掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥31.9
加入購(gòu)物車
數(shù)據(jù)挖掘基礎(chǔ)及其應(yīng)用 版權(quán)信息
- ISBN：9787560658810
- 條形碼：9787560658810 ; 978-7-5606-5881-0
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
數(shù)據(jù)挖掘基礎(chǔ)及其應(yīng)用 內(nèi)容簡(jiǎn)介
本書(shū)全面介紹了數(shù)據(jù)挖掘基礎(chǔ)及其應(yīng)用, 重點(diǎn)闡述數(shù)據(jù)挖掘經(jīng)典算法、原理及其應(yīng)用, 旨在為讀者提供數(shù)據(jù)挖掘所需的基本知識(shí), 使讀者能夠從整體上對(duì)數(shù)據(jù)挖掘內(nèi)容與方法有所理解, 本書(shū)內(nèi)容包含五個(gè)主題: 數(shù)據(jù)、分類、關(guān)聯(lián)規(guī)則、聚類分析及其應(yīng)用。對(duì)于每個(gè)分類、關(guān)聯(lián)規(guī)則、聚類分析三個(gè)主題, 首先介紹基本概念與經(jīng)典算法, 在后續(xù)的章節(jié)中闡述該更高級(jí)的主題。
數(shù)據(jù)挖掘基礎(chǔ)及其應(yīng)用 目錄
第1章 緒論 1
1.1 數(shù)據(jù)概述 1
1.2 數(shù)據(jù)與社會(huì)變革 3
1.2.1 數(shù)據(jù)改變思維模式 3
1.2.2 數(shù)據(jù)改變社會(huì)模式 3
1.2.3 數(shù)據(jù)改變國(guó)家戰(zhàn)略 4
1.3 數(shù)據(jù)挖掘的定義 5
1.4 數(shù)據(jù)挖掘的發(fā)展與應(yīng)用 7
1.4.1 數(shù)據(jù)挖掘的發(fā)展 7
1.4.2 數(shù)據(jù)挖掘的應(yīng)用 8
1.5 數(shù)據(jù)挖掘的任務(wù)與挑戰(zhàn) 9
1.5.1 數(shù)據(jù)挖掘的任務(wù) 10
1.5.2 數(shù)據(jù)挖掘面臨的挑戰(zhàn) 12
1.6 本書(shū)內(nèi)容與組織 13
1.6.1 章節(jié)安排 13
1.6.2 輔助閱讀材料 15
本章小結(jié) 16
習(xí)題 16
參考文獻(xiàn) 17
第2章 數(shù)據(jù) 21
2.1 數(shù)據(jù)的定義 21
2.2 屬性的分類 22
2.3 數(shù)據(jù)類型 24
2.3.1 數(shù)據(jù)的特性 24
2.3.2 數(shù)據(jù)的分類 24
2.4 相似性計(jì)算 26
2.4.1 相似性定義 26
2.4.2 單屬性相似性度量 28
2.4.3 多屬性相似性度量 29
本章小結(jié) 35
習(xí)題 35
參考文獻(xiàn) 37
第3章 數(shù)據(jù)預(yù)處理 38
3.1 數(shù)據(jù)質(zhì)量 38
3.1.1 誤差與噪聲 38
3.1.2 應(yīng)用問(wèn)題 41
3.2 數(shù)據(jù)預(yù)處理概述 41
3.3 數(shù)據(jù)清洗 43
3.3.1 缺失數(shù)據(jù)處理 43
3.3.2 噪聲數(shù)據(jù)處理 43
3.3.3 不一致數(shù)據(jù)處理 45
3.4 數(shù)據(jù)集成與轉(zhuǎn)換 45
3.4.1 數(shù)據(jù)集成處理 45
3.4.2 數(shù)據(jù)轉(zhuǎn)換處理 46
3.4.3 離散化和二進(jìn)制化 47
3.5 數(shù)據(jù)約簡(jiǎn) 49
3.5.1 數(shù)據(jù)立方歸并 49
3.5.2 維數(shù)約簡(jiǎn) 50
3.5.3 數(shù)據(jù)壓縮 51
