国产第1页_91在线亚洲_中文字幕成人_99久久久久久_五月宗合网_久久久久国产一区二区三区四区

讀書月攻略拿走直接抄!
歡迎光臨中圖網 請 | 注冊
> >>
數據挖掘與分析概念與算法

包郵 數據挖掘與分析概念與算法

出版社:人民郵電出版社出版時間:2017-09-01
開本: 32開 頁數: 505
中 圖 價:¥92.9(7.2折) 定價  ¥129.0 登錄后可看到會員價
加入購物車 收藏
開年大促, 全場包郵
?新疆、西藏除外
本類五星書更多>
買過本商品的人還買了

數據挖掘與分析概念與算法 版權信息

數據挖掘與分析概念與算法 本書特色

本書是專注于數據挖掘與分析的基本算法的入門圖書,內容分為數據分析基礎、頻繁模式挖掘、聚類和分類四個部分,每一部分的各個章節兼顧基礎知識和前沿話題,例如核方法、高維數據分析、復雜圖和網絡等。每一章*后均附有參考書目和習題。

數據挖掘與分析概念與算法 內容簡介

● 數據挖據與分析的入門書,針對初學者闡述所有關鍵概念,包括探索性數據分析、頻繁模式挖掘、聚類和分類。 ● 兼顧前沿話題,例如核方法、高維數據分析、復雜圖和網絡等。 ● 提供算法對應的開源實現方法。 ● 每章均有豐富示例和練習,幫助讀者理解和鞏固相關主題。 ● 配備豐富教輔資源,包括課程幻燈片、教學視頻、數據集等,可從以下網址獲取:http://www.dataminingbook.info/pmwiki.php/Main/BookResources。

