✍ Scribed by （美）杜尔森·德伦
No coin nor oath required. For personal study only.
📜 SIMILAR VOLUMES
<p>如今，很多企业被淹没在数据洪流之中，数据并没有给它们带来太多好处。</p> <p>企业数字化竞争力的提升也并没有像在公司战略会议上渲染“大数据”这一概念时所描述的那样快。其实，在大多数应用领域，数据量的多寡并不是衡量数据价值创造力的决定性标准。本书描绘了一条走出“大数据带来的失望”的更智慧的路线，适用于那些已经意识到“起决定作用的不是数据量，而是正确地整合数据，物尽其用”的企业。这一路线被称为“智能数据”。</p> <p>智能数据的出发点是：“在不增加技术、人员和资金投入的情况下，我们如何充分地利用客户数据信息？”其本身就是一种切实可行的方法。从这点出发，我们可以得出一套不断迭代更新的、
《数据分析与数据挖掘》主要介绍数据挖掘和数据分析的基本概念和方法，包括数据的基本属性和概念、数据预处理技术、数据立方体和OLAP技术、频繁模式挖掘、回归分析、分类、聚类、离群点分析。书中涉及到的模型和算法均给予了相应的实例。
书签已装载， 书签制作方法请找 [email protected] 完全免费 很多学科都面临着一个普遍问题：如何存储、访问异常庞大的数据集，并用模型来描述和理解它们？这些问题使得人们对数据挖掘技术的兴趣不断增强。长期以来，很多相互独立的不同学科分别致力于数据挖掘的各个方面。本书把信息科学、计算科学和统计学在数据挖掘方面的应用融合在一起，是第一本真正和跨学科教材。 本书由三部分构成。第一部分是基础，介绍了数据挖掘算法及其应用所依赖的基本原理。讲座方法直观易懂，深入浅出。第二部分是数据挖掘算法，系统讲座了如何构建求解特定问题的不同算法。讲座的内容包括用于分类和回归的树及规则、关
本书详细介绍了大数据挖掘技术，全书分为3篇，共12章。第1篇为大数据分析基础，包括第1~4章，分别为大数据概述、大数据相关技术、数据预处理、R语言工具的使用。第2篇为大数据挖掘技术，包括第5~11章，分别为线性分类方法、分类方法、聚类分析、关联规则、预测方法与离群点诊断、时间序列分析、大数据挖掘可视化。第3篇为大数据挖掘案例，包括第12章，介绍了大数据挖掘应用案例。 本书既可作为高等学校计算机科学与技术、数据科学与大数据技术、统计学、数据分析等专业的高等教育教材，也可作为科研人员、从事大数据相关工作的技术人员的参考书。