✍ Scribed by 刘鹏、张燕、陶建辉、姜才康
No coin nor oath required. For personal study only.
本书介绍了数据挖掘的基本概念，包括数据挖掘的常用算法、常用工具、用途和应用场景及应用状况，讲述了常用数据挖掘方法，如分类、聚类、关联规则的概念、思想、典型算法、应用场景等。此外，本书还从实际应用出发，讲解了基于日志的大数据挖掘技术的原理、工具、应用场景和成功案例。日志挖掘技术现在已得到了广泛的运用。 通过以上内容的学习，读者将了解数据挖掘的基本概念、思想和算法，并掌握其应用要领。本书可以作为培养应用型人才的课程教材，也可作为相关开发人员的自学教材和参考手册。
封面
扉页
内容简介
版权页
编写委员会
总序
前言
目录
第1章 数据挖掘概念
1.1 数据挖掘概述
1.2 数据探索
1.3 数据挖掘的应用
1.4 作业与练习
参考文献
第2章 分类
2.1 分类概述
2.2 贝叶斯决策与分类器
2.3 支持向量机
2.4 分类在实际场景中的应用案例
2.5 作业与练习
参考文献
第3章 聚类
3.1 聚类概述
3.2 聚合分析方法
3.3 聚类在实际场景中的应用案例
3.4 聚类的实现例子
3.5 作业与练习
参考文献
第4章 关联规则
4.1 关联规则概述
4.2 关联规则的挖掘过程
4.3 关联规则的Apriori算法
4.4 关联规则的FP-growth算法
4.5 实战：关联规则挖掘实例
4.6 作业与练习
参考文献
第5章 综合实战—日志的挖掘与应用
5.1 日志概念
5.2 日志处理
5.3 日志分析原理及工具
5.4 日志挖掘应用
5.5 日志分析挖掘实例
5.6 作业与练习
参考文献
第6章 数据挖掘应用案例
6.1 电力行业采用聚类方法进行主变油温分析
6.2 银行信贷评价
6.3 指数预测
6.4 客户分群的精准智能营销
6.5 使用WEKA 进行房屋定价
6.6 作业与练习
参考文献
正文结束
附录A 大数据和人工智能实验环境
附录B Hadoop环境要求
附录C 名词解释
📜 SIMILAR VOLUMES
书签已装载， 书签制作方法请找 [email protected] 完全免费 《数据挖掘基础教程》全面介绍数据挖掘的原理、方法和算法。主要内容包括数据挖掘的基本概念、数据挖掘算法的数据类型、输入和输出、决策树、数据挖掘的预处理和后处理、关联规则挖掘、分类和回归算法、支持向量机、聚类分析及多维数据可视化。 《数据挖掘基础教程》讲解深入浅出，并辅以大量实例，随书光盘提供了大量数据集以及两种广泛使用的数据挖掘软件——Weka和ExcelMiner，便于读者理解数据挖掘知识。《数据挖掘基础教程》适合作为高等院校计算机及相关专业数据挖掘课程的教材，也可供广大技术人员参考。
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
本书全面总结了不确定数据环境下频繁模式挖掘领域的主要研究成果，从数据模型、问题定义、常用算法等方面系统介绍不确定频繁项集挖掘、不确定序列模式挖掘、不确定频繁子图模式挖掘、不确定高效用项集挖掘和不确定加权频繁项集挖掘技术。重点针对两类典型的不确定数据，即概率数据和容错数据，进行概率频繁模式挖掘和近似频繁模式挖掘的研究，并应用于传统中医药数据环境下，从主观不确定性和客观不确定性两个方面提出相应的解决方案，实现基于不确定数据的高效频繁模式挖掘，并通过实验验证了它们的有效性和实用性。 本书主要面向对数据挖掘和机器学习感兴趣的科研人员和学生，特别适合从事不确定数据挖掘、频繁模式挖掘和关联规则发现以及相关