數據挖掘與分析概念與算法 目錄

第1章 數據挖掘與分析 1

1.1 數據矩陣 1

1.2 屬性 2

1.3 數據的幾何和代數描述 3

1.3.1 距離和角度 5

1.3.2 均值與總方差 8

1.3.3 正交投影 9

1.3.4 線性無關與維數 10

1.4 數據:概率觀點 12

1.4.1 二元隨機變量 17

1.4.2 多元隨機變量 20

1.4.3 隨機抽樣和統計量 21

1.5 數據挖掘 22

1.5.1 探索性數據分析 23

1.5.2 頻繁模式挖掘 24

1.5.3 聚類 24

1.5.4 分類 25

1.6 補充閱讀 26

1.7 習題 26

**部分 數據分析基礎

第2章 數值屬性 28

2.1 一元變量分析 28

2.1.1 數據居中度度量 29

2.1.2 數據離散度度量 32

2.2 二元變量分析 35

2.2.1 位置和離散度的度量 36

2.2.2 相關性度量 37

2.3 多元變量分析 40

2.4 數據規范化 44

2.5 正態分布 46

2.5.1 一元正態分布 46

2.5.2 多元正態分布 47

2.6 補充閱讀 50

2.7 習題 51

第3章 類別型屬性 53

3.1 一元分析 53

3.1.1 伯努利變量(Bernoulli variable) 53

3.1.2 多元伯努利變量 55

3.2 二元分析 61

3.3 多元分析 69

3.4 距離和角度 74

3.5 離散化 75

3.6 補充閱讀 77

3.7 習題 78

第4章 圖數據 79

4.1 圖的概念 79

4.2 拓撲屬性 83

4.3 中心度分析 86

4.3.1 基本中心度 86

4.3.2 Web中心度 88

4.4 圖的模型 96

4.4.1 Erd s-Rényi隨機圖模型 98

4.4.2 Watts-Strogatz小世界圖模型 101

4.4.3 Barabási-Albert無標度模型 104

4.5 補充閱讀 111

4.6 習題 112

第5章 核方法 114

5.1 核矩陣 117

5.1.1 再生核映射 118

5.1.2 Mercer核映射 120

5.2 向量核 122

5.3 特征空間中的基本核操作 126

5.4 復雜對象的核 132

5.4.1 字符串的譜核 132

5.4.2 圖節點的擴散核 133

5.5 補充閱讀 137

5.6 習題 137

第6章 高維數據 139

6.1 高維對象 139

6.2 高維體積 141

6.3 超立方體的內接超球面 143

6.4 薄超球面殼的體積 144

6.5 超空間的對角線 145

6.6 多元正態的密度 146

6.7 附錄:球面體積的推導 149

6.8 補充閱讀 153

6.9 習題 153

第7章 降維 156

7.1 背景知識 156

7.2 主成分分析 160

7.2.1 *優線近似 160

7.2.2 *優二維近似 163

7.2.3 *優r維近似 167

7.2.4 主成分分析的幾何意義 170

7.3 核主成分分析 172

7.4 奇異值分解 178

7.4.1 奇異值分解的幾何意義 179

7.4.2 奇異值分解和主成分分析之間的聯系 180

7.5 補充閱讀 182

7.6 習題 182

第二部分 頻繁模式挖掘

第8章 項集挖掘 186

8.1 頻繁項集和關聯規則 186

8.2 頻繁項集挖掘算法 189

8.2.1 逐層的方法:Apriori算法 191

8.2.2 事務標識符集的交集方法:Eclat算法 193

8.2.3 頻繁模式樹方法:FPGrowth算法 197

8.3 生成關聯規則 201

8.4 補充閱讀 203

8.5 習題 203

第9章 項集概述 208

9.1 *大頻繁項集和閉頻繁項集 208

9.2 挖掘*大頻繁項集:GenMax算法 211

9.3 挖掘閉頻繁項集:Charm算法 213

9.4 非可導項集 215

9.5 補充閱讀 220

9.6 習題 221

第10章 序列挖掘 223

10.1 頻繁序列 223

10.2 挖掘頻繁序列 224

10.2.1 逐層挖掘:GSP 225

10.2.2 垂直序列挖掘:Spade 226

10.2.3 基于投影的序列挖掘:PrefixSpan 228

10.3 基于后綴樹的子串挖掘 230

10.3.1 后綴樹 230

10.3.2 Ukkonen線性時間算法 233

10.4 補充閱讀 238

10.5 習題 239

第11章 圖模式挖掘 242

11.1 同形和支撐 242

11.2 候選生成 245

11.3 gSpan算法 249

11.3.1 擴展和支撐計算 250

11.3.2 權威性測試 255

11.4 補充閱讀 256

11.5 習題 257

第12章 模式與規則評估 260

12.1 規則和模式評估的度量 260

12.1.1 規則評估度量 260

12.1.2 模式評估度量 268

12.1.3 比較多條規則和模式 270

12.2 顯著性檢驗和置信區間 273

12.2.1 產生式規則的費希爾精確檢驗 273

12.2.2 顯著性的置換檢驗 277

12.2.3 置信區間內的自助抽樣 282

12.3 補充閱讀 284

12.4 習題 285

第三部分 聚類

第13章 基于代表的聚類 288

13.1 K-means 算法 288

13.2 核K-means 292

13.3 期望*大聚類 295

13.3.1 一維中的EM 297

