中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
計算機科學與技術學科前沿叢書 計算機科學與技術學科研究生系列教材(中文版)數據分析與數據挖掘(第2版)/喻梅,于健 版權信息
- ISBN：9787302558682
- 條形碼：9787302558682 ; 978-7-302-55868-2
- 裝幀：70g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
計算機科學與技術學科前沿叢書 計算機科學與技術學科研究生系列教材(中文版)數據分析與數據挖掘(第2版)/喻梅,于健 本書特色
數據分析與數據挖掘是一門跨學科的計算機科學分支，是人工智能、機器學習、概率論、統計學和數據庫知識的交叉學科。數據挖掘的目標是從一個或多個數據集中通過數據處理，結合一定的算法模型*終挖掘出有價值的信息。隨著科技的發展，數據量呈爆炸式增長，數據挖掘在工業界和學術界都得到了越來越多的重視。國際知名的互聯網公司和科研單位都在大力發展數據科學，在我國，數據科學的發展受到了極大的關注，通過數據分析與數據挖掘幫助決策，進而推動經濟發展。 本書主要介紹數據分析與數據挖掘的基本概念和方法，包括數據的基本屬性和概念、數據預處理技術、數據倉庫和OLAP技術、回歸分析、頻繁模式挖掘、分類、聚類、離群點分析。每一部分先介紹基本概念、理論基礎，再給出應用實例，便于讀者更好的理解和應用算法，*后給出習題。 本書所講述的內容均為數據分析與數據挖掘過程中常用方法和模型，目的是讓愛好數據科學的計算機專業、統計學專業以及相關專業的學生熟悉數據挖掘的過程，掌握數據分析與數據挖掘過程中常用的算法模型及數據處理方式。本書知識點的介紹通過基礎理論及概念介紹、應用例題、習題三部分進行，部分章節涉及算法應用實例。通過對數據分析與數據挖掘知識點的基礎理論講解，對數據分析與數據挖掘有整體的認識及了解；通過應用例題，能夠對算法的過程有深刻的理解；通過習題，能夠鞏固對相應知識點掌握。 本書適用于數據分析與數據挖掘領域的初學者，可以作為相關專業本科及研究生教材。書中算法由淺入深、由原理到應用，有利于初學者的學習和理解。本書也可作為數據分析與數據挖掘相關專業人士的參考用書。 “十三五” 國家重點圖書出版規劃項目。緊密追蹤當前科技前沿、數據科學熱點。算法由淺入深、由原理到應用，有利于學習和理解。
計算機科學與技術學科前沿叢書 計算機科學與技術學科研究生系列教材(中文版)數據分析與數據挖掘(第2版)/喻梅,于健 內容簡介
本書主要介紹數據挖掘和數據分析的基本概念和方法，包括數據的基本屬性和概念、數據預處理技術、數據立方體和OLAP技術、頻繁模式挖掘、回歸分析、分類、聚類、離群點分析。每一部分先介紹基本概念、理論基礎、應用實例、思考習題。書中涉及的模型和算法均給予了相應的實例，便于讀者更好的理解和使用模型。
計算機科學與技術學科前沿叢書 計算機科學與技術學科研究生系列教材(中文版)數據分析與數據挖掘(第2版)/喻梅,于健 目錄
第1章概述1
1.1數據分析與數據挖掘1
1.1.1數據分析1
1.1.2數據挖掘1
1.1.3數據分析與數據挖掘的區別和聯系3
1.2分析與挖掘的數據類型3
1.3數據分析與數據挖掘的方法7
1.4數據分析與數據挖掘使用的技術8
1.5應用場景及存在的問題12
1.5.1數據分析與數據挖掘的應用12
1.5.2存在的主要問題13
1.6本書結構概述14
1.7習題14
第2章數據16
2.1數據對象與屬性類別16
2.1.1屬性的定義16
2.1.2屬性的分類16
2.2數據的基本統計描述17
2.2.1中心趨勢度量18
2.2.2數據分散度量20
2.2.3數據的圖形顯示22
2.3數據的相似性和相異性度量26
2.3.1數據矩陣與相異性矩陣26
2.3.2標稱屬性的鄰近性度量27
2.3.3二元屬性的鄰近性度量28
2.3.4數值屬性的相異性29
2.3.5序數屬性的鄰近性度量31
2.3.6混合類型屬性的相異性31
2.3.7余弦相似性33目錄數據分析與數據挖掘（第2版）2.4習題34
第3章數據預處理36
3.1數據預處理及任務36
3.1.1數據預處理的必要性36
3.1.2數據預處理的主要任務39
3.2數據清理40
3.2.1缺失值、噪聲和不一致數據的處理40
3.2.2數據清理方式43
3.3數據集成44
3.4數據歸約49
3.4.1直方圖49
3.4.2數據立方體聚集50
3.4.3屬性子集選擇52
3.4.4抽樣53
3.5數據變換與數據離散化54
3.5.1數據變換策略及分類54
3.5.2數據泛化54
3.5.3數據規范化55
3.5.4數據離散化56
3.6習題58
第4章數據倉庫與聯機分析處理59
4.1數據倉庫基本概念59
4.1.1數據倉庫的定義59
4.1.2數據倉庫的性質59
4.1.3數據倉庫體系結構60
4.1.4數據倉庫設計模型61
4.2數據倉庫設計62
4.2.1數據倉庫的概念模型設計62
4.2.2數據倉庫的邏輯模型設計65
4.2.3數據倉庫的物理模型設計67
4.3數據倉庫實現68
4.4聯機分析處理81
4.4.1OLAP簡介81
4.4.2OLAP與OLTP的關系82
4.4.3典型的OLAP操作83
4.5元數據模型87
4.5.1元數據的類型88
4.5.2元數據的作用88
4.5.3元數據的使用89
4.6習題90
第5章回歸分析91
