中图网

>

计算机教材

数据挖掘基础及其应用

作者：马小科编著

出版社：西安电子科技大学出版社出版时间：2020-08-01

开本： 26cm 页数： 279页

本类榜单：计算机/网络销量榜

中图价:¥34.3(7.0折) 定价 ~~¥49.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥34.3 加入购物车

版权信息
内容简介
目录

微信公众号

数据挖掘基础及其应用版权信息

ISBN：9787560658810
条形码：9787560658810 ; 978-7-5606-5881-0
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机教材

数据挖掘基础及其应用内容简介

本书全面介绍了数据挖掘基础及其应用, 重点阐述数据挖掘经典算法、原理及其应用, 旨在为读者提供数据挖掘所需的基本知识, 使读者能够从整体上对数据挖掘内容与方法有所理解, 本书内容包含五个主题: 数据、分类、关联规则、聚类分析及其应用。对于每个分类、关联规则、聚类分析三个主题, 首先介绍基本概念与经典算法, 在后续的章节中阐述该更高级的主题。

数据挖掘基础及其应用目录

第1章绪论 1 1.1 数据概述 1 1.2 数据与社会变革 3 1.2.1 数据改变思维模式 3 1.2.2 数据改变社会模式 3 1.2.3 数据改变国家战略 4 1.3 数据挖掘的定义 5 1.4 数据挖掘的发展与应用 7 1.4.1 数据挖掘的发展 7 1.4.2 数据挖掘的应用 8 1.5 数据挖掘的任务与挑战 9 1.5.1 数据挖掘的任务 10 1.5.2 数据挖掘面临的挑战 12 1.6 本书内容与组织 13 1.6.1 章节安排 13 1.6.2 辅助阅读材料 15 本章小结 16 习题 16 参考文献 17 第2章数据 21 2.1 数据的定义 21 2.2 属性的分类 22 2.3 数据类型 24 2.3.1 数据的特性 24 2.3.2 数据的分类 24 2.4 相似性计算 26 2.4.1 相似性定义 26 2.4.2 单属性相似性度量 28 2.4.3 多属性相似性度量 29 本章小结 35 习题 35 参考文献 37 第3章数据预处理 38 3.1 数据质量 38 3.1.1 误差与噪声 38 3.1.2 应用问题 41 3.2 数据预处理概述 41 3.3 数据清洗 43 3.3.1 缺失数据处理 43 3.3.2 噪声数据处理 43 3.3.3 不一致数据处理 45 3.4 数据集成与转换 45 3.4.1 数据集成处理 45 3.4.2 数据转换处理 46 3.4.3 离散化和二进制化 47 3.5 数据约简 49 3.5.1 数据立方归并 49 3.5.2 维数约简 50 3.5.3 数据压缩 51 3.5.4 数据块约简 52 本章小结 55 习题 55 参考文献 57 第4章分类I：概念与决策树算法 58 4.1 引言 58 4.1.1 分类的定义 58 4.1.2 分类的应用 59 4.1.3 分类算法 60 4.2 决策树 61 4.3 决策树原理与构建 63 4.3.1 算法原理 64 4.3.2 分支原则 65 4.3.3 *优划分 67 4.4 补充算法 76 4.4.1 ID3算法 76 4.4.2 C4.5算法 77 4.5 过拟合/欠拟合 80 4.5.1 定义 80 4.5.2 规避策略 81 4.6 分类准确性评估 86 4.6.1 准确性 86 4.6.2 ROC曲线 87 本章小结 90 习题 90 参考文献 94 第5章分类Ⅱ：支持向量机 95 5.1 引言 95 5.2 数学模型 96 5.2.1 算法动机 96 5.2.2 数学模型 97 5.3 优化理论 99 5.3.1 凸优化 99 5.3.2 对偶理论 99 5.3.3 拉格朗日方法和KKT条件 101 5.4 SVM优化 103 5.4.1 硬间隔SVM 103 5.4.2 软间隔SVM 104 5.5 非线性SVM 106 5.6 SVM的应用 109 5.6.1 人脸识别 110 5.6.2 语音识别 110 5.6.3 图像处理 110 本章小结 111 习题 112 