数据挖掘算法与Clementine实践 _生活百科

文章插图
数据挖掘算法与Clementine实践【数据挖掘算法与Clementine实践】《数据挖掘算法与Clementine实践》是2011年清华大学出版社出版的图书，作者是熊平。该书主要介绍了几种最成熟的数据挖掘方法，并针对每种方法，介绍了套用最广泛的几种实现算法。
基本介绍书名：数据挖掘算法与Clementine实践
作者：熊平
ISBN：9787302235019
页数：237
出版社：清华大学出版社
出版时间：2011年4月
开本：16开
内容简介《数据挖掘算法与Clementine实践》主要介绍了几种最成熟的数据挖掘方法，并针对每种方法，介绍了套用最广泛的几种实现算法。书中以Clementine12．0为平台，用实例介绍了每种算法的具体套用。全书各章分别介绍了数据挖掘和Clementine软体、决策树分类方法（包括ID3、C4．5、C5．0、CART等算法）、聚类分析方法（包括K-Means算法和TwoStep算法）、关联规则挖掘方法（包括Apriori算法、CARMA算法和序列模式挖掘算法）、数据筛选算法(包括特徵选择算法和异常检测算法)、回归分析方法（包括线性回归算法和二项Logistic回归）、神经网路构建方法(包括多层感知器网路、RBF网路以及Kohonen网路的构建算法)、时间序列分析方法（包括指数平滑法和ARIMA模型构建方法）。目录《数据挖掘算法与clementine实践》第1章数据挖掘概述1.1 数据挖掘简介1.1.1 数据、信息和知识1.1.2 数据挖掘的定义1.2 数据挖掘过程1.3 数据挖掘方法1.4 数据挖掘工具及软体第2章 clementine概述2.1 clementine简介2.2 clementine基本操作2.2.1 clementine主视窗2.2.2 数据流的基本操作第3章决策树3.1 分类与决策树概述3.1.1 分类与预测3.1.2 决策树的基本原理3.2 id3、c4.5与c5.03.2.1 id33.2.2 c4.5.3.2.3 c5.03.2.4 在clementine中套用c5.03.3 cart3.3.1 生成最大树3.3.2 树的修剪3.3.3 子树评估3.3.4 在clementine中套用cart第4章聚类分析4.1 聚类分析概述4.1.1 聚类分析的概念4.1.2 聚类分析的基本方法4.2 k-means算法4.2.1 数据预处理4.2.2 k-means算法流程4.2.3 在clementine中套用k-means4.3 twostep算法4.3.1 构建cf树4.3.2 聚类4.3.3 在clementine中套用twostep第5章关联规则5.1 关联规则概述5.1.1 关联规则的定义5.1.2 关联规则的基本概念5.1.3 关联规则挖掘算法5.2 apriori算法5.2.1 apriori算法原理5.2.2 在clementine中套用apriori算法5.3 carma算法5.3.1 carma算法原理5.3.2 在clementine中套用carma算法5.4 序列模式5.4.1 序列与序列模式5.4.2 序列模式挖掘算法5.4.3 在clementine中套用序列模式挖掘第6章数据筛选6.1 特徵选择6.1.1 特徵选择算法概述6.1.2 筛选6.1.3 分级6.1.4 选择6.1.5 在clementine中套用特徵选择6.2 异常检测6.2.1 异常数据挖掘概述6.2.2 异常检测算法6.2.3 在clementine中套用异常检测第7章统计模型7.1 线性回归7.1.1 线性回归的基本原理7.1.2 在clementine中套用线性回归7.2 项logistic回归7.2.1 项logistic回归的基本原理7.2.2 在clementine中套用logistic回归第8章神经网路8.1 神经网路原理8.1.1 神经网路基本概念8.1.2 神经网路及其学习8.2 多层感知器与rbf网路8.2.1 多层感知器8.2.2 径向基函式网路8.2.3 在clementine中套用神经网路8.3 kohonen网路8.3.1 自组织神经网路8.3.2 自组织特徵映射网路8.3.3 在clementine中套用kohonen网路第9章时间序列分析与预测9.1 时间序列概述9.1.1 时间序列基本概念9.1.2 时间序列预测的传统方法9.2 指数平滑法9.2.1 指数平滑法概述9.2.2 指数平滑模型9.3 arima模型9.3.1 arma模型9.3.2 差分运算与arima模型9.3.3 arima建模过程9.3.4 在clementine中套用时间序列分析参考文献