5.1回歸分析概述91
5.1.1變量間的兩類關系91
5.1.2回歸分析的步驟92
5.2一元線性回歸93
5.2.1原理分析93
5.2.2回歸方程求解及模型檢驗93
5.2.3一元線性回歸實例96
5.2.4案例分析： 使用Weka實現一元線性回歸99
5.3多元線性回歸105
5.3.1原理分析105
5.3.2回歸方程求解及模型檢驗106
5.3.3多元線性回歸實例108
5.3.4案例分析： 使用Weka實現多元線性回歸110
5.4多項式回歸113
5.4.1原理分析113
5.4.2多項式回歸實例114
5.4.3案例分析： 使用Excel實現多項式回歸117
5.5習題123
第6章頻繁模式挖掘125
6.1概述125
6.1.1案例分析126
6.1.2相關概念126
6.1.3先驗性質128
6.2Apriori算法129
6.2.1Apriori算法分析129
6.2.2案例分析： 使用Weka實現Apriori算法133
6.3FPgrowth算法139
6.3.1FPgrowth算法分析139
6.3.2案例分析： 使用Weka實現FPgrowth算法148
6.4壓縮頻繁項集151
6.4.1挖掘閉模式151
6.4.2挖掘極大模式152
6.5關聯模式評估152
6.5.1支持度置信度框架153
6.5.2相關性分析153
6.5.3模式評估度量155
6.6習題156
第7章分類157
7.1分類概述157
7.1.1分類的基本概念157
7.1.2分類的相關知識158
7.2決策樹162
7.2.1決策樹的基本概念162
7.2.2決策樹分類器的算法過程163
7.2.3ID3算法165
7.2.4C4.5算法172
7.2.5Weka中使用C4.5算法進行分類預測實例177
7.2.6決策樹的剪枝184
7.3樸素貝葉斯分類185
7.3.1樸素貝葉斯學習基本原理185
7.3.2樸素貝葉斯分類過程186
7.3.3使用Weka的樸素貝葉斯分類器進行分類實例187
7.4惰性學習法191
7.4.1k近鄰算法描述191
7.4.2k近鄰算法性能193
7.4.3使用Weka進行k近鄰分類實例194
7.5邏輯回歸196
7.5.1邏輯回歸的基本概念196
7.5.2二項邏輯回歸過程197
7.5.3用Weka進行邏輯回歸分類實例199
7.6支持向量機202
7.6.1線性可分支持向量機算法203
7.6.2線性可分支持向量機學習算法——*大間隔法207
7.6.3使用Weka進行支持向量機分類實例208
7.7神經網絡210
7.7.1神經網絡的基本概念210
7.7.2BP神經網絡算法過程212
7.7.3BP神經網絡分類算法實例214
7.7.4使用Weka進行神經網絡分類實例216
7.8組合方法223
7.8.1組合方法概述223
7.8.2裝袋223
7.8.3提升230
7.8.4隨機森林算法234
7.9分類模型的評估248
7.9.1分類模型的評價指標248
7.9.2交叉驗證253
7.9.3自助法254
7.10習題255
第8章聚類257
8.1聚類概述257
8.1.1聚類的基本概念257
8.1.2聚類算法的分類258
8.2基于劃分的聚類260
8.2.1k均值算法260
8.2.2k中心點算法264
8.2.3使用Weka進行基于劃分的聚類實例268
8.3基于層次的聚類273
8.3.1基于層次的聚類的基本概念273
8.3.2簇間距離度量274
8.3.3分裂層次聚類274
8.3.4凝聚層次聚類276
8.3.5BIRCH算法278
8.3.6使用Weka進行基于層次的聚類實例282
8.4基于密度的聚類285
8.4.1基于密度的聚類的基本概念285
8.4.2DBSCAN算法286
8.4.3使用Weka進行基于密度的聚類實例290
8.5基于網格的聚類293
8.5.1STING算法294
8.5.2CLIQUE算法296
8.6聚類質量的評估299
8.7習題300
第9章離群點檢測301
9.1離群點的定義與類型301
9.1.1什么是離群點301
9.1.2離群點的類型302
9.2離群點的檢測303
9.2.1檢測方法的分類303
9.2.2統計學方法304
9.2.3近鄰性方法307
9.2.4基于聚類的方法309
9.2.5基于分類的方法313
9.3習題314
附錄AWeka的安裝及使用規范315
A.1Weka簡介與安裝315
A.1.1Weka簡介315
A.1.2JRE的安裝315
A.1.3Weka的安裝318
A.2Weka的使用方法323
A.3Weka的數據格式326
參考文獻330
展開全部
計算機科學與技術學科前沿叢書 計算機科學與技術學科研究生系列教材(中文版)數據分析與數據挖掘(第2版)/喻梅,于健 作者簡介
喻梅 天津大學智能與計算學部教授，碩士生導師。主要從事計算機網絡、數據挖掘及數據庫方向的研究及教學。研究重點為社交網絡中實體社團的發現及識別、影響因素及發展規律；基于親密度及影響力的微博社交興趣圈挖掘算法等。在國際會議及期刊上發表了多篇相關學術論文。擔任多個國際會議技術委員會委員，參與會議組織工作及專業技術服務。參與多部計算機教材的編寫。
書友推薦
- >
隨園食單
- >
名家帶你讀魯迅:朝花夕拾
- >
我與地壇
- >
回憶愛瑪儂
- >
上帝之肋:男人的真實旅程
- >
李白與唐代文化
- >
月亮虎
- >
羅庸西南聯大授課錄
本類暢銷
