掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據挖掘 版權信息
- ISBN：9787111771579
- 條形碼：9787111771579 ; 978-7-111-77157-9
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據挖掘 本書特色
本書遵循教指委相關指導文件和高等院校學生學習規律編寫而成。踐行四新理念，融入思政元素，注重理論與實踐相結合。
數據挖掘 內容簡介
全書共9 章，主要內容如下：第1 章介紹了數據挖掘的基本知識，講解了數據獲取的關鍵環節以及數據挖掘流程；第2 章講解了數據清洗、數據集成、數據轉換與規范化，以及數據規約等數據預處理方法，重視數據挖掘的數據準備工作，強調數據質量對數據挖掘算法性能的影響；第3 章講解了數據倉庫和數據立方體的基本概念和系統架構，為處理和分析大規模數據集提供有效工具；第4 章講解了關聯規則挖掘的相關知識；第5 章講解了經典的分類算法、回歸預測算法、性能評估指標和模型調優方法；第6 章講解了經典的聚類算法；第7 章講解了圖數據挖掘、時間序列數據挖掘、大數據與分布式數據挖掘等高級數據挖掘技術，展示了該領域的*新進展；第8 章介紹了數據可視化的基本概念、常用工具與技術；第9 章介紹了自然語言智能挖掘、醫療大數據智能挖掘、遙感圖像智能挖掘等案例，培養學生數據挖掘理論與實踐結合的技能。 本書適合作為人工智能、計算機科學與技術、自動化等相關專業本科生相關課程的配套教材或參考書，也可作為相關領域技術人員的參考書。本書有以下配套教學資源：PPT 課件、習題答案、教學視頻、教學大綱、配套實驗，歡迎選用本書作教材的教師登錄www.cmpedu.com 注冊后下載，或發郵件至jinacmp@163.com 索取。
數據挖掘數據挖掘 前言
前言
【編寫目的】數據挖掘是計算機科學領域中一門重要的課程，它位于數據科學、統計學、機器學習和人工智能的交匯點。這門課程不僅教授學生如何從大量數據中提取有價值的信息和知識，還涉及數據預處理、關聯規則挖掘、數據倉庫、識別預測和結果評估等關鍵技術。數據挖掘課程的地位之所以重要，是因為它為學生提供了解決現實世界復雜數據分析問題所需的工具和方法，使他們能夠在商業智能、金融分析、醫療診斷、社會科學研究等多個領域發揮重要作用。此外，隨著大數據時代的到來，掌握數據挖掘的知識和技能變得越來越重要，這對于培養能夠適應未來數據驅動型經濟的人才具有不可替代的作用。
【教材特點】本教材以數據挖掘基礎知識、經典算法、應用案例為基礎，介紹了工業界數據挖掘*新發展趨勢，注重學生實踐技能的培養。具體來說，本教材通過介紹業務背景、數據獲取與處理、模型選擇、模型評估與調優、結果分析應用等環節，使學生系統、全面地掌握數據挖掘的基本知識，具備一定的對數據挖掘相關實際應用問題進行建模并編程實現的能力。
本教材的主要特點如下。
數據挖掘 目錄
目錄
前言
第1章緒論
1.1數據挖掘概述
1.1.1數據挖掘的定義
1.1.2數據挖掘的基本任務
1.1.3數據挖掘的應用領域
1.1.4數據挖掘的學習資源
1.1.5數據挖掘的常用工具
1.1.6數據挖掘的主要算法
1.2數據獲取
1.2.1數據類型與來源
1.2.2數據采集技術
1.2.3數據標注技術
1.2.4數據存儲與管理
1.2.5數據質量評估
1.3數據挖掘的流程
1.3.1業務理解與問題定義
1.3.2數據獲取與預處理
1.3.3數據挖掘
1.3.4結果分析與應用
1.4本章小結
第2章數據預處理
2.1數據清洗
2.1.1數據缺失值處理
2.1.2冗余去重
2.1.3數據去噪
2.1.4異常值處理
2.2數據集成
2.2.1實體識別
2.2.2冗余和相關性分析
2.3數據轉換與規范化
2.3.1離散化、標準化
2.3.2二值化、歸一化
2.3.3正則化
2.3.4特征編碼
2.4數據歸約
2.4.1子空間法
2.4.2粗糙集規約
2.4.3流形學習
