數據挖掘 (第2版) 王朝霞 劉鵬 9787121455025 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202305*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：數據挖掘 (第2版)
ISBN：9787121455025
出版社：電子工業
著編譯者：王朝霞 劉鵬
叢書名：高級大數據人才培養叢書
頁數：298
所在地：中國大陸 *此為代購商品
書號：1525361
可大量預訂，請先連絡。

內容簡介

本書是《數據挖掘》的第2版，系統地介紹了數據挖掘的理論、方法與應用，包括數據特徵分析及預處理、經典數據挖掘演算法（分類、回歸、聚類、關聯規則和集成學習等）、大數據新常態下催生的數據分析方法（推薦系統、鏈接分析與網頁排序、互聯網信息抽取、日誌挖掘與查詢分析等）。在此基礎上，除第1章外，每章均有基於Python語言的實例應用。另外，本書配套的PPT可在華信教育資源網下載。 本書可以作為高等院校數據科學與大數據技術專業相關課程的教材，以及計算機、軟體工程等專業的教材或參考書。高職高專學校相關專業也可選用部分內容開展教學。

作者簡介

王朝霞，清華大學計算機科學與技術博士，陸軍勤務學院軍事物流系副教授，碩士生導師，201O年澳大利亞昆士蘭科技大學訪問學者。 主持、主研科研項目35項，其中，主持國家級科研項目1項、軍隊（省部級）項目6項。獲國家發明專利3項、教育部科技進步一等獎1項，被評為陸軍勤務學院優秀教員，多次獲教學研究成果獎和教學質量獎。發表論文40餘篇，其中，2篇（第一作者）被SCI收錄，10篇（6篇為第一作者）被EI收錄。出版專著3本。

目錄

第1章 緒論
1 1 數據挖掘的基本概念
1 1 1 數據挖掘的概念
1 1 2 大數據環境下的數據挖掘
1 1 3 數據挖掘的特性
1 1 4 數據挖掘的任務和功能
1 1 5 數據挖掘的對象
1 1 6 數據挖掘的過程
1 2 數據挖掘的起源及發展
1 3 數據挖掘的常用工具
1 3 1 商用工具
1 3 2 開源工具
1 4 數據挖掘的應用
習題
參考文獻
第2章 數據特徵分析及預處理
2 1 數據類型
2 1 1 屬性與度量
2 1 2 數據集的類型
2 2 數據特徵分析
2 2 1 描述數據集中趨勢的度量
2 2 2 描述數據離散程度的度量
2 2 3 數據相關性分析
2 3 數據預處理
2 3 1 數據清洗
2 3 2 數據集成
2 3 3 數據規範化
2 3 4 數據規約
2 3 5 數據離散化
2 4 數據的相似性
2 4 1 數值屬性的相似性度量
2 4 2 標稱屬性的相似性度量
2 4 3 組合異種屬性的相似性度量
2 4 4 文本的相似性度量
2 4 5 離散序列的相似性度量
習題
參考文獻
第3章 分類
3 1 分類概述
3 1 1 分類的基本概念
3 1 2 分類的過程
3 1 3 分類器性能的評估方法
3 2 決策樹
3 2 1 決策樹的基本概念
3 2 2 決策樹的用途和特性
3 2 3 決策樹的工作原理
3 2 4 決策樹的構建步驟
3 2 5 決策樹演算法原理
3 3 貝葉斯分類
3 3 1 貝葉斯定理
3 3 2 樸素貝葉斯分類
3 3 3 貝葉斯分析
3 3 4 貝葉斯決策
3 3 5 貝葉斯估計
3 4 支持向量機
3 4 1 支持向量機的主要思想
3 4 2 支持向量機的基礎理論
3 4 3 支持向量機的原理
3 5 實戰：Python支持向量機分類
習題
參考文獻
第4章 回歸
4 1 回歸的基本概念
4 1 1 回歸分析的定義
4 1 2 回歸分析的步驟
4 1 3 回歸分析要注意的問題
4 2 一元回歸分析
4 2 1 一元回歸分析的模型設定
4 2 2 回歸參數的最小二乘估計
4 2 3 基本假設下OLS估計的統計性質
4 2 4 誤差方差估計
4 2 5 回歸係數檢驗（t檢驗）
4 2 6 擬合優度和模型檢驗（F檢驗）
4 3 多元線性回歸分析
4 3 1 多元線性回歸模型
4 3 2 多元線性回歸模型的假定
4 3 3 多元線性回歸模型的參數估計
4 3 4 顯著性檢驗
4 3 5 回歸變數的選擇與逐步回歸
4 4 邏輯回歸分析
4 4 1 邏輯回歸模型
4 4 2 logit變換
4 4 3 估計回歸係數
4 4 4 Logistic分佈
4 4 5 列聯表的Logistic回歸模型
4 5 其他回歸分析
4 5 1 多項式回歸
4 5 2 逐步回歸
4 5 3 嶺回歸
4 5 4 套索回歸
4 5 5 彈性網路
4 6 實戰：獲得最大有效率時的藥物用量
習題
參考文獻
第5章 聚類
5 1 聚類基本概念
5 2 劃分聚類方法
5 2 1 k-平均演算法
5 2 2 k-中心點演算法
5 3 層次聚類方法
5 3 1 層次聚類方法的分類
5 3 2 BIRCH演算法
5 4 密度聚類方法
5 5 實戰：Python聚類分析
5 5 1 Python實現k-均值劃分聚類
5 5 2 Python實現BIRCH層次聚類
5 5 3 Python實現DBSCAN密度聚類
習題
參考文獻
第6章 關聯規則
6 1 基本概念
6 1 1 啤酒與尿布的經典案例
6 1 2 關聯規則的概念
6 1 3 頻繁項集的產生
6 2 Apriori演算法：通過限制候選產生髮現頻繁項集
6 2 1 Apriori演算法的頻繁項集產生
6 2 2 Apriori演算法描述
6 3 FP-growth演算法
6 3 1 構造FP樹
6 3 2 挖掘FP樹
6 3 3 FP-growth演算法
6 4 其他關聯規則演算法
6 4 1 約束性關聯規則
6 4 2 增量式關聯規則
6 4 3 多層關聯規則
6 5 實戰：購物籃關聯規則挖掘
6 5 1 背景與挖掘目標
6 5 2 分析方法與過程
6 5 3 總結
習題
參考文獻
第7章 集成學習
7 1 集成學習的概念
7 1 1 集成學習的構建
7 1 2 集成學習的優勢
7 2 Bagging演算法與隨機森林演算法
7 2 1 Bagging演算法基本思想
7 2 2 Bagging演算法流程
7 2 3 隨機森林演算法
7 3 Boosting演算法
7 3 1 Boosting演算法流程
7 3 2 Boosting系列演算法
7 4 結合策略
7 4 1 投票方法
7 4 2 疊加方法
7 5 多樣性
7 5 1 多樣性的概念
7 5 2 多樣性的作用
7 5 3 多樣性的度量
7 5 4 多樣性的構建
7 6 實戰案例
7 6 1 鳶尾花數據集
7 6 2 集成學習演算法
7 6 3 集成學習在鳶尾花數據集上的應用
7 7 本章小結
習題
參考文獻
第8章 推薦系統
8 1 推薦系統概述
8 1 1 什麼是推薦系統
8 1 2 推薦系統評測指標
8 1 3 推
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。