日韩精品 中文字幕 动漫,91亚洲午夜一区,在线不卡日本v一区v二区丶,久久九九国产精品自在现拍





		



注冊(cè)  |  登錄讀書好，好讀書，讀好書！






        
讀書網(wǎng)-DuShu.com

        
         
                
      	
                
                	
                    
                    
                

                
            
        

        

               

				
				
				
       
        




















	當(dāng)前位置： 首頁(yè)出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)數(shù)據(jù)庫(kù)數(shù)據(jù)挖掘原理（第4版）

	



    
    

    
數(shù)據(jù)挖掘原理（第4版）

    

	
數(shù)據(jù)挖掘原理（第4版）
	
	

	

	

	
定　價(jià)：￥118.00

	

			
					

						作　者：
						麥克斯·布拉默（Max Bramer），李曉 著
					

					

						出版社：
						清華大學(xué)出版社
					

					

						叢編項(xiàng)：
						計(jì)算機(jī)科學(xué)典范教材
					

					

						標(biāo)　簽：
						暫缺
					

				
	
	

    
	
	

	

			
					

						ISBN：
						9787302596493
						出版時(shí)間：
						2022-01-01	
                        包裝：
											
					
					
					
					
						開本：
						16開
						頁(yè)數(shù)：
						461
						字?jǐn)?shù)：
						 
					
					
				

        

   

    
    
    
	
	
	
	
內(nèi)容簡(jiǎn)介

	

	
　　本書解釋、探索了數(shù)據(jù)挖掘的主要技術(shù)，可以從數(shù)據(jù)中自動(dòng)提取隱式和潛在有用的信息。數(shù)據(jù)挖掘越來(lái)越多地用于商業(yè)、科學(xué)和其他應(yīng)用領(lǐng)域，它側(cè)重于分類、關(guān)聯(lián)規(guī)則挖掘和聚類。書中對(duì)每個(gè)主題都進(jìn)行了清晰的解釋，重點(diǎn)是算法而不是數(shù)學(xué)公式，并通過(guò)詳細(xì)的有效示例加以說(shuō)明。本書是為沒(méi)有強(qiáng)數(shù)學(xué)或統(tǒng)計(jì)學(xué)背景的讀者寫的，并詳細(xì)解釋了使用的所有公式。本書適合作為本科生或研究生層次的教材，適用專業(yè)包括計(jì)算機(jī)科學(xué)、商業(yè)研究、市場(chǎng)營(yíng)銷、人工智能、生物信息學(xué)和法醫(yī)學(xué)。為了幫助讀者自學(xué)，本書旨在幫助普通讀者理解什么是“黑盒”，這樣他們就可以有差別地使用商業(yè)數(shù)據(jù)挖掘包，高級(jí)讀者或?qū)W術(shù)研究者可以對(duì)未來(lái)該領(lǐng)域的技術(shù)進(jìn)步做出貢獻(xiàn)。書中每一章都有實(shí)踐練習(xí)，讓讀者檢查自己的進(jìn)度。附錄還包括所使用的技術(shù)術(shù)語(yǔ)的完整術(shù)語(yǔ)表。數(shù)據(jù)挖掘原理包括對(duì)流數(shù)據(jù)分類算法的介紹，包括平穩(wěn)數(shù)據(jù)（底層模型是固定的）和依賴時(shí)間的數(shù)據(jù)（底層模型不時(shí)變化）——這種現(xiàn)象稱為概念漂移。本書提供了前饋神經(jīng)網(wǎng)絡(luò)與反向傳播的詳細(xì)描述，并顯示它如何可以用于分類。
	
	
	
   
	
	
	
作者簡(jiǎn)介

	

	
　　麥克斯·布拉默是英國(guó)樸次茅斯大學(xué)信息技術(shù)系榮譽(yù)教授、IFIP副主席、英國(guó)計(jì)算機(jī)學(xué)會(huì)AI專家組主席。自從 “數(shù)據(jù)挖掘”“數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)”“大數(shù)據(jù)”和“預(yù)測(cè)分析”等技術(shù)興起以來(lái)，Max積極參與了多個(gè)數(shù)據(jù)挖掘項(xiàng)目，尤其是與數(shù)據(jù)自動(dòng)分類相關(guān)的項(xiàng)目。Max發(fā)表了大量技術(shù)文章，曾撰寫Research and Development in Intelligent Systems等著作。Max具有多年的本科和研究生教學(xué)經(jīng)驗(yàn)。
	