2.5本章小結
第3章數據倉庫與數據立方體
3.1數據倉庫概述
3.1.1數據倉庫產生的背景
3.1.2數據倉庫的定義與特征
3.1.3數據倉庫與數據庫
3.2數據倉庫的系統架構
3.2.1數據倉庫系統基本架構
3.2.2數據倉庫系統分層的意義
3.2.3數據倉庫的分層結構
3.3數據立方體
3.3.1數據立方體的基本概念
3.3.2數據立方體的組成元素
3.3.3多維數據模型的模式
3.4在線分析處理
3.4.1在線分析處理的基本概念
3.4.2在線分析處理的基本操作
3.4.3在線分析處理系統的實現
3.5本章小結
第4章關聯規則挖掘
4.1關聯規則挖掘的基本概念
4.2頻繁項集挖掘算法
4.2.1格結構
4.2.2樸素法
4.2.3先驗算法
4.2.4頻繁模式增長算法
4.3關聯規則挖掘方法
4.3.1基于置信度的剪枝
4.3.2從關聯分析到相關性分析
4.4高級關聯規則挖掘
4.4.1多層模式挖掘
4.4.2非頻繁模式挖掘
4.5推薦系統中的關聯規則挖掘
4.5.1召回層的作用和意義
4.5.2基于內容的召回層挖掘
4.5.3基于協同過濾的召回層挖掘
4.5.4排序層的作用和意義
4.5.5排序層的挖掘算法
4.5.6基于邏輯回歸的排序層挖掘
4.6本章小結
第5章分類與回歸預測
5.1分類算法
5.1.1分類的基本概念
5.1.2決策樹分類器
5.1.3貝葉斯分類法
5.1.4人工神經網絡方法
5.1.5支持向量機
5.1.6文本分類算法
5.2回歸預測算法
5.2.1回歸分析的基本概念
5.2.2線性回歸
5.2.3非線性回歸
5.2.4邏輯回歸
5.3性能評估指標
5.3.1分類模型評估
5.3.2預測模型評估
5.4模型調優
5.4.1組合方法
5.4.2類不平衡優化
5.5本章小結
第6章聚類分析
6.1大數據聚類分析
6.2性能度量
6.2.1外部指標
6.2.2內部指標
6.3距離計算
6.4聚類算法
6.4.1劃分聚類算法
6.4.2層次聚類算法
6.4.3密度聚類算法
6.4.4譜聚類算法
6.5大數據挖掘中的聚類拓展學習
6.6本章小結
第7章高級數據挖掘
7.1圖數據挖掘
7.1.1圖數據
7.1.2凝聚子圖挖掘
7.1.3圖模式挖掘
7.2時間序列數據挖掘
7.2.1時間序列數據介紹
7.2.2時間序列異常檢測
7.2.3時間序列的分類與聚類
7.3大數據與分布式數據挖掘
7.3.1分布式文件系統
7.3.2MapReduce大數據處理框架
7.3.3Spark大數據處理框架
7.4本章小結
第8章數據可視化與分析
8.1數據可視化的基本概念
8.1.1數據可視化的背景
8.1.2數據可視化的定義及基本步驟
8.1.3數據可視化的常用圖表類型
8.1.4數據可視化實例
8.2可視化工具與技術
8.2.1Python可視化常用類庫
8.2.2JavaScript可視化開發工具
8.2.3軟件類可視化工具
8.3本章小結
第9章數據挖掘案例分析
9.1自然語言智能挖掘
9.1.1文本挖掘
9.1.2語音數據挖掘
9.1.3文本-視覺多模態挖掘
9.2醫療大數據智能挖掘
9.2.1電子病歷數據挖掘
9.2.2醫學影像數據挖掘
9.3遙感圖像智能挖掘
9.3.1地理信息數據挖掘
9.3.2無人機遙感數據挖掘
9.3.3衛星數據挖掘
9.4本章小結
參考文獻
前言
第1章緒論
1.1數據挖掘概述
1.1.1數據挖掘的定義
1.1.2數據挖掘的基本任務
1.1.3數據挖掘的應用領域
1.1.4數據挖掘的學習資源
1.1.5數據挖掘的常用工具
1.1.6數據挖掘的主要算法
1.2數據獲取
1.2.1數據類型與來源
1.2.2數據采集技術
1.2.3數據標注技術
1.2.4數據存儲與管理
1.2.5數據質量評估
1.3數據挖掘的流程
1.3.1業務理解與問題定義
1.3.2數據獲取與預處理
1.3.3數據挖掘
1.3.4結果分析與應用
1.4本章小結
第2章數據預處理
2.1數據清洗
2.1.1數據缺失值處理
2.1.2冗余去重
