數(shù)據(jù)挖掘原理.算法與應(yīng)用 版權(quán)信息
- ISBN:9787111496328
- 條形碼:9787111496328 ; 978-7-111-49632-8
- 裝幀:暫無
- 冊(cè)數(shù):暫無
- 重量:暫無
- 所屬分類:>>
數(shù)據(jù)挖掘原理.算法與應(yīng)用 本書特色
本書系統(tǒng)介紹了數(shù)據(jù)挖掘原理、技術(shù)、算法和應(yīng)用。主要內(nèi)容包括:數(shù)據(jù)挖掘的過程、數(shù)據(jù)存儲(chǔ)的數(shù)據(jù)倉庫、數(shù)據(jù)預(yù)處理技術(shù)和算法、異常數(shù)據(jù)檢測技術(shù)和算法、數(shù)據(jù)分類算法和應(yīng)用、數(shù)據(jù)聚類分析的算法及其應(yīng)用、數(shù)據(jù)關(guān)聯(lián)分析算法及其應(yīng)用、模型的評(píng)估技術(shù)和算法、復(fù)雜數(shù)據(jù)的數(shù)據(jù)挖掘和技術(shù)。本書涵蓋了數(shù)據(jù)挖掘過程的各方面技術(shù)、算法,在內(nèi)容安排上將理論知識(shí)和工程技術(shù)應(yīng)用有機(jī)結(jié)合,并介紹了許多數(shù)據(jù)挖掘的典型應(yīng)用方法。
數(shù)據(jù)挖掘原理.算法與應(yīng)用 內(nèi)容簡介
梁亞聲、徐欣、成小菊、梁佳領(lǐng)、朱霞編著的這本《數(shù)據(jù)挖掘原理算法與應(yīng)用》系統(tǒng)介紹了數(shù)據(jù)挖掘原理、算法和應(yīng)用的相關(guān)知識(shí)。主要內(nèi)容包括數(shù)據(jù)挖掘的過程、數(shù)據(jù)存儲(chǔ)技術(shù)、數(shù)據(jù)預(yù)處理技術(shù)和算法、異常數(shù)據(jù)檢測技術(shù)和算法、數(shù)據(jù)分類算法和應(yīng)用、數(shù)據(jù)聚類分析的算法及其應(yīng)用、數(shù)據(jù)關(guān)聯(lián)分析算法及其應(yīng)用、模型的評(píng)估技術(shù)和算法、復(fù)雜數(shù)據(jù)類型的數(shù)據(jù)挖掘技術(shù)。本書涵蓋了數(shù)據(jù)挖掘過程的各方面技術(shù)和算法,在內(nèi)容安排上將理論知識(shí)和工程技術(shù)應(yīng)用有機(jī)地結(jié)合起來,并介紹了許多數(shù)據(jù)挖掘的典型應(yīng)用方法。本書可作為高等院校計(jì)算機(jī)科學(xué)與技術(shù)、信息管理、數(shù)據(jù)分析等專業(yè)的教科書,也可作為企業(yè)管理、信息分析人員的技術(shù)參考書。
數(shù)據(jù)挖掘原理.算法與應(yīng)用 目錄
出版說明
前言
第1章概述
11從數(shù)據(jù)中獲取知識(shí)
12數(shù)據(jù)挖掘的基本概念
13數(shù)據(jù)挖掘的發(fā)展歷程
14數(shù)據(jù)挖掘的功能和數(shù)據(jù)挖掘
系統(tǒng)的分類
141分類與回歸
142聚類分析
143關(guān)聯(lián)規(guī)則
144時(shí)序模式
145異常檢測
146數(shù)據(jù)挖掘系統(tǒng)的分類
15數(shù)據(jù)挖掘的過程
151數(shù)據(jù)挖掘的一般流程
152跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)過程
16數(shù)據(jù)挖掘與其他學(xué)科的關(guān)系
161數(shù)據(jù)挖掘與數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)
162數(shù)據(jù)挖掘與數(shù)據(jù)庫查詢
163數(shù)據(jù)挖掘與統(tǒng)計(jì)分析
164數(shù)據(jù)挖掘與數(shù)據(jù)倉庫
165數(shù)據(jù)挖掘與聯(lián)機(jī)分析處理
166數(shù)據(jù)挖掘與人工智能、專家系統(tǒng)、
機(jī)器學(xué)習(xí)
17數(shù)據(jù)挖掘的應(yīng)用和發(fā)展趨勢
171商業(yè)的數(shù)據(jù)挖掘
172金融業(yè)的數(shù)據(jù)挖掘
173欺詐偵測中的數(shù)據(jù)挖掘
174DNA數(shù)據(jù)分析中的數(shù)據(jù)挖掘
175電信業(yè)中的數(shù)據(jù)挖掘
176科學(xué)和統(tǒng)計(jì)數(shù)據(jù)挖掘
177數(shù)據(jù)挖掘系統(tǒng)和軟件
178數(shù)據(jù)挖掘的發(fā)展趨勢
18小結(jié)
19習(xí)題
第2章數(shù)據(jù)存儲(chǔ)
21關(guān)系數(shù)據(jù)集
22數(shù)據(jù)倉庫
221數(shù)據(jù)倉庫的概念和特點(diǎn)
222數(shù)據(jù)倉庫的數(shù)據(jù)組織
223數(shù)據(jù)倉庫的關(guān)鍵技術(shù)
224數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的關(guān)系
23NoSQL數(shù)據(jù)庫
231NoSQL概念與理論
232NoSQL數(shù)據(jù)模型
233NoSQL與關(guān)系數(shù)據(jù)庫
