编辑推荐
数据科学与大数据技术专业系列规划教材。强调概念+算法实践，让你“小数据”上会“算”，“大数据”上“算得快”。
内容简介
《大数据分析与挖掘》主要内容包括：第 1章绪论、第 2章数据特征分析与预处理、第3章关联规则挖掘、第4章分类算法、第5章聚类算法、第6章分布式大数据流挖掘、第7章 综合案例——基于华为技术与设备。本书可作为高等院校数据科学与大数据技术、计算机科学与技术等相关专业的本科生教材。
作者简介
作者石胜飞，哈尔滨工业大学副教授，主要研究领域数据挖掘、大数据分析。中国计算机学会数据库专家会委员，中国计算机学会数据库专家会委员。
章节目录
版权信息
内容提要
编委会
丛书序一
丛书序二
前言
第1章 绪论
1.1 大数据分析与挖掘简介
1.2 大数据应用及挑战
1.3 大数据分析与挖掘主要技术
1.4 大数据分析与挖掘工具
第2章 数据特征分析与预处理
2.1 数据类型
2.2 数据的描述性特征
2.3 数据的相关分析
2.4 数据预处理
2.5 Spark数据预处理功能简介
习题
第3章 关联规则挖掘
3.1 基本概念
3.2 基于候选项产生—测试策略的频繁模式挖掘算法
3.3 不需要产生候选项集的频繁模式挖掘算法
3.4 结合相关性分析的关联规则
3.5 多层关联规则挖掘算法
3.6 序列模式挖掘
3.7 其他类型关联规则简介
习题
第4章 分类与回归算法
4.1 决策树算法
4.2 贝叶斯分类器
4.3 基于实例的分类算法
4.4 组合分类算法
4.5 分类器算法的评估
4.6 回归分析
习题
第5章 聚类算法
5.1 聚类分析概述
5.2 聚类算法的分类
5.3 距离度量
5.4 基于划分的聚类算法
5.5 基于密度的聚类算法
5.6 基于模型的聚类算法：高斯混合模型算法
5.7 层次聚类
5.8 基于网格的聚类算法
5.9 Mean Shift聚类算法
5.10 聚类算法评价指标
习题
第6章 数据挖掘综合应用：异常检测
6.1 预备知识
6.2 基于隔离森林的异常检测算法
6.3 局部异常因子算法
6.4 基于One-Class SVM的异常检测算法
6.5 基于主成分分析的异常检测算法
6.6 基于集成学习的异常检测算法
6.7 其他有监督学习类型的检测算法
6.8 习题
附录 《大数据分析与挖掘》配套实验课程方案简介
参考文献
大数据分析与挖掘是2018年由人民邮电出版社出版,作者石胜飞。
得书感谢您对《大数据分析与挖掘》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
