《數據挖掘——概念、模型、方法和算法》是一本由清華大學出版社在2004年出版的書籍。
基本介紹
- 書名：數據挖掘——概念、模型、方法和算法
- ISBN： 9787302067771
- 定價： 42元
- 出版時間：2004-2-26
- 裝幀： 平裝
- 印次：1-2
內容簡介,目錄,
內容簡介
作為一本教科書，本書全面講述了數據挖掘的概念、模型、方法和算法。本書共包括13章和2個附錄，全面、詳細地講述了從數據挖掘的基本概念到數據挖掘的整個過程，以及數據挖掘工具及其典型套用領域。本書編寫嚴謹、內容權威、結構合理、科學規範、語言流暢，特別適合作為高等院校數據挖掘課程的教科書，還適合作為數據挖掘研究人員必備的參考書。
目錄
第1章數據挖掘的概念 1
1.1概述 1
1.2數據挖掘的起源 3
1.3數據挖掘過程 5
1.3.1陳述問題和闡明假設 5
1.3.2數據收集 6
1.3.3數據預處理 6
1.3.4模型評估 7
1.3.5解釋模型和得出結論 7
1.4大型數據集 8
1.5數據倉庫 12
1.6本書的結構 14
1.7複習題 15
1.8參考書目 16
第2章數據準備 17
2.1原始數據的表述 17
2.2原始數據的特性 20
2.3原始數據的轉換 22
2.4丟失數據 24
2.5時間相關數據 25
2.6異常點分析 29
2.7複習題 32
2.8參考書目 33
第3章數據歸約 35
3.1大型數據集的維度 35
3.2特徵歸約 37
3.3特徵排列的熵度量 41
3.4主成分分析 43
3.5值歸約 45
3.6特徵離散化：ChiMerge技術 48
3.7案例歸約 51
3.8複習題 54
3.9參考書目 55
第4章從數據中學習 57
4.1機器學習 58
4.2統計學習原理 62
4.3學習方法的類型 67
4.4常見的學習任務 68
4.5模型估計 72
4.6複習題 76
4.7參考書目 77
第5章統計方法 78
5.1統計推斷 78
5.2評測數據集的差異 80
5.3貝葉斯定理 82
5.4預測回歸 84
5.5方差分析 89
5.6對數回歸 92
5.7對數-線性模型 93
5.8線性判別分析 96
5.9復?疤?98
5.10參考書目 99
第6章聚類分析 101
6.1聚類概念 101
6.2相似度的度量 104
6.3凝聚層次聚類 108
6.4分區聚類 112
6.5增量聚類 114
6.6複習題 117
6.7參考書目 119
第7章決策樹和決策規則 120
7.1決策樹 121
7.2C4.5算法：生成一個決策樹 122
7.3未知屬性值 128
7.4修剪決策樹 132
7.5C4.5算法：生成決策規則 133
7.6決策樹和決策規則的局限性 136
7.7關聯分類方法 137
7.8複習題 140
7.9參考書目 142
第8章關聯規則 144
8.1購物籃分析 144
8.2APRIORI算法 146
8.3從頻繁項集得到關聯規則 148
8.4提高APRIORI算法的效率 149
8.5頻繁模式增長方法(FP-增長方法) 151
8.6多維關聯規則挖掘 153
8.7WEB挖掘 154
8.8HITS和LOGSOM算法 156
8.9挖掘路徑遍歷模式 161
8.10文本挖掘 164
8.11複習題 167
8.12參考書目 169
第9章人工神經網路 171
9.1人工神經元的模型 172
9.2人工神經網路的結構 176
9.3學習過程 177
9.4學習任務 181
9.5多層感知機 183
9.6競爭網路和競爭學習 189
9.7複習題 193
9.8參考書目 195
第10章遺傳算法 196
10.1遺傳算法的基本原理 197
10.2用遺傳算法進行最佳化 198
10.3遺傳算法的一個簡單例證 203
10.4圖式(SCHEMATA) 208
10.5旅行推銷員問題 210
10.6使用遺傳算法的機器學習 212
10.7複習題 216
10.8參考書目 217
第11章模糊集和模糊邏輯 219
11.1模糊集 219
11.2模糊集的運算 224
11.3擴展原理和模糊關係 229
11.4模糊邏輯和模糊推理系統 233
11.5多因子評價 237
11.6從數據中提取模糊模型 239
11.7複習題 244
11.8參考書目 246
第12章可視化方法 247
12.1感知和可視化 247
12.2科學可視化和信息可視化 248
12.3平行坐標 253
12.4放射性可視化 256
12.5KOHONEN自組織映射 258
12.6數據挖掘的可視化系統 259
12.7複習題 263
12.8參考書目 264
第13章參考書目 266
附錄A數據挖掘工具 281
附錄B數據挖掘套用 300