2.1.3數據去噪
2.1.4異常值處理
2.2數據集成
2.2.1實體識別
2.2.2冗余和相關性分析
2.3數據轉換與規范化
2.3.1離散化、標準化
2.3.2二值化、歸一化
2.3.3正則化
2.3.4特征編碼
2.4數據歸約
2.4.1子空間法
2.4.2粗糙集規約
2.4.3流形學習
2.5本章小結
第3章數據倉庫與數據立方體
3.1數據倉庫概述
3.1.1數據倉庫產生的背景
3.1.2數據倉庫的定義與特征
3.1.3數據倉庫與數據庫
3.2數據倉庫的系統架構
3.2.1數據倉庫系統基本架構
3.2.2數據倉庫系統分層的意義
3.2.3數據倉庫的分層結構
3.3數據立方體
3.3.1數據立方體的基本概念
3.3.2數據立方體的組成元素
3.3.3多維數據模型的模式
3.4在線分析處理
3.4.1在線分析處理的基本概念
3.4.2在線分析處理的基本操作
3.4.3在線分析處理系統的實現
3.5本章小結
第4章關聯規則挖掘
4.1關聯規則挖掘的基本概念
4.2頻繁項集挖掘算法
4.2.1格結構
4.2.2樸素法
4.2.3先驗算法
4.2.4頻繁模式增長算法
4.3關聯規則挖掘方法
4.3.1基于置信度的剪枝
4.3.2從關聯分析到相關性分析
4.4高級關聯規則挖掘
4.4.1多層模式挖掘
4.4.2非頻繁模式挖掘
4.5推薦系統中的關聯規則挖掘
4.5.1召回層的作用和意義
4.5.2基于內容的召回層挖掘
4.5.3基于協同過濾的召回層挖掘
4.5.4排序層的作用和意義
4.5.5排序層的挖掘算法
4.5.6基于邏輯回歸的排序層挖掘
4.6本章小結
第5章分類與回歸預測
5.1分類算法
5.1.1分類的基本概念
5.1.2決策樹分類器
5.1.3貝葉斯分類法
5.1.4人工神經網絡方法
5.1.5支持向量機
5.1.6文本分類算法
5.2回歸預測算法
5.2.1回歸分析的基本概念
5.2.2線性回歸
5.2.3非線性回歸
5.2.4邏輯回歸
5.3性能評估指標
5.3.1分類模型評估
5.3.2預測模型評估
5.4模型調優
5.4.1組合方法
5.4.2類不平衡優化
5.5本章小結
第6章聚類分析
6.1大數據聚類分析
6.2性能度量
6.2.1外部指標
6.2.2內部指標
6.3距離計算
6.4聚類算法
6.4.1劃分聚類算法
6.4.2層次聚類算法
6.4.3密度聚類算法
6.4.4譜聚類算法
6.5大數據挖掘中的聚類拓展學習
6.6本章小結
第7章高級數據挖掘
7.1圖數據挖掘
7.1.1圖數據
7.1.2凝聚子圖挖掘
7.1.3圖模式挖掘
7.2時間序列數據挖掘
7.2.1時間序列數據介紹
7.2.2時間序列異常檢測
7.2.3時間序列的分類與聚類
7.3大數據與分布式數據挖掘
7.3.1分布式文件系統
7.3.2MapReduce大數據處理框架
7.3.3Spark大數據處理框架
7.4本章小結
第8章數據可視化與分析
8.1數據可視化的基本概念
8.1.1數據可視化的背景
8.1.2數據可視化的定義及基本步驟
8.1.3數據可視化的常用圖表類型
8.1.4數據可視化實例
8.2可視化工具與技術
8.2.1Python可視化常用類庫
8.2.2JavaScript可視化開發工具
8.2.3軟件類可視化工具
8.3本章小結
第9章數據挖掘案例分析
9.1自然語言智能挖掘
9.1.1文本挖掘
9.1.2語音數據挖掘
9.1.3文本-視覺多模態挖掘
9.2醫療大數據智能挖掘
9.2.1電子病歷數據挖掘
9.2.2醫學影像數據挖掘
9.3遙感圖像智能挖掘
9.3.1地理信息數據挖掘
9.3.2無人機遙感數據挖掘
9.3.3衛星數據挖掘
9.4本章小結
參考文獻
展開全部
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
巴金－再思錄
- >
姑媽的寶刀
- >
小考拉的故事-套裝共3冊
- >
中國歷史的瞬間
- >
回憶愛瑪儂
- >
朝聞道
- >
隨園食單
本類暢銷
