數據挖掘與預測分析 肖毅 9787030754844 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$375
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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*若逾兩年請先於私訊洽詢存貨情況，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：數據挖掘與預測分析 ISBN：9787030754844 出版社：科學 著編譯者：肖毅 頁數：202 所在地：中國大陸 *此為代購商品 書號：1555104 可大量預訂，請先連絡。 內容簡介 本書全面系統地介紹數據挖掘的概念、技術、演算法及應用，力求為初學者構建一個合適的學習框架。全書將數據挖掘歸納成數據預處理、數據探索、決策樹、貝葉斯分類、人工神經網路、支持向量機、關聯規則分析、聚類、時間序列預測等幾個主題，不僅詳解技術原理和演算法實現，而且結合複雜多樣的實際數據環境，探討其應用場景和使用方法。本書通過對大量圖表、示例、演算法的簡潔描述，使讀者儘可能擺脫技術細節的干擾而聚焦于數據挖掘本身。書中所有示例都採用Python實現，此外還提供電子教學課件、習題答案及實踐練習代碼。 本書適用於信息管理與信息系統、信息資源管理、電子商務及大數據管理與應用等專業的高年級本科生和研究生，作為數據挖掘、數據分析和知識發現課程的教材；同時，可以作為教師、研究人員和用戶的參考書。目錄 前言第1章 引言 1 1 數據挖掘的定義 1 2 數據挖掘的起源 1 3 數據挖掘的類型 1 3 1 資料庫數據 1 3 2 數據倉庫 1 3 3 事務數據 1 3 4 時間序列數據 1 3 5 文本和多媒體數據 1 3 6 空間數據 1 4 數據挖掘的功能與模式 1 4 1 數據特徵化與數據區分 1 4 2 頻繁模式、關聯和相關性分析 1 4 3 分類和回歸 1 4 4 聚類分析 1 4 5 離群點分析 1 5 數據挖掘常用技術及其優缺點 1 6 數據挖掘的步驟 1 7 數據挖掘的應用 1 7 1 數據統計應用現狀 1 7 2 個性化技術應用現狀 1 7 3 預測技術應用現狀 1 7 4 分類和回歸技術應用現狀 1 7 5 輔助決策系統應用現狀 1 8 數據挖掘面臨的困難與挑戰 習題 第2章 數據預處理 2 1 認識數據 2 1 1 數據對象與屬性的類型 2 1 2 數據集的類型 2 2 原始數據存在的問題 2 3 數據預處理方法 2 3 1 數據預處理的步驟 2 3 2 數據清理 2 3 3 數據集成 2 3 4 數據歸約 2 3 5 數據變換 習題 實踐練習 第3章 數據探索 3 1 數據的基本統計描述 3 1 1 中心趨勢度量 3 1 2 數據散布度量 3 2 可視化分析 3 2 1 一般概念 3 2 2 不同數據的可視化 3 3 聯機分析處理 3 3 1 OLAP的概念 3 3 2 OLAP的多維數據概念 3 3 3 OLAP的多維數據結構 3 3 4 OLAP的多維資料庫 3 3 5 OALP的多維數據分析 習題 實踐練習 第4章 決策樹 4 1 決策樹概述 4 1 1 決策樹的含義及相關概念 4 1 2 決策樹演算法構造基本流程 4 1 3 決策樹的特點 4 2 ID3演算法 4 2 1 ID3演算法原理 4 2 2 ID3演算法代碼實現 4 3 C4 5演算法 4 3 1 C4 5演算法原理 4 3 2 C4 5演算法代碼實現 4 4 隨機森林 4 4 1 基本原理 4 4 2 隨機森林構造步驟 4 4 3 隨機森林代碼實現 習題 實踐練習 第5章 貝葉斯分類 5 1 貝葉斯定理 5 2 樸素貝葉斯分類器 5 2 1 樸素貝葉斯分類器工作原理 5 2 2 樸素貝葉斯分類器應用案例 5 3 半樸素貝葉斯分類器 5 4 貝葉斯網路 5 4 1 貝葉斯網路的結構 5 4 2 貝葉斯網路的建立 5 4 3 貝葉斯網路的特點 5 5 貝葉斯分類器實例分析 習題 實踐練習 第6章 人工神經網路 6 1 人工神經網路概述 6 2 人工神經網路基本原理 6 2 1 人工神經元模型 6 2 2 激活函數 6 2 3 人工神經網路的拓撲結構 6 2 4 人工神經網路的學習與工作 6 2 5 感知機模型 6 2 6 誤差反向傳播演算法 6 3 演算法改進 6 3 1 交叉熵—神經元飽和 6 3 2 正則化—過擬合 6 3 3 權值初始化—隱藏層神經元飽和 6 4 應用及實例分析 習題 實踐練習 第7章 支持向量機 7 1 SVM分類 7 1 1 最大間隔分類器 7 1 2 軟間隔優化 7 1 3 線性規劃SVM 7 2 SVM回歸 7 2 1 ε不敏感損失函數 7 2 2 SVR實現原理及過程 7 3 SVM實例應用 習題 實踐練習 第8章 關聯規則分析 8 1 關聯規則分析概述 8 1 1 關聯規則基本概念 8 1 2 關聯規則度量及基本過程 8 2 關聯規則分類 8 2 1 單層關聯規則—頻繁項集的產生 8 2 2 不產生候選頻繁項集的演算法 8 3 多層多維關聯規則挖掘 8 3 1 事務型資料庫挖掘多層關聯規則 8 3 2 興趣度度量 8 3 3 關聯挖掘與相關分析 8 3 4 有約束的關聯挖掘 8 4 關聯規則分析應用場景 習題 實踐練習 第9章 聚類 9 1 聚類概述 9 1 1 聚類的含義 9 1 2 聚類演算法的分類 9 2 相似性測度指標 9 2 1 距離測度指標 9 2 2 非距離測度指標 9 3 k-means演算法 9 3 1 k-means演算法原理 9 3 2 k-means演算法特點 9 3 3 k-means實例分析 9 4 k-中心點演算法 9 4 1 演算法原理 9 4 2 k-中心點演算法特點 9 4 3 k-中心點實例分析 習題 實踐練習 第10章 時間序列預測 10 1 時間序列概述 10 2 預測的定量方法 10 2 1 平滑法 10 2 2 趨勢推測法 10 3 預測的定性方法 10 3 1 德爾菲法 10 3 2 專家判斷法 10 3 3 主觀概率預測法 10 3 4 情景預測法 10 4 常用模型介紹 10 4 1 平穩性檢驗 10 4 2 差分法 10 4 3 白雜訊檢驗 10 4 4 時間序列模型預測的基本步驟 10 4 5 AR模型 10 4 6 MA模型 10 4 7 ARMA模型 10 4 8 ARIMA模型 習題 實踐練習 參考文獻 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