	
	
	
	
	
圖書目錄

	

	
第1章  數(shù)據(jù)挖掘簡(jiǎn)介
  1.1  數(shù)據(jù)爆炸
  1.2  知識(shí)發(fā)現(xiàn)
  1.3  數(shù)據(jù)挖掘的應(yīng)用
  1.4  標(biāo)簽數(shù)據(jù)和無(wú)標(biāo)簽數(shù)據(jù)
  1.5  監(jiān)督學(xué)習(xí)：分類
  1.6  監(jiān)督學(xué)習(xí)：數(shù)值預(yù)測(cè)
  1.7  無(wú)監(jiān)督學(xué)習(xí)：關(guān)聯(lián)規(guī)則
  1.8  無(wú)監(jiān)督學(xué)習(xí)：聚類
第2章  用于挖掘的數(shù)據(jù)
  2.1  標(biāo)準(zhǔn)制定
  2.2  變量的類型
  2.3  數(shù)據(jù)準(zhǔn)備
  2.4  缺失值
    2.4.1  丟棄實(shí)例
    2.4.2  用最頻繁值/平均值替換
  2.5  減少屬性個(gè)數(shù)
  2.6  數(shù)據(jù)集的UCI存儲(chǔ)庫(kù)
  2.7  本章小結(jié)
  2.8  自我評(píng)估練習(xí)
第3章  分類簡(jiǎn)介：樸素貝葉斯和最近鄰算法
  3.1  什么是分類
  3.2  樸素貝葉斯分類器
  3.3  最近鄰分類
    3.3.1  距離測(cè)量
    3.3.2  標(biāo)準(zhǔn)化
    3.3.3  處理分類屬性
  3.4  急切式和懶惰式學(xué)習(xí)
  3.5  本章小結(jié)
  3.6  自我評(píng)估練習(xí)
第4章  使用決策樹進(jìn)行分類
  4.1  決策規(guī)則和決策樹
    4.1.1  決策樹：高爾夫示例
    4.1.2  術(shù)語(yǔ)
    4.1.3  degrees數(shù)據(jù)集
  4.2  TDIDT算法
  4.3  推理的類型
  4.4  本章小結(jié)
  4.5  自我評(píng)估練習(xí)
第5章  決策樹歸納：使用熵進(jìn)行屬性選擇
  5.1  屬性選擇：一個(gè)實(shí)驗(yàn)
  5.2  替代決策樹
    5.2.1  足球/無(wú)板籃球示例
    5.2.2  匿名數(shù)據(jù)集
  5.3  選擇要分裂的屬性：使用熵
  ……
第6章  決策樹歸納：使用頻率表進(jìn)行屬性選擇
第7章  估計(jì)分類器的預(yù)測(cè)精度
第8章  連續(xù)屬性
第9章  避免決策樹的過(guò)度擬合
第10章  關(guān)于熵的更多信息
第11章  歸納分類的模塊化規(guī)則
第12章  度量分類器的性能
第13章  處理大量數(shù)據(jù)
第14章  集成分類
第15章  比較分類器
第16章  關(guān)聯(lián)規(guī)則挖掘Ⅰ
第17章  關(guān)聯(lián)規(guī)則挖掘Ⅱ
第18章  關(guān)聯(lián)規(guī)則挖掘Ⅲ：頻繁模式樹
第19章  聚類
第20章  文本挖掘
第21章  分類流數(shù)據(jù)
第22章  分類流數(shù)據(jù)Ⅱ：時(shí)間權(quán)關(guān)數(shù)據(jù)
第23章  神經(jīng)網(wǎng)絡(luò)概論
附錄A  基本數(shù)學(xué)知識(shí)
附錄B  數(shù)據(jù)集
附錄C  更多信息來(lái)源
附錄D  詞匯表和符號(hào)
附錄E  自我評(píng)估練習(xí)題答案
	
	

	

    
       
    
	
	

   

   

   

    
   

   
本目錄推薦







掃描二維碼










    

        

            
        

        
Copyright ? 讀書網(wǎng) rgspecialties.com 2005-2020, All Rights Reserved.

        
鄂ICP備15019699號(hào)  鄂公網(wǎng)安備 42010302001612號(hào)