相關商品
商品簡介
目次
商品簡介
王振武、徐慧編著的這本《數據挖掘算法原理與 實現》對數據挖掘的基本算法進行了系統的介紹，每 種算法不僅包括對算法基本原理的介紹，而且配有大 量的例題以及源代碼，并且對源代碼進行了分析，這 種理論和實踐相結合的方式有助于讀者較好地理解和 掌握抽象的數據挖掘算法。
全書共分11章，內容同時涵蓋了數據預處理、關 聯規則挖掘算法、分類算法和聚類算法，具體章節包 括緒論、數據預處理、關聯規則挖掘、決策樹分類算 法、貝葉斯分類算法、人工神經網絡算法、支持向量 機、K－means聚類算法、K－中心點聚類算法、神經 網絡聚類算法以及數據挖掘的發展等內容。
本書可作為高等院校數據挖掘課程的教材，也可 以作為從事數據挖掘工作以及其他相關工程技術工作 的人員的參考書。
全書共分11章，內容同時涵蓋了數據預處理、關 聯規則挖掘算法、分類算法和聚類算法，具體章節包 括緒論、數據預處理、關聯規則挖掘、決策樹分類算 法、貝葉斯分類算法、人工神經網絡算法、支持向量 機、K－means聚類算法、K－中心點聚類算法、神經 網絡聚類算法以及數據挖掘的發展等內容。
本書可作為高等院校數據挖掘課程的教材，也可 以作為從事數據挖掘工作以及其他相關工程技術工作 的人員的參考書。
目次
第1章 緒論 1.1 數據挖掘的概念 1.2 數據挖掘的歷史及發展 1.3 數據挖掘的研究內容及功能 1.3.1 數據挖掘的研究內容 1.3.2 數據挖掘的功能 1.4 數據挖掘的常用技術及工具 1.4.1 數據挖掘的常用技術 1.4.2 數據挖掘的工具 1.5 數據挖掘的應用熱點 1.6 小結 思考題 第2章 數據預處理 2.1 數據預處理的目的 2.2 數據清理 2.2.1 填充缺失值 2.2.2 光滑噪聲數據 2.2.3 數據清理過程 2.3 數據集成和數據變換 2.3.1 數據集成 2.3.2 數據變換 2.4 數據規約 2.4.1 數據立方體聚集 2.4.2 維規約 2.4.3 數據壓縮 2.4.4 數值歸約 2.4.5 數據離散化與概念分層 2.5 特征選擇與提取 2.5.1 特征選擇 2.5.2 特征提取 2.6 小結 思考題 第3章 關聯規則挖掘 3.1 基本概念 3.2 關聯規則挖掘算法——Apriori算法原理 3.3 Apriori算法實例分析 3.4 Apriori算法源程序分析 3.5 Apriori算法的特點及應用 3.5.1 Apriori算法特點 3.5.2 Apriori算法應用 3.6 小結 思考題 第4章 決策樹分類算法 4.1 基本概念 4.1.1 決策樹分類算法概述 4.1.2 決策樹基本算法概述 4.2 決策樹分類算法——ID3算法原理 4.2.1 ID3算法原理 4.2.2 熵和信息增益 4.2.3 ID3算法 4.3 ID3算法實例分析 4.4 ID3算法源程序分析 4.5 ID3算法的特點及應用 4.5.1 ID3算法特點 4.5.2 ID3算法應用 4.6 決策樹分類算法——C4.5算法原理 4.6.1 C4.5算法 4.6.2 C4.5算法的偽代碼 4.7 C4.5算法實例分析 4.8 C4.5算法源程序分析 4.9 C4.5算法的特點及應用 4.9.1 C4.5算法特點 4.9.2 C4.5算法應用 4.10 小結 思考題 第5章 貝葉斯分類算法 5.1 基本概念 5.1.1 主觀概率 5.1.2 貝葉斯定理 5.2 貝葉斯分類算法原理 5.2.1 樸素貝葉斯分類模型 5.2.2 貝葉斯信念網絡 5.3 貝葉斯算法實例分析 5.3.1 樸素貝葉斯分類器 5.3 