3.5.4 數(shù)據(jù)塊約簡(jiǎn) 52
本章小結(jié) 55
習(xí)題 55
參考文獻(xiàn) 57
第4章 分類I：概念與決策樹(shù)算法 58
4.1 引言 58
4.1.1 分類的定義 58
4.1.2 分類的應(yīng)用 59
4.1.3 分類算法 60
4.2 決策樹(shù) 61
4.3 決策樹(shù)原理與構(gòu)建 63
4.3.1 算法原理 64
4.3.2 分支原則 65
4.3.3 *優(yōu)劃分 67
4.4 補(bǔ)充算法 76
4.4.1 ID3算法 76
4.4.2 C4.5算法 77
4.5 過(guò)擬合/欠擬合 80
4.5.1 定義 80
4.5.2 規(guī)避策略 81
4.6 分類準(zhǔn)確性評(píng)估 86
4.6.1 準(zhǔn)確性 86
4.6.2 ROC曲線 87
本章小結(jié) 90
習(xí)題 90
參考文獻(xiàn) 94
第5章 分類Ⅱ：支持向量機(jī) 95
5.1 引言 95
5.2 數(shù)學(xué)模型 96
5.2.1 算法動(dòng)機(jī) 96
5.2.2 數(shù)學(xué)模型 97
5.3 優(yōu)化理論 99
5.3.1 凸優(yōu)化 99
5.3.2 對(duì)偶理論 99
5.3.3 拉格朗日方法和KKT條件 101
5.4 SVM優(yōu)化 103
5.4.1 硬間隔SVM 103
5.4.2 軟間隔SVM 104
5.5 非線性SVM 106
5.6 SVM的應(yīng)用 109
5.6.1 人臉識(shí)別 110
5.6.2 語(yǔ)音識(shí)別 110
5.6.3 圖像處理 110
本章小結(jié) 111
習(xí)題 112
參考文獻(xiàn) 113
第6章 分類Ⅲ：概率分類與回歸 115
6.1 引言 115
6.2 貝葉斯公式 116
6.2.1 概率基礎(chǔ) 116
6.2.2 圖論基礎(chǔ) 118
6.2.3 信息理論 118
6.3 貝葉斯分類算法 119
6.3.1 算法原理 119
6.3.2 樸素貝葉斯算法 121
6.3.3 算法應(yīng)用 124
6.4 貝葉斯信念網(wǎng)絡(luò) 125
6.4.1 定義與推理 126
6.4.2 結(jié)構(gòu)學(xué)習(xí)(網(wǎng)絡(luò)構(gòu)建) 128
6.4.3 貝葉斯信念網(wǎng)絡(luò)的特點(diǎn) 130
6.5 回歸分析 131
6.5.1 預(yù)備知識(shí) 131
6.5.2 線性回歸 131
6.5.3 多元線性回歸 135
6.5.4 *小二乘回歸 136
本章小結(jié) 136
習(xí)題 137
參考文獻(xiàn) 139
第7章 關(guān)聯(lián)規(guī)則Ⅰ：頻繁模式挖掘 141
7.1 引言 141
7.2 基本概念 143
7.3 頻繁項(xiàng)集挖掘 144
7.3.1 暴力破解方法 144
7.3.2 Apriori算法 145
7.3.3 加速技術(shù) 150
7.4 頻繁模式樹(shù)算法 153
7.4.1 FP樹(shù)表示法 153
7.4.2 FP算法的頻繁項(xiàng)集的產(chǎn)生 154
7.4.3 FP樹(shù)挖掘?qū)Ρ華priori算法 157
本章小結(jié) 158
習(xí)題 158
參考文獻(xiàn) 161
第8章 關(guān)聯(lián)規(guī)則Ⅱ：關(guān)聯(lián)規(guī)則挖掘 162
8.1 引言 162
8.2 關(guān)聯(lián)規(guī)則提取 162
8.2.1 候選規(guī)則創(chuàng)建 163
8.2.2 關(guān)聯(lián)規(guī)則挖掘 164
8.3 規(guī)則評(píng)價(jià)標(biāo)準(zhǔn) 167
8.3.1 支持度與置信度缺陷 167
