数据挖掘——概念、模型、方法和算法

文章插图
数据挖掘——概念、模型、方法和算法【数据挖掘——概念、模型、方法和算法】《数据挖掘——概念、模型、方法和算法》是一本由清华大学出版社在2004年出版的书籍。
基本介绍书名：数据挖掘——概念、模型、方法和算法
ISBN： 9787302067771
定价： 42元
出版时间：2004-2-26
装帧：平装
印次：1-2
内容简介作为一本教科书，本书全面讲述了数据挖掘的概念、模型、方法和算法。本书共包括13章和2个附录，全面、详细地讲述了从数据挖掘的基本概念到数据挖掘的整个过程，以及数据挖掘工具及其典型套用领域。本书编写严谨、内容权威、结构合理、科学规範、语言流畅，特别适合作为高等院校数据挖掘课程的教科书，还适合作为数据挖掘研究人员必备的参考书。目录第1章数据挖掘的概念 11.1概述 11.2数据挖掘的起源 31.3数据挖掘过程 51.3.1陈述问题和阐明假设 51.3.2数据收集 61.3.3数据预处理 61.3.4模型评估 71.3.5解释模型和得出结论 71.4大型数据集 81.5数据仓库 121.6本书的结构 141.7複习题 151.8参考书目 16第2章数据準备 172.1原始数据的表述 172.2原始数据的特性 202.3原始数据的转换 222.4丢失数据 242.5时间相关数据 252.6异常点分析 292.7複习题 322.8参考书目 33第3章数据归约 353.1大型数据集的维度 353.2特徵归约 373.3特徵排列的熵度量 413.4主成分分析 433.5值归约 453.6特徵离散化：ChiMerge技术 483.7案例归约 513.8複习题 543.9参考书目 55第4章从数据中学习 574.1机器学习 584.2统计学习原理 624.3学习方法的类型 674.4常见的学习任务 684.5模型估计 724.6複习题 764.7参考书目 77第5章统计方法 785.1统计推断 785.2评测数据集的差异 805.3贝叶斯定理 825.4预测回归 845.5方差分析 895.6对数回归 925.7对数-线性模型 935.8线性判别分析 965.9复?疤?985.10参考书目 99第6章聚类分析 1016.1聚类概念 1016.2相似度的度量 1046.3凝聚层次聚类 1086.4分区聚类 1126.5增量聚类 1146.6複习题 1176.7参考书目 119第7章决策树和决策规则 1207.1决策树 1217.2C4.5算法：生成一个决策树 1227.3未知属性值 1287.4修剪决策树 1327.5C4.5算法：生成决策规则 1337.6决策树和决策规则的局限性 1367.7关联分类方法 1377.8複习题 1407.9参考书目 142第8章关联规则 1448.1购物篮分析 1448.2APRIORI算法 1468.3从频繁项集得到关联规则 1488.4提高APRIORI算法的效率 1498.5频繁模式增长方法(FP-增长方法) 1518.6多维关联规则挖掘 1538.7WEB挖掘 1548.8HITS和LOGSOM算法 1568.9挖掘路径遍历模式 1618.10文本挖掘 1648.11複习题 1678.12参考书目 169第9章人工神经网路 1719.1人工神经元的模型 1729.2人工神经网路的结构 1769.3学习过程 1779.4学习任务 1819.5多层感知机 1839.6竞争网路和竞争学习 1899.7複习题 1939.8参考书目 195第10章遗传算法 19610.1遗传算法的基本原理 19710.2用遗传算法进行最佳化 19810.3遗传算法的一个简单例证 20310.4图式(SCHEMATA) 20810.5旅行推销员问题 21010.6使用遗传算法的机器学习 21210.7複习题 21610.8参考书目 217第11章模糊集和模糊逻辑 21911.1模糊集 21911.2模糊集的运算 22411.3扩展原理和模糊关係 22911.4模糊逻辑和模糊推理系统 23311.5多因子评价 23711.6从数据中提取模糊模型 23911.7複习题 24411.8参考书目 246第12章可视化方法 24712.1感知和可视化 24712.2科学可视化和信息可视化 24812.3平行坐标 25312.4放射性可视化 25612.5KOHONEN自组织映射 25812.6数据挖掘的可视化系统 25912.7複习题 26312.8参考书目 264第13章参考书目 266附录A数据挖掘工具 281附录B数据挖掘套用 300