5.4 貝葉斯算法源程序分析 5.5 貝葉斯算法特點及應用 5.5.1 樸素貝葉斯分類算法 5.5.2 貝葉斯信念網 思考題 第6章 人工神經網絡算法 6.1 基本概念 6.1.1 生物神經元模型 6.1.2 人工神經元模型 6.1.3 主要的神經網絡模型 6.2 BP算法原理 6.2.1 Delta學習規則的基本原理 6.2.2 BP網絡的結構 6.2.3 BP網絡的算法描述 6.2.4 標準BP網絡的工作過程 6.3 BP算法實例分析 6.4 BP算法源程序分析 6.5 BP算法的特點及應用 6.5.1 BP算法特點 6.5.2 BP算法應用 6.6 小結 思考題 第7章 支持向量機 7.1 基本概念 7.1.1 支持向量機理論基礎 7.1.2 統計學習核心理論 7.1.3 學習過程的一致性條件 7.1.4 函數集的VC維 7.1.5 泛化誤差界 7.1.6 結構風險最小化歸納原理 7.2 支持向量機原理 7.2.1 支持向量機核心理論 7.2.2 最大間隔分類超平面 7.2.3 支持向量機 7.2.4 核函數分類 7.3 支持向量機實例分析 7.4 支持向量機的特點及應用 7.4.1 支持向量機的特點 7.4.2 支持向量機的應用 7.5 小結 思考題 第8章 K-means聚類算法 8.1 簡介 8.2 K-means聚類算法原理 8.3 K-means聚類算法實例分析 8.4 K-means聚類算法源程序分析 8.5 K-means聚類算法的特點及應用 8.5.1 K-means聚類算法的特點 8.5.2 K-means聚類算法的應用 8.6 小結 思考題 第9章 K-中心點聚類算法 9.1 簡介 9.2 K-中心點聚類算法原理 9.3 K-中心點聚類算法實例分析 9.4 K-中心點聚類算法源程序分析 9.5 K-中心點聚類算法的特點及應用 9.5.1 K-中心點聚類算法的特點 9.5.2 K-中心點聚類算法的應用 9.6 小結 第10章 神經網絡聚類方法：SOM 10.1 簡介 10.2 競爭學習算法基礎 10.2.1 自組織神經網絡結構 10.2.2 自組織神經網絡的原理 10.3 SOM算法原理 10.3.1 SOM網絡的拓撲結構 10.3.2 SOM權值調整域 10.3.3 SOM網絡運行原理 10.3.4 學習方法 10.4 SOM算法實例分析 10.4.1 問題描述 10.4.2 網絡設計及學習結果 10.4.3 結果輸出 10.5 SOM算法源程序分析 10.6 SOM算法的特點及應用 10.6.1 SOM特點 10.6.2 SOM應用 10.7 小結 思考題 第11章 數據挖掘的發展 11.1 Web挖掘 11.1.1 Web數據挖掘定義 11.1.2 Web數據挖掘分類 11.1.3 Web數據挖掘的數據源 11.1.4 Web數據挖掘中知識的分類 11.1.5 Web數據挖掘的關鍵問題 11.2 空間數據挖掘 11.2.1 空間數據挖掘的定義與特點 11.2.2 空間數據挖掘的體系結構 11.2.3 空間數據挖掘可獲得的知識類型 11.2.4 空間數據挖掘的方法 11.3 流數據挖掘 11.3.1 流數據的特點 11.3.2 流數據挖掘關鍵技術 11.3.3 流數據挖掘的實際應用及前景 11.4 數據挖掘與可視化技術 11.4.1 什么是可視化 11.4.2 數據可視化技術分類 11.4.3 數據挖掘可視化技術的應用 11.5 小結 思考題 參考文獻
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。