24分布式文件系統(tǒng)
241分布式文件系統(tǒng)的歷史
242分布式文件系統(tǒng)的體系結(jié)構(gòu)
243谷歌文件系統(tǒng)(GoogleFS)
244Hadoop分布式文件系統(tǒng)
(HDFS)
25小結(jié)
26習(xí)題
第3章數(shù)據(jù)預(yù)處理
31數(shù)據(jù)預(yù)處理的必要性
32數(shù)據(jù)清理
321缺失數(shù)據(jù)處理方法
322噪聲數(shù)據(jù)平滑技術(shù)
323時(shí)間相關(guān)數(shù)據(jù)的處理
33數(shù)據(jù)集成
331實(shí)體識(shí)別與匹配
332冗余和相關(guān)分析
333元組重復(fù)數(shù)據(jù)的檢測
334沖突數(shù)據(jù)的檢測與處理
34數(shù)據(jù)轉(zhuǎn)換
341數(shù)據(jù)標(biāo)準(zhǔn)化
342數(shù)據(jù)泛化
35數(shù)據(jù)歸約
351數(shù)據(jù)立方體聚集
352維度歸約
353數(shù)據(jù)壓縮
354數(shù)值歸約
36數(shù)據(jù)離散化
361分箱方法
362直方圖分析
363基于熵的離散化
364ChiMerge技術(shù)
365人工劃分分段
37特征提取、選擇和構(gòu)造
371特征提取
372特征選擇
373特征構(gòu)造
38小結(jié)
39習(xí)題
第4章數(shù)據(jù)相似度與異常檢測
41相似度度量
411對(duì)象與屬性類型
412相似度度量的定義
413由距離度量變換而來的
相似度度量
414屬性之間的相似度度量
415對(duì)象之間的相似度度量
42傳統(tǒng)度量方法
421二值屬性的相似度度量
422歐氏距離
423余弦距離
424Mahalanobis距離
425Jaccard距離
426海明距離
43大數(shù)據(jù)度量方法
431文檔的Shingling
432局部敏感散列算法
44異常檢測
441基于統(tǒng)計(jì)的檢測方法
442基于距離的檢測方法
443基于密度的檢測方法
444基于聚類的檢測方法
445基于分類的檢測方法
446高維數(shù)據(jù)中的異常點(diǎn)檢測
45小結(jié)
46習(xí)題
第5章數(shù)據(jù)分類和預(yù)測
51分類和預(yù)測的基本概念
511準(zhǔn)備數(shù)據(jù)
512分類和預(yù)測方法的評(píng)估標(biāo)準(zhǔn)
52決策樹分類
521ID3算法生成決策樹
522C45算法生成決策樹
523CART算法和Gini指標(biāo)
524決策樹歸納的可擴(kuò)展性
525數(shù)據(jù)倉庫與決策樹
526決策樹和決策規(guī)則的局限性
53貝葉斯分類
531貝葉斯定理
532樸素貝葉斯分類
533貝葉斯信念網(wǎng)絡(luò)
534訓(xùn)練貝葉斯信念網(wǎng)絡(luò)
54神經(jīng)網(wǎng)絡(luò)
541多層前饋神經(jīng)網(wǎng)絡(luò)
542定義神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)
543后向傳播
544后向傳播和可理解性
55其他分類方法
551基于關(guān)聯(lián)的分類方法
552K-*近鄰分類
553基于案例推理
554遺傳算法
555粗糙集方法
556模糊集合方法
56預(yù)測算法
561預(yù)測算法分類
562預(yù)測算法選擇
563線性和多元回歸
564非線性回歸
565其他回歸模型
57分類預(yù)測應(yīng)用實(shí)例
571樣本選取
572建立預(yù)測模型
573模型評(píng)估
574實(shí)用價(jià)值
58小結(jié)
59習(xí)題
第6章數(shù)據(jù)聚類分析
61基本概念
611對(duì)聚類分析的要求
612聚類分析方法分類
62劃分聚類算法
621K-means算法(基于
質(zhì)心的技術(shù))
622K-medoids算法(基于代表
對(duì)象的技術(shù))
63層次聚類算法
631BIRCH算法
632CURE算法
633ROCK算法
634Chameleon算法
64基于密度的聚類算法
641DBSCAN算法
642OPTICS算法
643DENCLUE算法
65基于網(wǎng)格的聚類算法
651STING算法
652WaveCluster算法
653CLIQUE算法
66基于模型的聚類算法
661EM算法
662COBWEB算法
663SOM算法
67聚類評(píng)估
671估計(jì)聚類趨勢
672確定簇?cái)?shù)
673測定聚類質(zhì)量
68聚類分析應(yīng)用實(shí)例
681問題理解與提出
682數(shù)據(jù)收集與選擇
683數(shù)據(jù)預(yù)處理
684應(yīng)用K-means聚類算法建模
69小結(jié)
610習(xí)題
第7章數(shù)據(jù)關(guān)聯(lián)分析
71數(shù)據(jù)關(guān)
- >
有舍有得是人生
- >
李白與唐代文化
- >
中國歷史的瞬間
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
苦雨齋序跋文-周作人自編集
- >
自卑與超越
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
山海經(jīng)