（1）内容全面，覆盖当前数据挖掘的主要应用。在介绍每个应用案例时，详细阐述应用的背景，该领域中数据的来源和特点，数据采集与预处理方式，应用领域中数据挖掘的任务和实施数据挖掘技术的难点。同时提供相应的数据挖掘算法分析、工具设计以及系统实现。 （2）条理清晰、便于理解。一方面，面向热爱和关心数据挖掘技术的学术界和工业界读者，帮助他们更好地理解研究的目的和应用的基础；另一方面，让没有太多相关技术背景的读者可以通过阅读本书能够了解数据挖掘的意义和价值，可以看出数据挖掘是如何被广泛地应用于实际案例并成为解决各种问题的核心工具。
电子书
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。
章节目录
- 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
- 1.4.1 Sklearn
- 1.4.2 Spark ML
- 1.4.3 华为云的机器学习服务
- 第2章 数据特征分析与预处理
- 2.1 数据类型
- 2.1.1 数据集类型
- 2.1.2 数据属性的类型
- 2.2 数据的描述性特征
- 2.2.1 描述数据集中趋势的度量
- 2.2.2 描述数据离中趋势的度量
- 2.2.3 数据分布形态的度量
- 2.2.4 数据分布特征的可视化
- 2.3 数据的相关分析
- 2.3.1 相关分析
- 2.3.2 卡方（χ2）检验
- 2.4 数据预处理
- 2.4.1 数据变换、离散化与编码
- 2.4.2 数据抽样技术
- 2.4.3 主成分分析
- 2.4.4 数据清洗
- 2.5 Spark 数据预处理功能简介
- 2.5.1 二值化
- 2.5.2 分箱器
- 2.5.3 哈达玛积变换
- 2.5.4 最大绝对值标准化
- 2.5.5 最小—最大变换
- 2.5.6 正则化
- 2.5.7 多项式扩展
- 2.5.8 标准化
- 2.5.9 特征向量合并
- 2.5.10 类别特征索引
- 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
- 3.2.1 Apriori 算法
- 3.2.2 基于划分的算法
- 3.2.3 事务数据的存储
- 3.3 不需要产生候选项集的频繁模式挖掘算法
- 3.3.1 FP-Growth 算法
- 3.3.2 Spark 上FP-Growth 算法实践
- 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
- 3.6.1 序列模式的定义
- 3.6.2 PrefixSpan 算法
- 3.6.3 与其他序列模式挖掘算法的比较和分析
- 3.7 其他类型关联规则简介
- 3.7.1 量化关联规则
- 3.7.2 时态关联规则
- 3.7.3 局部化的关联规则
- 3.7.4 优化的关联规则
- 习题
- 第4章 分类与回归算法
- 4.1 决策树算法
- 4.1.1 决策树简介
- 4.1.2 决策树的类型
- 4.1.3 决策树的构造过程
- 4.1.4 信息论的有关概念
- 4.1.5 ID3 算法
- 4.1.6 信息论在ID3 算法中的应用
- 4.1.7 C4.5 算法
- 4.1.8 CART 算法
- 4.1.9 过拟合与决策树剪枝
- 4.1.10 决策树后剪枝策略
- 4.1.11 决策树的生成与可视化
- 4.1.12 几种属性选择度量的对比
- 4.2 贝叶斯分类器
- 4.2.1 贝叶斯决策理论
- 4.2.2 极大似然估计
- 4.2.3 朴素贝叶斯分类器
- 4.2.4 贝叶斯网络基础
- 4.2.5 通过贝叶斯网络判断条件独立
- 4.2.6 贝叶斯网络推理实例
- 4.3 基于实例的分类算法
- 4.3.1 KNN 分类器
- 4.3.2 局部加权回归
- 4.3.3 基于案例的推理
- 4.4 组合分类算法
- 4.4.1 Adaboost 算法
- 4.4.2 Bagging 算法
- 4.4.3 随机森林
- 4.5 分类器算法的评估
- 4.6 回归分析
- 4.6.1 线性回归
- 4.6.2 岭回归
- 4.6.3 多项式回归
- 4.6.4 逻辑回归
- 4.6.5 决策树回归
- 4.6.6 梯度提升决策树
- 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
- 5.3.1 幂距离
- 5.3.2 欧式距离
- 5.3.3 曼哈顿距离
- 5.3.4 切比雪夫距离
- 5.3.5 余弦相似度
- 5.3.6 兰氏距离
- 5.3.7 马氏距离
- 5.3.8 斜交空间距离
- 5.3.9 杰卡德距离
- 5.3.10 汉明距离
- 5.4 基于划分的聚类算法
- 5.4.1 K 均值算法
- 5.4.2 二分K 均值聚类算法
- 5.4.3 小批量K 均值算法
- 5.4.4 K 均值++算法
- 5.4.5 K 中心点算法
- 5.4.6 数据流K 均值算法
