本书着力于介绍数据挖掘基础知识、基本原理、常用算法，主要内容包括数据挖掘概述、数据的描述与可视化、数据的采集和预处理、数据的归约、关联规则挖掘、分类与预测、非线性预测模型、聚类分析、深度学习简介、使用Weka进行数据挖掘。本书通俗易懂，注重基础知识、基本原理和基本方法，注重启发和引申，以培养学生独立思考和独立发现的能力。 本书适合作为数据科学与大数据、信息管理、统计等专业的本科层次基础课教材，也
电子书
内容简介
随着互联网、云计算和人工智能等高科技信息技术的飞速发展，人类已迈入大数据时代，但很多时候我们会感到被数据淹没，却缺乏知识的困境，并没有“得数据者得天下”的能力，我们迫切需要从海量数据中，找到值得参考的样型或规则，转换成有价值的信息或知识，创造更多新价值，因此，数据挖掘成了我们提取数据信息的必要窗口。 本书共8章，主要介绍了数据挖掘的理论方法与实践应用，内容涵盖了关联规则挖掘、决策树分析、聚类分析、支持向量机、KNN算法、贝叶斯分类算法以及随机森林分类算法等内容。
章节目录
- 封面
- 书名页
- 版权页
- 前言
- 目录
- 第1章 数据挖掘概述
- 1.1 数据挖掘技术的产生与发展
- 1.1.1 数据挖掘技术的商业需求分析
- 1.1.2 数据挖掘产生的技术背景分析
- 1.2 数据挖掘的定义
- 1.2.1 技术上的定义及含义
- 1.2.2 商业角度的定义
- 1.2.3 数据挖掘研究的理论基础
- 1.3 数据挖掘的特点
- 1.4 数据挖掘的主要任务
- 1.5 数据挖掘的一般过程
- 第2章 关联规则挖掘
- 2.1 基本概念
- 2.2 关联规则挖掘算法——Apriori算法原理
- 2.2.1 Apriori算法原理解析
- 2.2.2 Apriori算法应用举例
- 2.3 Apriori算法的特点及应用
- 2.3.1 Apriori算法的特点
- 2.3.2 Apriori算法的应用
- 2.4 Apriori算法源代码
- 2.5 Apriori算法在Web日志挖掘中的应用研究
- 2.5.1 Web日志挖掘的预处理
- 2.5.2 关联规则Apriori算法的应用
- 2.5.3 Apriori算法的改进
- 2.5.4 挖掘模型查看的实现
- 2.5.5 挖掘模型分析与评价模块的实现
- 第3章 决策树分析
- 3.1 决策树算法简介
- 3.2 决策树算法的基本概念
- 3.3 决策树算法研究现状
- 3.4 决策树算法简介
- 3.4.1 CLS算法
- 3.4.2 ID3算法
- 3.4.3 C4.5算法
- 3.5 决策树算法比较分析
- 3.6 建立用户流失的决策树模型
- 3.6.1 案例背景
- 3.6.2 样本数据的清洗与转换
- 3.6.3 样本数据的特征选择
- 3.6.4 实施聚类分析
- 3.6.5 用户流失预警决策树的构建
- 3.6.6 决策树算法的实施
- 3.6.7 模型的评估与调整优化
- 3.7 ＭC4.5源程序
- 第4章 聚类分析
- 4.1 聚类分析简介
- 4.1.1 聚类分析的阶段
- 4.1.2 相似度衡量
- 4.1.3 聚类分析方法
- 4.2 聚类分析中的数据类型
- 4.2.1 数据的表示
- 4.2.2 数据的类型
- 4.3 层次聚类方法概述
- 4.3.1 两种基本的层次聚类方法
- 4.3.2 基于距离度量的方法
- 4.3.3 层次聚类方法存在的不足
- 4.4 划分聚类分析法
- 4.4.1 k均值聚类算法
- 4.4.2 k中心点
- 4.5 k均值聚类算法源程序
- 4.6 k-中心点算法源代码
- 4.7 聚类分析的应用
- 4.7.1 案例背景
- 4.7.2 成熟草莓图像分割算法
- 第5章 支持向量机
- 5.1 支持向量机原理
- 5.2 支持向量机的特点
- 5.3 支持向量机的应用研究现状
- 5.4 支持向量机的应用
- 5.4.1 案例背景
- 5.4.2 目标特征模型
- 5.4.3 学习训练
- 5.4.4 目标检测框的确定
- 5.4.5 数据库和评估参数
- 第6章 KNN算法
- 6.1 KNN算法简介
- 6.1.1 算法引入
- 6.1.2 算法指导思想
- 6.1.3 算法计算步骤
- 6.1.4 相似性度量
- 6.1.5 类别的判定
- 6.1.6 优缺点
- 6.1.7 常见问题
- 6.2 算法流程
- 6.3 KNN算法的Java实现代码
- 6.4 算法改进
- 6.5 类相关度差异优化距离的KNN改进算法
- 6.5.1 特征参数类相关度差异优化距离机制
- 6.5.2 特征参数类相关度优化距离的k最近邻改进算法
- 6.6 基于聚类的KNN算法改进
- 6.6.1 对训练集进行聚类
- 6.6.2 用KNN算法分类
- 6.7 KNN算法分类多标签数据
- 6.7.1 最近邻选择的相似度的求解步骤
- 6.7.2 最近邻选择的相似度的定义
- 6.7.3 算法的时间复杂度分析
- 6.8 KNN算法的应用
- 6.9 用KNN算法处理文本分类问题
- 6.9.1 文本分类介绍
- 6.9.2 文本分类过程
- 6.9.3 用KNN算法实现文本分类
- 第7章 贝叶斯分类算法
- 7.1 概述
- 7.2 概率论基础
- 7.2.1 条件概率和乘法定理
- 7.2.2 贝叶斯定理
- 7.2.3 极大后验假设与极大似然假设
