商品簡介
目次
引言
0.1 時空數據的特點
0.2 基于柵格的數據分析及發掘流程
0.3 涉及的關鍵技術
0.3.1 空間統計分析技術
0.3.2 數據挖掘技術
0.3.3 空間數據挖掘技術
0.3.4 基于貝葉斯網絡的學習及概率推理技術
0.4 案例
0.5 本書組織結構
參考文獻
第一篇理論方法
第1章 數據來源及預處理 前言
引言
0.1 時空數據的特點
0.2 基于柵格的數據分析及發掘流程
0.3 涉及的關鍵技術
0.3.1 空間統計分析技術
0.3.2 數據挖掘技術
0.3.3 空間數據挖掘技術
0.3.4 基于貝葉斯網絡的學習及概率推理技術
0.4 案例
0.5 本書組織結構
參考文獻
第一篇理論方法
第1章 數據來源及預處理
1.1 多源異構的數據來源
1.1.1 按照存儲格式劃分
1.1.2 按照來源劃分
1.1.3 按照類型劃分
1.1.4 矢量數據轉換成柵格數據以及柵格數據的重采樣
1.2 數據預處理
1.2.1 插值數據分析
1.2.2 缺值數據分析
1.2.3 正則化(數據過濾)
1.2.4 孤立點及噪點分析
1.2.5 數據轉換
1.2.6 多重共線性分析
1.2.7 特征選擇
1.2.8 模型組合
參考文獻
第2章 相關性分析
2.1 普通的相關性分析
2.1.1 Pearson相關系數探索連續變量相關性
2.1.2 Spearman及Kendallstau-b相關系數探索離散變量關聯性
2.1.3 散點圖分析
2.1.4 條件直方圖分析
2.1.5 三維插值曲面圖分析
2.2 空間自相關及聚集性
2.2.1 空間自相關性
2.2.2 空間自相關的計算及(空間聚集性)解澤
2.2.3 空間自相關圖
2.3 空間變異性
2.3.1 基本原理
2.3.2 變異函數的定義及解譯
2.4 時間序列相關性
2.4.1 自相關函數和偏自相關函數
2.4.2 ARMA模型的自相關分析
參考文獻
第3章 關聯規則發現
3.1 普通的關聯規則發現
3.1.1 Apriori算法
3.1.2 FP-Growth算法
3.2 空間上的關聯規則
3.2.1 空間關聯規則
3.2.2 空間同位規則
3.3 時空上的關聯性
3.3.1 區內非序列關聯模式
3.3.2 區內序列關聯模式
3.3.3 區之間非序列/序列關聯模式
3.4 案例
參考文獻
第4章 監督學習提取知識及預測
4.1 基于規則的學習方法
4.1.1 決策樹學習器
4.1.2 粗糙集學習器
……
第二篇軟件工具
第三篇綜合運用
主題書展
更多主題書展
更多書展本週66折
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。
特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。
無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。
為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。