掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 數(shù)據(jù)挖掘概念、模型、方法和算法(第3版)
開(kāi)本：
其他
頁(yè)數(shù)：
460
本類(lèi)榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷(xiāo)量榜
本類(lèi)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):¥70.4
加入購(gòu)物車(chē)
數(shù)據(jù)挖掘概念、模型、方法和算法(第3版) 版權(quán)信息
- ISBN：9787302577423
- 條形碼：9787302577423 ; 978-7-302-57742-3
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
數(shù)據(jù)挖掘概念、模型、方法和算法(第3版) 本書(shū)特色
Mehmed Kantardzic博士，1980年獲得計(jì)算機(jī)科學(xué)博士學(xué)位，2004年起在路易斯維爾大學(xué)擔(dān)任教授。現(xiàn)任CSE（計(jì)算機(jī)科學(xué)與工程）副主席，數(shù)據(jù)挖掘?qū)嶒?yàn)室主任，CSE研究生部主任。他的研究重點(diǎn)是數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)、機(jī)器學(xué)習(xí)、軟計(jì)算、點(diǎn)擊欺詐檢測(cè)和預(yù)防、流數(shù)據(jù)中的概念漂移以及醫(yī)療數(shù)據(jù)挖掘。Kantardzic博士的榮譽(yù)很多，研究論文獲得了許多杰出和榮譽(yù)提名獎(jiǎng)，教學(xué)方面則曾榮獲*喜愛(ài)的教師和杰出教學(xué)獎(jiǎng)。他曾任職于多家國(guó)際期刊的編輯委員會(huì)，是美國(guó)國(guó)家科學(xué)基金會(huì)(NSF)等多個(gè)國(guó)家科學(xué)基金會(huì)的審核員和小組成員，擔(dān)任IEEEICMLA 2018等多個(gè)國(guó)際會(huì)議的總主席或項(xiàng)目主席。
數(shù)據(jù)挖掘概念、模型、方法和算法(第3版) 內(nèi)容簡(jiǎn)介
第3版介紹并擴(kuò)展了許多主題，提供了軟件工具和數(shù)據(jù)挖掘應(yīng)用程序的修訂部分;還更新了參考書(shū)目列表，供感興趣的讀者進(jìn)一步研究;擴(kuò)展了涉及每個(gè)章節(jié)的問(wèn)題列表。展示了如下新信息: 探索大數(shù)據(jù)和云計(jì)算 論述深度學(xué)習(xí) 包括卷積神經(jīng)網(wǎng)絡(luò)(CNN)的信息提出了強(qiáng)化學(xué)習(xí) 包含半監(jiān)督學(xué)習(xí)和S3VM回顧不平衡數(shù)據(jù)的模型評(píng)估
數(shù)據(jù)挖掘概念、模型、方法和算法(第3版) 目錄
第1章 數(shù)據(jù)挖掘的概念
1．1 概述
1．2 數(shù)據(jù)挖掘的起源
1．3 數(shù)據(jù)挖掘過(guò)程
1．4 從數(shù)據(jù)收集到數(shù)據(jù)預(yù)處理
1．5 用于數(shù)據(jù)挖掘的數(shù)據(jù)倉(cāng)庫(kù)
1．6 從大數(shù)據(jù)到數(shù)據(jù)科學(xué)
1．7 數(shù)據(jù)挖掘的商業(yè)方面：為什么數(shù)據(jù)挖掘項(xiàng)目會(huì)失敗
1．8 本書(shū)結(jié)構(gòu)安排
1．9 復(fù)習(xí)題
第2章 數(shù)據(jù)準(zhǔn)備
2．1 原始數(shù)據(jù)的表述
2．2 原始數(shù)據(jù)的特性
2．3 原始數(shù)據(jù)的轉(zhuǎn)換
2．3．1 標(biāo)準(zhǔn)化
2．3．2 數(shù)據(jù)平整
2．3．3 差值和比率
2．4 丟失數(shù)據(jù)
2．5 時(shí)間相關(guān)數(shù)據(jù)
2．6 異常點(diǎn)分析
2．7 復(fù)習(xí)題
第3章 數(shù)據(jù)歸約