13.3.2 d維中的EM 300

13.3.3 極大似然估計 305

13.3.4 EM方法 309

13.4 補充閱讀 311

13.5 習題 312

第14章 層次式聚類 315

14.1 預備知識 315

14.2 聚合型層次式聚類 317

14.2.1 簇間距離 317

14.2.2 更新距離矩陣 321

14.2.3 計算復雜度 322

14.3 補充閱讀 322

14.4 習題 323

第15章 基于密度的聚類 325

15.1 DBSCAN 算法 325

15.2 核密度估計 328

15.2.1 一元密度估計 328

15.2.2 多元密度估計 331

15.2.3 *近鄰密度估計 333

15.3 基于密度的聚類:DENCLUE 333

15.4 補充閱讀 338

15.5 習題 339

第16章 譜聚類和圖聚類 341

16.1 圖和矩陣 341

16.2 基于圖的割的聚類 347

16.2.1 聚類目標函數:比例割與歸—割 349

16.2.2 譜聚類算法 351

16.2.3 *大化目標:平均割與模塊度 354

16.3 馬爾可夫聚類 360

16.4 補充閱讀 366

16.5 習題 367

第17章 聚類的驗證 368

17.1 外部驗證度量 368

17.1.1 基于匹配的度量 369

17.1.2 基于熵的度量 372

17.1.3 成對度量 375

17.1.4 關聯度量 378

17.2 內部度量 381

17.3 相對度量 388

17.3.1 分簇穩定性 394

17.3.2 聚類趨向性 396

17.4 補充閱讀 400

17.5 習題 401

第四部分 分類

第18章 基于概率的分類 404

18.1 貝葉斯分類器 404

18.1.1 估計先驗概率 404

18.1.2 估計似然 405

18.2 樸素貝葉斯分類器 409

18.3 K*近鄰分類器 412

18.4 補充閱讀 414

18.5 習題 415

第19章 決策樹分類器 416

19.1 決策樹 417

19.2 決策樹算法 419

19.2.1 分割點評估度量 420

19.2.2 評估分割點 422

19.3 補充閱讀 429

19.4 習題 429

第20章 線性判別分析 431

20.1 *優線性判別 431

20.2 核判別分析 437

20.3 補充閱讀 443

20.4 習題 443

第21章 支持向量機 445

21.1 支持向量和間隔 445

21.2 SVM:線性可分的情況 450

21.3 軟間隔SVM:線性不可分的情況 454

21.3.1 鉸鏈誤損 455

21.3.2 二次誤損 458

21.4 核SVM:非線性情況 459

21.5 SVM訓練算法 462

21.5.1 對偶解法:隨機梯度上升 463

21.5.2 原始問題解:牛頓優化 467

21.6 補充閱讀 473

21.7 習題 473

第22章 分類的評估 475

22.1 分類性能度量 475

22.1.1 基于列聯表的度量 476

22.1.2 二值分類:正類和負類 479

22.1.3 ROC分析 482

22.2 分類器評估 487

22.2.1 K折交叉驗證 487

22.2.2 自助抽樣 488

22.2.3 置信區間 489

22.2.4 分類器比較:配對t檢驗 493

22.3 偏置-方差分解 495

22.4 補充閱讀 503

22.5 習題 504

展開全部

數據挖掘與分析概念與算法 作者簡介

【作者簡介】 Mohammed J. Zaki 倫斯勒理工學院計算機科學系教授,ACM杰出科學家,IEEE會士,目前致力于研究新數據挖掘技術。曾獲得谷歌教職研究獎等諸多獎項。 Wagner Meira Jr. 巴西米納斯聯邦大學計算機科學系教授,數據庫專家。 【譯者簡介】 吳誠堃 博士,2014年畢業于英國曼徹斯特大學,博士論文題為《應用大規模文本挖掘實現疾病分子機理重構》。現擔任國防科技大學計算機學院助理研究員,從事高性能計算應用研究。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網
在線客服
主站蜘蛛池模板: 一本大道伊人av久久综合 | 日本xxxxxxxxx69中国 | 一区二区三区在线免费视频 | 性生交大片免费看淑女出招 | 91视频国内 | 熟女人妻少妇精品视频 | 熟妇人妻av中文字幕老熟妇 | 深夜成人性视频免费看 | 免费永久国产在线视频 | 亚洲午夜久久影院 | 五月丁香综合缴情六月小说 | 亚洲五月综合网色九月色 | 欧美日韩亚洲区久久综合 | 天堂…在线最新版资源 | 欧美黑人与白人香艳免费视频 | 日欧137片内射在线视频播放 | 亚洲色欲久久久久综合网 | 成 人国产在线观看高清不卡 | 国产精品一区二区久久国产 | 国产99视频精品免费观看9e | 色婷婷综合久久久中文字幕 | 国产成人免费ā片在线观看 | 国产成人精品美女在线 | 国产精品免费av片在线观看 | 成人性做爰aaa片免费看曹查理 | 色玖玖 | 成人在线观看视频网站 | 一色屋精品免费视频 视频 一色屋精品视频在线观看 一色屋色费精品视频在线观看 | 国产免费破外女真实出血视频 | 在线污网站 | 免费看特级毛片 | 欧美不卡在线观看 | 久国产精品视频 | 四虎影视成人精品 | 午夜影院免费版 | 亚洲精品人成网线在线播放va | 欧洲第一页 | 日韩无套内射视频6 | 成人在线一区二区三区 | 精品一区亚洲 | 无码熟妇人妻av影音先锋 |