數(shù)據(jù)挖掘原理（第4版）

定　價：￥118.00

作　者：	麥克斯·布拉默（Max Bramer），李曉著
出版社：	清華大學出版社
叢編項：	計算機科學典范教材
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302596493	出版時間：	2022-01-01	包裝：
開本：	16開	頁數(shù)：	461	字數(shù)：

內(nèi)容簡介

　　本書解釋、探索了數(shù)據(jù)挖掘的主要技術(shù)，可以從數(shù)據(jù)中自動提取隱式和潛在有用的信息。數(shù)據(jù)挖掘越來越多地用于商業(yè)、科學和其他應用領(lǐng)域，它側(cè)重于分類、關(guān)聯(lián)規(guī)則挖掘和聚類。書中對每個主題都進行了清晰的解釋，重點是算法而不是數(shù)學公式，并通過詳細的有效示例加以說明。本書是為沒有強數(shù)學或統(tǒng)計學背景的讀者寫的，并詳細解釋了使用的所有公式。本書適合作為本科生或研究生層次的教材，適用專業(yè)包括計算機科學、商業(yè)研究、市場營銷、人工智能、生物信息學和法醫(yī)學。為了幫助讀者自學，本書旨在幫助普通讀者理解什么是“黑盒”，這樣他們就可以有差別地使用商業(yè)數(shù)據(jù)挖掘包，高級讀者或?qū)W術(shù)研究者可以對未來該領(lǐng)域的技術(shù)進步做出貢獻。書中每一章都有實踐練習，讓讀者檢查自己的進度。附錄還包括所使用的技術(shù)術(shù)語的完整術(shù)語表。數(shù)據(jù)挖掘原理包括對流數(shù)據(jù)分類算法的介紹，包括平穩(wěn)數(shù)據(jù)（底層模型是固定的）和依賴時間的數(shù)據(jù)（底層模型不時變化）——這種現(xiàn)象稱為概念漂移。本書提供了前饋神經(jīng)網(wǎng)絡與反向傳播的詳細描述，并顯示它如何可以用于分類。

作者簡介

　　麥克斯·布拉默是英國樸次茅斯大學信息技術(shù)系榮譽教授、IFIP副主席、英國計算機學會AI專家組主席。自從 “數(shù)據(jù)挖掘”“數(shù)據(jù)庫中的知識發(fā)現(xiàn)”“大數(shù)據(jù)”和“預測分析”等技術(shù)興起以來，Max積極參與了多個數(shù)據(jù)挖掘項目，尤其是與數(shù)據(jù)自動分類相關(guān)的項目。Max發(fā)表了大量技術(shù)文章，曾撰寫Research and Development in Intelligent Systems等著作。Max具有多年的本科和研究生教學經(jīng)驗。

圖書目錄

第1章數(shù)據(jù)挖掘簡介
1.1 數(shù)據(jù)爆炸
1.2 知識發(fā)現(xiàn)
1.3 數(shù)據(jù)挖掘的應用
1.4 標簽數(shù)據(jù)和無標簽數(shù)據(jù)
1.5 監(jiān)督學習：分類
1.6 監(jiān)督學習：數(shù)值預測
1.7 無監(jiān)督學習：關(guān)聯(lián)規(guī)則
1.8 無監(jiān)督學習：聚類
第2章用于挖掘的數(shù)據(jù)
2.1 標準制定
2.2 變量的類型
2.3 數(shù)據(jù)準備
2.4 缺失值
2.4.1 丟棄實例
2.4.2 用最頻繁值/平均值替換
2.5 減少屬性個數(shù)
2.6 數(shù)據(jù)集的UCI存儲庫
2.7 本章小結(jié)
2.8 自我評估練習
第3章分類簡介：樸素貝葉斯和最近鄰算法
3.1 什么是分類
3.2 樸素貝葉斯分類器
3.3 最近鄰分類
3.3.1 距離測量
3.3.2 標準化
3.3.3 處理分類屬性
3.4 急切式和懶惰式學習
3.5 本章小結(jié)
3.6 自我評估練習
第4章使用決策樹進行分類
4.1 決策規(guī)則和決策樹
4.1.1 決策樹：高爾夫示例
4.1.2 術(shù)語
4.1.3 degrees數(shù)據(jù)集
4.2 TDIDT算法
4.3 推理的類型
4.4 本章小結(jié)
4.5 自我評估練習
第5章決策樹歸納：使用熵進行屬性選擇
5.1 屬性選擇：一個實驗
5.2 替代決策樹
5.2.1 足球/無板籃球示例
5.2.2 匿名數(shù)據(jù)集
5.3 選擇要分裂的屬性：使用熵
……
第6章決策樹歸納：使用頻率表進行屬性選擇
第7章估計分類器的預測精度
第8章連續(xù)屬性
第9章避免決策樹的過度擬合
第10章關(guān)于熵的更多信息
第11章歸納分類的模塊化規(guī)則
第12章度量分類器的性能
第13章處理大量數(shù)據(jù)
第14章集成分類
第15章比較分類器
第16章關(guān)聯(lián)規(guī)則挖掘Ⅰ
第17章關(guān)聯(lián)規(guī)則挖掘Ⅱ
第18章關(guān)聯(lián)規(guī)則挖掘Ⅲ：頻繁模式樹
第19章聚類
第20章文本挖掘
第21章分類流數(shù)據(jù)
第22章分類流數(shù)據(jù)Ⅱ：時間權(quán)關(guān)數(shù)據(jù)
第23章神經(jīng)網(wǎng)絡概論
附錄A 基本數(shù)學知識
附錄B 數(shù)據(jù)集
附錄C 更多信息來源
附錄D 詞匯表和符號
附錄E 自我評估練習題答案