烟管道清洗|酒店|企事业单位|学校工厂厨房|青岛油烟管道清洗 插针变压器-家用电器变压器-工业空调变压器-CD型电抗器-余姚市中驰电器有限公司 |