數據挖掘與機器學習-基礎概念和算法 (原書第2版) 9787111726890 (美)穆罕默德.J.紮基(Mohamme

*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：202306*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：數據挖掘與機器學習-基礎概念和算法 (原書第2版)
ISBN：9787111726890
出版社：機械工業
著編譯者：(美)穆罕默德.J.紮基(Mohammed J. Zaki)
叢書名：計算機科學叢書
頁數：604
所在地：中國大陸 *此為代購商品
書號：1534303
可大量預訂，請先連絡。

【台灣高等教育出版社簡體書】 數據挖掘與機器學習-基礎概念和算法 (原書第2版) 787111726890 (美)穆罕默德.J.紮基(Mohammed J. Zaki)

內容簡介

本書是一本數據挖掘與機器學習基礎演算法的入門書，針對初學者翔實地闡述所有核心概念和演算法，包括數據矩陣、圖數據、核方法、項集挖掘、聚類、貝葉斯分類器、決策樹、支持向量機、線性回歸、邏輯回歸、神經網絡、深度學習等。 這一版主要新增了關於回歸的部分，包括線性回歸和邏輯回歸、神經網絡和深度學習，同時更新了其他章節的內容。本書提供豐富的示例，並配有相應的練習題，可以幫助讀者理解和鞏固相關主題。書中所有的演算法都已由作者實現，讀者可以利用書中介紹的相關演算法探究從科研到商業分析等應用場合中各種數據的模式和模型。 本書主要面向相關專業高年級本科生和研究生，提供全面深入的數據挖掘、機器學習和統計學概述，為相關學生、研究人員和從業人員提供指導。

作者簡介

小瓦格納·梅拉，巴西米納斯吉拉斯聯邦大學（Universidade Federal de Minas Gerais，UFMG）計算機科學系教授、系主任。他發表了230多篇關於數據挖掘、并行系統和分散式系統的論文。他是InWeb知識發現研究領域的倡導者，目前是INCT-Cyber副主席。他是Data Mining and Knowledge Discovery雜誌編輯委員會成員，也是2016年SDM和2019年ACM WebSci的執行主席。他自2002年起擔任CNPq研究員，曾獲得一次IBM學院獎（IBM Faculty Award）和多次Google學院研究獎（Google Faculty Research Award）。

目錄

譯者序
前言

第一部分 數據分析基礎
第1章 數據矩陣
1 1 數據矩陣的組成
1 2 屬性
1 3 數據：代數和幾何觀點
1 3 1 距離和角度
1 3 2 均值和總方差
1 3 3 正交投影
1 3 4 線性無關和維數
1 4 數據：概率觀點
1 4 1 二元隨機變數
1 4 2 多元隨機變數
1 4 3 隨機抽樣與統計
1 5 拓展閱讀
1 6 練習
第2章 數值型屬性
2 1 一元分析
2 1 1 集中趨勢度量
2 1 2 離散度度量
2 2 二元分析
2 2 1 位置和離散度的度量
2 2 2 相關性度量
2 3 多元分析
2 4 數據歸一化
2 5 正態分佈
2 5 1 一元正態分佈
2 5 2 多元正態分佈
2 6 拓展閱讀
2 7 練習
第3章 類別型屬性
3 1 一元分析
3 1 1 伯努利變數
3 1 2 多元伯努利變數
3 2 二元分析
3 3 多元分析
3 4 距離和角度
3 5 離散化
3 6 拓展閱讀
3 7 練習
第4章 圖數據
4 1 圖的概念
4 2 拓撲屬性
4 3 中心度分析
4 3 1 基本中心度
4 3 2 Web中心度
4 4 圖模型
4 4 1 Erdos-Renyi隨機圖模型
4 4 2 Watts-Strogatz小世界圖模型
4 4 3 Barabasi-Albert無標度模型
4 5 拓展閱讀
4 6 練習
第5章 核方法
5 1 核矩陣
5 1 1 再生核映射
5 1 2 Mercer核映射
5 2 向量核
5 3 特徵空間中的基本核運算
5 4 複雜對象的核

第二部分 頻繁模式挖掘
第三部分 聚類
第四部分 分類
第五部分 回歸
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。