参考文献 113 第6章分类Ⅲ：概率分类与回归 115 6.1 引言 115 6.2 贝叶斯公式 116 6.2.1 概率基础 116 6.2.2 图论基础 118 6.2.3 信息理论 118 6.3 贝叶斯分类算法 119 6.3.1 算法原理 119 6.3.2 朴素贝叶斯算法 121 6.3.3 算法应用 124 6.4 贝叶斯信念网络 125 6.4.1 定义与推理 126 6.4.2 结构学习(网络构建) 128 6.4.3 贝叶斯信念网络的特点 130 6.5 回归分析 131 6.5.1 预备知识 131 6.5.2 线性回归 131 6.5.3 多元线性回归 135 6.5.4 *小二乘回归 136 本章小结 136 习题 137 参考文献 139 第7章关联规则Ⅰ：频繁模式挖掘 141 7.1 引言 141 7.2 基本概念 143 7.3 频繁项集挖掘 144 7.3.1 暴力破解方法 144 7.3.2 Apriori算法 145 7.3.3 加速技术 150 7.4 频繁模式树算法 153 7.4.1 FP树表示法 153 7.4.2 FP算法的频繁项集的产生 154 7.4.3 FP树挖掘对比Apriori算法 157 本章小结 158 习题 158 参考文献 161 第8章关联规则Ⅱ：关联规则挖掘 162 8.1 引言 162 8.2 关联规则提取 162 8.2.1 候选规则创建 163 8.2.2 关联规则挖掘 164 8.3 规则评价标准 167 8.3.1 支持度与置信度缺陷 167 8.3.2 关联规则价值衡量的方法 168 8.4 规则评价指标 169 8.4.1 兴趣度 169 8.4.2 其他度量 172 8.5 一致性问题 174 8.6 关联规则的应用 177 8.6.1 关联规则与CRM 177 8.6.2 CRM关联规则挖掘 178 本章小结 180 习题 180 参考文献 183 第9章聚类分析Ⅰ：概念与 K均值算法 185 9.1 引言 185 9.2 聚类流程与方法 187 9.2.1 聚类流程 187 9.2.2 聚类方法 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 图像分割的应用 196 本章小结 198 习题 199 参考文献 200 第10章聚类分析Ⅱ：分层聚类与密度聚类 201 10.1 引言 201 10.2 分层聚类 202 10.2.1 算法流程 202 10.2.2 集合距离计算 204 10.3 分层聚类的实现 206 10.4 密度聚类 211 10.4.1 类密度 211 10.4.2 算法过程 213 10.5 聚类结果评估 215 10.6 聚类算法对比 217 10.6.1 K均值算法 217 10.6.2 分层聚类 217 10.6.3 DBSCAN算法 218 本章小结 218 习题 219 参考文献 220 第11章社交网络图聚类 221 11.1 引言 221 11.2 社团结构 222 11.2.1 社团度量标准 223 11.2.2 社团检测算法 223 11.3 半监督学习 225 11.4 社团挖掘 226 11.4.1 算法框架 226 11.4.2 参数优化 227 11.5 实验结果 228 11.5.1 检测性能 229 11.5.2 分辨极限容忍性分析 231 本章小结 234 参考文献 234 第12章生物网络挖掘 236 12.1 引言 236 12.2 相关工作 237 12.3 基于图通信的检测算法 238 12.3.1 拓扑刻画 239 12.3.2 复合体检测 241 12.4 基于弱连接的检测算法 244 12.4.1 弱连接效应 244 12.4.2 置信网络构建 246 12.4.3 复合体检测 247 12.5 实验结果 247 12.5.1 实验数据 247 12.5.2 F值与覆盖率 248 12.5.3 P值 249 12.5.4 参数影响 251 12.5.5 鲁棒性分析 256 12.6 图密度与复合体拓扑关系 258 本章小结 259 参考文献 260 附录数学基础 262

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