- 5.5 基于密度的聚类算法
- 5.5.1 DBSCAN 算法
- 5.5.2 OPTICS 算法
- 5.6 基于模型的聚类算法：高斯混合模型算法
- 5.6.1 算法原理
- 5.6.2 GMM 算法的参数估计
- 5.6.3 GMM 算法实践
- 5.7 层次聚类
- 5.7.1 凝聚的层次聚类算法
- 5.7.2 聚类之间距离的度量方法
- 5.7.3 层次聚类算法的性质
- 5.7.4 BIRCH 算法
- 5.8 基于网格的聚类算法
- 5.8.1 STING 算法
- 5.8.2 CLIQUE 算法
- 5.9 Mean Shift 聚类算法
- 5.9.1 基本概念
- 5.9.2 Mean Shift 算法聚类过程
- 5.9.3 Mean Shift 聚类算法实践
- 5.9.4 改进的Mean Shift 算法
- 5.10 聚类算法评价指标
- 5.10.1 调整兰德指数
- 5.10.2 互信息评分
- 5.10.3 同质性、完整性以及调和平均
- 5.10.4 Fowlkes-Mallows 评分
- 5.10.5 轮廓系数
- 5.10.6 Calinski-Harabz 指数
- 习题
- 第6章 数据挖掘综合应用：异常检测
- 6.1 预备知识
- 6.1.1 相关统计学概念
- 6.1.2 异常检测评价指标
- 6.1.3 异常检测问题的特点
- 6.1.4 异常检测算法分类
- 6.2 基于隔离森林的异常检测算法
- 6.2.1 隔离与隔离树iTree
- 6.2.2 隔离森林的特点
- 6.2.3 隔离森林算法
- 6.2.4 应用实例
- 6.3 局部异常因子算法
- 6.3.1 基本定义
- 6.3.2 异常检测
- 6.3.3 应用实例
- 6.4 基于One-Class SVM 的异常检测算法
- 6.4.1 基本原理
- 6.4.2 应用实例
- 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
- 6.6.1 基本原理
- 6.6.2 应用实例
- 6.7 其他有监督学习类型的检测算法
- 6.7.1 罕见类别检测
- 6.7.2 基于有监督学习的异常检测实例
- 6.7.3 异常检测应用实例——时空异常检测
- 6.7.4 Spark 异常值检测实例
- 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
展开全部
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。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
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。
电子书
（1）内容全面，覆盖当前数据挖掘的主要应用。在介绍每个应用案例时，详细阐述应用的背景，该领域中数据的来源和特点，数据采集与预处理方式，应用领域中数据挖掘的任务和实施数据挖掘技术的难点。同时提供相应的数据挖掘算法分析、工具设计以及系统实现。 （2）条理清晰、便于理解。一方面，面向热爱和关心数据挖掘技术的学术界和工业界读者，帮助他们更好地理解研究的目的和应用的基础；另一方面，让没有太多相关技术背景的读者可以通过阅读本书能够了解数据挖掘的意义和价值，可以看出数据挖掘是如何被广泛地应用于实际案例并成为解决各种问题的核心工具。
电子书
联袂推荐 暨南大学教授、博士生导师刘建平，暨南大学研究生院副院长、经济学院统计学系副主任、教授、博士生导师陈光慧，天善智能创始人梁勇，IBM技术专家刘咏梅，IBM数据科学家钟云飞，广东省环保厅环境咨询专家委员会专家、广东柯内特环境科技有限公司总经理朱斌 本书特色 内容全面：涉及数据读取、数据处理、数据可视化、统计分析与检验、数据挖掘算法、自动建模、集成与扩展、模型部署、性能优化、数据挖掘方法论等诸多内容； 讲解透彻：既有理论的讲解，又涵盖应用的实践，而且在工具的介绍上，尽可能包括每一个选项的内容和应用形式，力求让读者“吃透”每一章节的内容； 突出实战：集行业经验、项目实践、算法剖析、应用技巧于一身，配套提供数据文件以及数据模型文件，方便读者动手实践。
电子书
本书从零开始讲解 Spark。
电子书
无论是梦想颠覆某个行业的创业者，还是试图从企业内部激发变革的创新者，你面临的大挑战就是创造人们真正需要的产品。本书将引导你走上正确的道路。
电子书
本书则是华为公司针对华为ICT学院大数据方向的在读学生，专门组织合作伙伴和华为公司内部员工开发的标准化教材，这套教材的目的在于循序渐进地帮助华为ICT学院大数据方向的学生掌握大数据技术的基本原理与应用场景，能够在面对真实的业务场景时，独立完成大数据平台的搭建、维护及故障的处理。
电子书
1. 校企合 作典范。 2. 计算机教指委提供指导。 3. 华为公司提供技术支持和案例。 4. 作者水平高，层次高。 5. 是计算机类专业教指委-华为ICT产学合 作项目——大数据系列规划教材