8.3.2 關(guān)聯(lián)規(guī)則價(jià)值衡量的方法 168
8.4 規(guī)則評(píng)價(jià)指標(biāo) 169
8.4.1 興趣度 169
8.4.2 其他度量 172
8.5 一致性問(wèn)題 174
8.6 關(guān)聯(lián)規(guī)則的應(yīng)用 177
8.6.1 關(guān)聯(lián)規(guī)則與CRM 177
8.6.2 CRM關(guān)聯(lián)規(guī)則挖掘 178
本章小結(jié) 180
習(xí)題 180
參考文獻(xiàn) 183
第9章 聚類分析Ⅰ：概念與
K均值算法 185
9.1 引言 185
9.2 聚類流程與方法 187
9.2.1 聚類流程 187
9.2.2 聚類方法 189
9.3 K均值算法 190
9.3.1 算法的三大要素 191
9.3.2 算法的流程 192
9.3.3 算法的性能分析 194
9.4 K均值算法的拓展 195
9.5 圖像分割的應(yīng)用 196
本章小結(jié) 198
習(xí)題 199
參考文獻(xiàn) 200
第10章 聚類分析Ⅱ： 分層聚類與
密度聚類 201
10.1 引言 201
10.2 分層聚類 202
10.2.1 算法流程 202
10.2.2 集合距離計(jì)算 204
10.3 分層聚類的實(shí)現(xiàn) 206
10.4 密度聚類 211
10.4.1 類密度 211
10.4.2 算法過(guò)程 213
10.5 聚類結(jié)果評(píng)估 215
10.6 聚類算法對(duì)比 217
10.6.1 K均值算法 217
10.6.2 分層聚類 217
10.6.3 DBSCAN算法 218
本章小結(jié) 218
習(xí)題 219
參考文獻(xiàn) 220
第11章 社交網(wǎng)絡(luò)圖聚類 221
11.1 引言 221
11.2 社團(tuán)結(jié)構(gòu) 222
11.2.1 社團(tuán)度量標(biāo)準(zhǔn) 223
11.2.2 社團(tuán)檢測(cè)算法 223
11.3 半監(jiān)督學(xué)習(xí) 225
11.4 社團(tuán)挖掘 226
11.4.1 算法框架 226
11.4.2 參數(shù)優(yōu)化 227
11.5 實(shí)驗(yàn)結(jié)果 228
11.5.1 檢測(cè)性能 229
11.5.2 分辨極限容忍性分析 231
本章小結(jié) 234
參考文獻(xiàn) 234
第12章 生物網(wǎng)絡(luò)挖掘 236
12.1 引言 236
12.2 相關(guān)工作 237
12.3 基于圖通信的檢測(cè)算法 238
12.3.1 拓?fù)淇坍?huà) 239
12.3.2 復(fù)合體檢測(cè) 241
12.4 基于弱連接的檢測(cè)算法 244
12.4.1 弱連接效應(yīng) 244
12.4.2 置信網(wǎng)絡(luò)構(gòu)建 246
12.4.3 復(fù)合體檢測(cè) 247
12.5 實(shí)驗(yàn)結(jié)果 247
12.5.1 實(shí)驗(yàn)數(shù)據(jù) 247
12.5.2 F值與覆蓋率 248
12.5.3 P值 249
12.5.4 參數(shù)影響 251
12.5.5 魯棒性分析 256
12.6 圖密度與復(fù)合體拓?fù)潢P(guān)系 258
本章小結(jié) 259
參考文獻(xiàn) 260
附錄 數(shù)學(xué)基礎(chǔ) 262
展開(kāi)全部
書(shū)友推薦
- >
伯納黛特,你要去哪(2021新版)
- >
莉莉和章魚(yú)
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
巴金－再思錄
- >
月亮與六便士
- >
詩(shī)經(jīng)-先民的歌唱
- >
二體千字文
- >
經(jīng)典常談
本類暢銷