3．1 大型數(shù)據(jù)集的維度
3．2 特征歸約
3．2．1 特征選擇
3．2．2 特征提取
3．3 Relief算法
3．4 特征排列的熵度量
3．5 主成分分析
3．6 值歸約
3．7 特征離散化：ChiMerge技術(shù)
3．8 案例歸約
3．9 復(fù)習(xí)題
第4章 從數(shù)據(jù)中學(xué)習(xí)
4．1 學(xué)習(xí)機(jī)器
4．2 統(tǒng)計(jì)學(xué)習(xí)原理
4．3 學(xué)習(xí)方法的類(lèi)型
4．4 常見(jiàn)的學(xué)習(xí)任務(wù)
4．5 支持向量機(jī)
4．6 半監(jiān)督支持向量機(jī)（S3VM）
4．7 k*近鄰分類(lèi)器
4．8 模型選擇與泛化
4．9 模型的評(píng)估
4．10 不均衡的數(shù)據(jù)分類(lèi)
4．11 90%準(zhǔn)確的情形
4．11．1 保險(xiǎn)欺詐檢測(cè)
4．11．2 改進(jìn)心臟護(hù)理
4．12 復(fù)習(xí)題
第5章 統(tǒng)計(jì)方法
5．1 統(tǒng)計(jì)推斷
5．2 評(píng)測(cè)數(shù)據(jù)集的差異
5．3 貝葉斯定理
5．4 預(yù)測(cè)回歸
5．5 方差分析
5．6 對(duì)數(shù)回歸
5．7 對(duì)數(shù)-線性模型
5．8 線性判別分析
5．9 復(fù)習(xí)題
第6章 決策樹(shù)和決策規(guī)則
6．1 決策樹(shù)
6．2 C4．5 算法：生成決策樹(shù)
6．3 未知的屬性值
6．4 修剪決策樹(shù)
6．5 C4．5 算法：生成決策規(guī)則
6．6 CART算法和Gini指標(biāo)
6．7 決策樹(shù)和決策規(guī)則的局限性
6．8 復(fù)習(xí)題
第7章 人工神經(jīng)網(wǎng)絡(luò)
7．1 人工神經(jīng)元的模型
7．2 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7．3 學(xué)習(xí)過(guò)程
……
第8章 集成學(xué)習(xí)
第9章 聚類(lèi)分析
第10章 關(guān)聯(lián)規(guī)則
第11章 Web挖掘和文本挖掘
第12章 數(shù)據(jù)挖掘高級(jí)技術(shù)
第13章 遺傳算法
第14章 模糊集和模糊邏輯
第15章 可視化方法
附錄A數(shù)據(jù)挖掘工具
附錄B數(shù)據(jù)挖掘應(yīng)用
展開(kāi)全部
數(shù)據(jù)挖掘概念、模型、方法和算法(第3版) 作者簡(jiǎn)介
[美]哈默德·坎塔爾季奇（Mehmed Kantardzic）博士，1980年獲得計(jì)算機(jī)科學(xué)博士學(xué)位，2004年起在路易斯維爾大學(xué)擔(dān)任教授。現(xiàn)任CSE（計(jì)算機(jī)科學(xué)與工程）副主席，數(shù)據(jù)挖掘?qū)嶒?yàn)室主任，CSE研究生部主任。他的研究重點(diǎn)是數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)、機(jī)器學(xué)習(xí)、軟計(jì)算、點(diǎn)擊欺詐檢測(cè)和預(yù)防、流數(shù)據(jù)中的概念漂移以及醫(yī)療數(shù)據(jù)挖掘。Kantardzic博士的榮譽(yù)很多，研究論文獲得了許多杰出和榮譽(yù)提名獎(jiǎng)，教學(xué)方面則曾榮獲喜愛(ài)的教師和杰出教學(xué)獎(jiǎng)。他曾任職于多家國(guó)際期刊的編輯委員會(huì)，是美國(guó)國(guó)家科學(xué)基金會(huì)（NSF）等多個(gè)國(guó)家科學(xué)基金會(huì)的審核員和小組成員，擔(dān)任IEEEICMLA2018等多個(gè)國(guó)際會(huì)議的總主席或項(xiàng)目主席。
書(shū)友推薦
- >
推拿
- >
李白與唐代文化
- >
小考拉的故事-套裝共3冊(cè)
- >
苦雨齋序跋文-周作人自編集
- >
朝聞道
- >
山海經(jīng)
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
隨園食單
本類(lèi)暢銷(xiāo)