- 7.2.4 事件的独立性
- 7.3 贝叶斯分类模型
- 7.3.1 朴素贝叶斯分类模型
- 7.3.2 贝叶斯网络分类模型
- 7.3.3 半朴素贝叶斯分类模型
- 7.4 贝叶斯算法在处理垃圾邮件中的应用
- 7.4.1 案例背景
- 7.4.2 垃圾邮件的定义及其危害
- 7.4.3 垃圾邮件分类向量与特征向量
- 7.4.4 分类方法介绍
- 7.4.5 基于垃圾邮件特征向量判断垃圾邮件的算法设计
- 7.4.6 基于标准邮件集的垃圾邮件分类向量
- 7.4.7 基于贝叶斯原理的过滤系统的实现
- 7.4.8 算法的实现
- 7.4.9 实验结果及评价指标
- 7.4.10 阈值的确定及对过滤精度的影响
- 7.4.11 实验数据
- 第8章 随机森林分类算法
- 8.1 随机森林算法简介
- 8.1.1 Boosting和Bagging
- 8.1.2 Bagging与随机森林
- 8.2 随机森林的构建
- 8.2.1 为每棵决策树抽样产生训练集
- 8.2.2 构建每棵决策树
- 8.2.3 森林的形成及算法的执行
- 8.3 用代码实现随机森林
- 8.4 随机森林的随机性分析
- 8.4.1 训练集的随机选取
- 8.4.2 随机特征变量的随机性
- 8.4.3 随机森林的随机性在实证分析中的表现及解决办法
- 8.5 随机森林的性能指标
- 8.5.1 分类效果系列指标
- 8.5.2 泛化误差与OOB估计
- 8.5.3 随机森林算法运行效率指标
- 8.6 随机森林算法存在的问题
- 8.6.1 不能很好地处理非平衡数据
- 8.6.2 对连续性变量的处理还需要进行离散化
- 8.6.3 随机森林算法的分类精度还需要进一步提升
- 8.7 随机森林处理非平衡数据集的优化研究
- 8.7.1 非平衡数据集分类困难的原因分析
- 8.7.2 非平衡数据集分类问题的解决办法
- 8.8 随机森林算法的应用
- 8.9 随机森林算法源程序
- 书脊
- 封底
展开全部
数据挖掘及其应用是2019年由中国铁道出版社出版,作者李燕。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《数据挖掘及其应用》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。
电子书
电子书
本书阐述了铁路文本大数据分析挖掘的理论、技术及应用，内容包括：绪论、文本大数据分析挖掘基础、文本大数据分析挖掘理论体系、常用分析与挖掘工具包、铁路文本大数据分析挖掘平台研究、铁路安全文本大数据应用案例、铁路应急管理文本大数据应用案例。
电子书
本书以项目实践作为主线，结合必需的理论知识，以任务的形式进行内容设计，每个任务都包含任务描述及任务实施的步骤，读者按照实施步骤进行操作就可以完成相应的学习任务，从而不断提升项目实践能力。本书主要内容涉及机器学习的基础知识，模型评估与选择，回归、分类、聚类等机器学习算法，数据挖掘的基础知识，数据分析与应用，以及通过用户行为分析预测项目学习如何将机器学习与数据挖掘应用到实际中。本书适合使用机器学习与数
电子书
本书以构建完整的知识体系为目标，按照从简单到复杂的思路，贯穿了数据处理与挖掘的各个环节，具体包括：Python快速入门、Python数据类型、Python常用模块、Python数据获取、Python数据挖掘基础、Python数据挖掘算法、Python大数据挖掘和Python数据可视化。此外，针对各知识点，全书均设计了相应的Python案例，并给出了实现代码、效果图以及相应的解释，以强化读者对各知识
电子书
本书面向大数据应用型人才，以任务为导向，系统地介绍Python数据分析与挖掘的常用技术与真实案例。全书共7章，第1、2章介绍Python数据分析的常用模块及其应用，涵盖NumPy数值计算模块、pandas数据分析模块，较为系统地阐述Python数据分析的方法；第3、4章介绍轻量级的数据交换格式JSON和连接MySQL数据库的pymysql模块，并以此进行数据综合案例的分析；第5章介绍Matplot
电子书
本书是对国网浙江省电力有限公司基于大数据挖掘技术的主动式运营监测体系建设研究与实践工作的总结，包括大数据应用与运营监测业务发展趋势与现状、基于大数据挖掘技术的主动式运营监测体系的介绍、运营监测业务主题框架与指标关联库等内容。本书可作为电网企业运营管理人员的工作参考书。
电子书
文本是一种特殊的非结构化数据，在当今的大数据时代，其价值日趋凸显。本书利用开源而强大的R软件，对文本数据挖掘的概念、技术及技巧进行了系统的介绍。本书共11章，内容包括：走进文本数据挖掘，R语言快速入门，字符串的基本处理，用好正则表达式，导入各类文本数据，对各类文本数据进行预处理，文本特征提取的4种方法，基于机器学习的文本分类方法，文本情感分析，文本可视化，文本数据挖掘项目实践。本书还提供了丰富的应
电子书
本书共11章，分为基础篇(第1-5章)和实战篇(第6-11章)，基础篇包括数据挖掘基础、Python数据挖掘编程基础、数据探索、数据预处理、数据挖掘算法基础等基础知识：实战篇包括6个案例，分别为信用卡高风险客户识别、餐饮企业菜品关联分析、金融服务机构资金流量预测、O2O优惠券使用预测、电视产品个性化推荐，以及基于TipDM大数据挖掘建模平台实现金融服务机构资金流量预测。本书大部分章节包含实训和课后
