✍ Scribed by 王振武
No coin nor oath required. For personal study only.
本书对数据挖掘的基本算法进行了系统介绍，每种算法不仅介绍了算法的基本原理，而且配有大量例题以及源代码，并对源代码进行了分析，这种理论和实践相结合的方式有助于读者较好地理解和掌握抽象的数据挖掘算法。全书共分11章，内容同时涵盖了数据预处理、关联规则挖掘算法、分类算法和聚类算法，具体章节包括绪论、数据预处理、关联规则挖掘、决策树分类算法、贝叶斯分类算法、人工神经网络算法、支持向量机、Kmeans聚类算法、K中心点聚类算法、神经网络聚类算法以及数据挖掘的发展等内容。本书可作为高等院校数据挖掘课程的教材，也可以作为从事数据挖掘工作以及其他相关工程技术工作人员的参考书。
封面
扉页
内容简介
版权页
前言
目录
第1章 绪论
1.1 数据挖掘的概念
1.2 数据挖掘的历史及发展
1.3 数据挖掘的研究内容及功能
1.4 数据挖掘的常用技术及工具
1.5 数据挖掘的应用热点
1.6 小结
思考题
第2章 数据预处理
2.1 数据预处理的目的
2.2 数据清理
2.3 数据集成和数据变换
2.4 数据归约
2.5 特征选择与提取
2.6 小结
思考题
第3章 关联规则挖掘
3.1 基本概念
3.2 关联规则挖掘算法———Apriori算法原理
3.3 Apriori算法实例分析
3.4 Apriori算法源程序分析
3.5 Apriori算法的特点及应用
3.6 小结
思考题
第4章 决策树分类算法
4.1 基本概念
4.2 决策树分类算法———ID3算法原理
4.3 ID3算法实例分析
4.4 ID3算法源程序分析
4.5 ID3算法的特点及应用
4.6 决策树分类算法———C4.5算法原理
4.7 C4.5算法实例分析
4.8 C4.5算法源程序分析
4.9 C4.5算法的特点及应用
4.10 小结
思考题
第5章 贝叶斯分类算法
5.1 基本概念
5.2 贝叶斯分类算法原理
5.3 贝叶斯算法实例分析
5.4 贝叶斯算法源程序分析
5.5 贝叶斯算法特点及应用
思考题
第6章 人工神经网络算法
6.1 基本概念
6.2 BP算法原理
6.3 BP算法实例分析
6.4 BP算法源程序分析
6.5 BP算法的特点及应用
6.6 小结
思考题
第7章 支持向量机
7.1 基本概念
7.2 支持向量机原理
7.3 支持向量机实例分析
7.4 支持向量机的特点及应用
7.5 小结
思考题
第8章 K-means聚类算法
8.1 简介
8.2 K-means聚类算法原理
8.3 K-means聚类算法实例分析
8.4 K-means聚类算法源程序分析
8.5 K-means聚类算法的特点及应用
8.6 小结
思考题
第9章 K-中心点聚类算法
9.1 简介
9.2 K-中心点聚类算法原理
9.3 K-中心点聚类算法实例分析
9.4 K-中心点聚类算法源程序分析
9.5 K-中心点聚类算法的特点及应用
9.6 小结
第10章 神经网络聚类方法：SOM
10.1 简介
10.2 竞争学习算法基础
10.3 SOM 算法原理
10.4 SOM 算法实例分析
10.5 SOM算法源程序分析
10.6 SOM算法的特点及应用
10.7 小结
思考题
第11章 数据挖掘的发展
11.1 Web挖掘
11.2 空间数据挖掘
11.3 流数据挖掘
11.4 数据挖掘与可视化技术
11.5 小结
思考题
正文结束
参考文献
📜 SIMILAR VOLUMES
<p>王振武、徐慧编著的这本《数据挖掘算法原理与 实现》对数据挖掘的基本算法进行了系统的介绍，每 种算法不仅包括对算法基本原理的介绍，而且配有大 量的例题以及源代码，并且对源代码进行了分析，这 种理论和实践相结合的方式有助于读者较好地理解和 掌握抽象的数据挖掘算法。 全书共分11章，内容同时涵盖了数据预处理、关 联规则挖掘算法、分类算法和聚类算法，具体章节包 括绪论、数据预处理、关联规则挖掘、决策树分类算 法、贝叶斯分类算法、人工神经网络算法、支持向量 机、k－means聚类算法、k－中心点聚类算法、神经 网络聚类算法以及数据挖掘的发展等内容。 本书可作为高等院校数据挖掘课程的教材，也
数据挖掘算法是根据数据创建数据挖掘模型的一组试探法和计算。算法根据数据创建的挖掘模型可以采用多种形式，这包括：说明数据集中的事例如何相关的一组分类。预测结果并描述不同条件是如何影响该结果的决策树。预测销量的数学模型。说明在事务中如何将产品分组到一起的一组规则，以及一起购买产品的概率等。本书主要介绍数据挖掘的十大经典算法的基本原理及其R语言的实现。 理论部分通俗易懂，实验部分使用编写语言的顺序讲解每个数据挖掘算法的实现过程，让学员所见即所得。
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
《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。