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
數據挖掘方法與應用 版權信息
- ISBN：9787302550624
- 條形碼：9787302550624 ; 978-7-302-55062-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據挖掘方法與應用 本書特色
《數據挖掘方法與應用》特色： 突出實際案例應用 結合常用軟件實現 提供豐富教學資源
數據挖掘方法與應用 內容簡介
《數據挖掘方法與應用》以應用為導向介紹數據挖掘的相關工具、理論和方法，包括數據挖掘概述、數據挖掘工具、數據與數據平臺、數據預處理、關聯分析、決策樹、貝葉斯分類和神經網絡。通過循序漸進地講解數據挖掘可使用的工具、數據存儲及分析環境、原始數據可能存在的問題及相應的預處理方法、數據挖掘經典算法等相關知識，使讀者對數據挖掘有整體的認識和了解。此外，該書以解決問題為目的，結合實例闡述了使用IBM SPSS Modeler和R軟件進行數據挖掘的方法與步驟，便于讀者更好地理解和掌握。 《數據挖掘方法與應用》可作為統計學、大數據等相關專業高年級本科生及碩士研究生數據挖掘課程的教材，也可作為其他數據挖掘愛好者的參考用書。
數據挖掘方法與應用 目錄
第1章 數據挖掘概述
1．1 數據挖掘的產生與發展
1．1．1 數據挖掘概念的提出
1．1．2 數據挖掘系統的發展
1．1．3 當前熱點和未來趨勢
1．2 數據挖掘過程
1．2．1 Fayyad過程模型
1．2．2 CRISP-DM過程模型
1．3 數據挖掘功能與使用技術
1．3．1 數據挖掘功能
1．3．2 數據挖掘使用技術
1．4 數據挖掘應用
1．4．1 金融領域的數據挖掘
1．4．2 電信領域的數據挖掘
1．4．3 零售與電子商務領域的數據挖掘
1．4．4 政府政務領域的數據挖掘
1．4．5 醫療領域的數據挖掘
1．4．6 科學領域的數據挖掘
1．5 練習與拓展
第2章 數據挖掘工具
2．1 Weka
2．1．1 Weka簡述
2．1．2 Weka運行界面
2．2 IBM SPSS Modeler
2．2．1 IBM SPSS Modeler簡述
2．2．2 IBM SPSS Modeler主界面及功能
2．3 R語言
2．3．1 R語言簡述
2．3．2 RStudio
2．3．3 R語言與數據挖掘
2．4 Python語言
2．4．1 Python語言簡述
2．4．2 Python與數據分析
2．4．3 Anaconda
2．5 練習與拓展
第3章 數據與數據平臺
3．1 數據類型
3．1．1 數據形態與數據類型
3．1．2 數據環境與數據類型
3．2 關系型數據庫
3．2．1 關系型數據庫概述
3．2．2 關系型數據庫管理系統
3．3 NoSQL數據庫
3．3．1 鍵值數據庫
3．3．2 文檔數據庫
3．3．3 列族數據庫
3．3．4 圖數據庫
3．4 數據倉庫與大數據平臺
3．4．1 數據倉庫
3．4．2 大數據平臺
3．5 練習與拓展
第4章 數據預處理
4．1 數據預處理概述
4．1．1 原始數據中存在的問題
4．1．2 數據預處理的主要任務
4．2 數據清洗
4．2．1 缺失數據處理
4．2．2 異常數據處理
4．3 數據集成
4．3．1 模式匹配及數值一致化
4．3．2 刪除冗余數據
4．4 數據變換
4．4．1 定性數據數值化
4．4．2 定量數據離散化和規范化
4．4．3 不平衡數據處理
4．5 數據歸約
4．5．1 屬性的歸約
4．5．2 記錄的歸約
4．5．3 數值的歸約
4．6 練習與拓展
第5章 關聯分析
5．1 關聯分析概述
5．1．1 關聯分析基本概念
5．1．2 關聯規則挖掘的基本過程
5．2 Apriori算法
5．2．1 Apriori性質
5．2．2 Apriori算法的頻繁項集產生
5．3 強關聯規則的悖論
5．3．1 強關聯規則不一定是有趣的規則
5．3．2 基于提升度過濾無趣的強關聯規則
5．3．3 基于支持度、置信度及提升度的關聯規則發現
5．4 基于IBM SPSS Modeler的應用
5．4．1 事實表數據的應用示例
5．4．2 事務表數據的應用示例
5．5 基于R語言的應用
5．5．1 數據初探
5．5．2 可視化交易數據
5．5．3 挖掘關聯規則
5．5．4 可視化關聯規則
5．6 練習與拓展
第6章 決策樹
6．1 決策樹概述
6．1．1 決策樹分析相關概念
6．1．2 決策樹分析核心問題
6．2 ID3算法
6．2．1 信息論的基本概念
6．2．2 ID3算法基本原理
6．2．3 使用ID3算法建立決策樹
6．3 C5．0算法
6．3．1 C5．0算法的決策樹生長
6．3．2 C5．0算法的決策樹修剪
6．4 基于IBM SPSS Modeler的應用
6．4．1 數據讀取與審核
6．4．2 探索性分析
6．4．3 數據預處理
6．4．4 決策樹模型構建與評估：基于C5．0算法
6．4．5 預測結果
6．5 基于R語言的應用
6．5．1 數據探索
6．5．2 數據分區
6．5．3 模型訓練與評估
6．5．4 使用boosting和代價矩陣調整模型
6．6 練習與拓展
第7章 貝葉斯分類
7．1 貝葉斯分類概述
7．1．1 貝葉斯定理
7．1．2 貝葉斯信念網絡
7．2 樸素貝葉斯分類
7．2．1 樸素貝葉斯分類原理
7．2．2 樸素貝葉斯分類計算示例
7．2．3 零概率問題：拉普拉斯平滑
7．3 TAN貝葉斯分類
7．3．1 TAN貝葉斯網絡結構
7．3．2 TAN貝葉斯分類過程
7．4 基于IBM SPSS Modeler的應用
……
第8章 神經網絡
參考文獻
展開全部
書友推薦
- >
名家帶你讀魯迅:朝花夕拾
- >
苦雨齋序跋文-周作人自編集
- >
【精裝繪本】畫給孩子的中國神話
- >
龍榆生：詞曲概論/大家小書
- >
回憶愛瑪儂
- >
詩經-先民的歌唱
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
我與地壇
本類暢銷
