幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

數據分析與挖掘技術

  • 作者：彭進香//張莉//劉鑫|責編:桑任松
  • 出版社：清華大學
  • ISBN：9787302651949
  • 出版日期：2024/03/01
  • 裝幀：平裝
  • 頁數：250
人民幣：RMB 48 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書主要介紹數據分析與挖掘的相關理論和技術方法，重點介紹數據挖掘的相關技術，書中採取理論知識與具體實現任務相結合的方法，系統講解了數據分析與挖掘的實用技術。全書主要內容包括數據分析與數據挖掘概論、數據倉庫與聯機分析處理、數據預處理、關聯規則挖掘、聚類分析、回歸分析、決策樹分析、SPSS數據挖掘基礎、SPSS數據挖掘統計分析方法。為了使學習者能輕鬆掌握數據分析與挖掘相關的概念、演算法和應用，本書通過典型的應用實例以任務驅動的方式讓學習者理解數據挖掘有關演算法的實踐思路並體驗實現過程。
    本書可作為電腦、大數據、智能科學等專業的課程的教材使用，也可以作為從事大數據分析與數據挖掘等相關工作技術人員的參考書。
作者介紹
彭進香//張莉//劉鑫|責編:桑任松
目錄
第1章  數據分析與數據挖掘概論
  1.1  數據分析
    1.1.1  數據分析的定義
    1.1.2  數據分析的工具
    1.1.3  數據分析的方法與案例
  1.2  數據挖掘
    1.2.1  數據挖掘的定義
    1.2.2  數據挖掘的目的
    1.2.3  數據挖掘的工具
    1.2.4  數據挖掘的方法和經典演算法
  小結
  思考題
第2章  數據倉庫與聯機分析處理
  2.1  數據倉庫
    2.1.1  數據倉庫的定義和特點
    2.1.2  數據倉庫與資料庫的區別
    2.1.3  數據倉庫的系統結構
    2.1.4  數據倉庫的數據模型
  2.2  數據倉庫的設計步驟
    2.2.1  概念模型設計
    2.2.2  邏輯模型設計
    2.2.3  物理模型設計
    2.2.4  數據倉庫的生成
    2.2.5  數據倉庫的運行與維護
  2.3  聯機分析處理
    2.3.1  聯機分析處理的定義
    2.3.2  聯機分析處理的多維數據存儲
    2.3.3  聯機分析處理的分類
  小結
  思考題
第3章  數據預處理
  3.1  數據預處理概述
    3.1.1  數據預處理的目的
    3.1.2  數據預處理的方法
  3.2  數據清洗
    3.2.1  數據清洗的方法和步驟
    3.2.2  缺失值的識別與處理技巧
    3.2.3  異常值的判斷、檢驗與處理
  3.3  數據集成
    3.3.1  數據集成常見方法
    3.3.2  數據衝突的檢測和解決
    3.3.3  處理數據集成中的冗餘數據
    3.3.4  相關分析
  3.4  數據變換
    3.4.1  數據變換過程中的離散化
    3.4.2  數據變換的規範化方法
  3.5  數據規約
    3.5.1  數據規約的定義與目的
    3.5.2  常用的數據規約策略
  小結

  思考題
第4章  關聯規則挖掘
  4.1  關聯規則挖掘概述
    4.1.1  關聯規則的分類及應用
    4.1.2  關聯規則挖掘示例
  4.2  Apriori演算法
    4.2.1  Apriori演算法的定義與特點
    4.2.2  Apriori演算法的應用
    4.2.3  Apriori演算法分析與改進
  4.3  FP-Growth演算法
    4.3.1  FP-Growth演算法的基本思想
    4.3.2  FP-Growth演算法的特點及改進
  小結
  思考題
第5章  聚類分析
  5.1  聚類分析概述
    5.1.1  什麼是聚類分析
    5.1.2  聚類中的相異度計算
  5.2  基於劃分的聚類
    5.2.1  K-means演算法
    5.2.2  K-medoids演算法
    5.2.3  K-medoids演算法中的PAM演算法示例
  5.3  基於層次的聚類
    5.3.1  層次聚類的基本思想
    5.3.2  AGNES演算法
    5.3.3  DIANA演算法
    5.3.4  Birch層次聚類演算法
  5.4  基於密度的聚類
    5.4.1  DBSCAN演算法的流程
    5.4.2  DBSCAN演算法的性能分析
    5.4.3  OPTICS密度聚類演算法
  5.5  基於模型的聚類演算法
    5.5.1  高斯混合模型的原理
    5.5.2  EM演算法的應用
  小結
  思考題
第6章  回歸分析
  6.1  回歸分析概述
  6.2  簡單線性回歸分析
    6.2.1  簡單線性回歸分析的定義
    6.2.2  簡單線性回歸分析的應用
  6.3  多元回歸分析
    6.3.1  多元回歸分析的定義
    6.3.2  多元回歸分析的步驟
    6.3.3  多元回歸分析的應用
  6.4  嶺回歸分析
    6.4.1  嶺回歸分析的原理
    6.4.2  嶺回歸分析在數據挖掘領域的應用
  6.5  邏輯回歸分析
    6.5.1  邏輯回歸分析的原理

    6.5.2  邏輯回歸模型的建立與參數估計
    6.5.3  邏輯回歸分析的優化和改進
    6.5.4  邏輯回歸分析在數據挖掘領域的發展趨勢
  小結
  思考題
第7章  決策樹分析
  7.1  決策樹分析的有關概念
    7.1.1  資訊理論的基本原理
    7.1.2  決策樹分析流程
    7.1.3  決策樹分類演算法
  7.2  ID3演算法
    7.2.1  ID3演算法介紹
    7.2.2  ID3演算法的實例分析
    7.2.3  ID3演算法的特點及應用
    7.3C4.5  演算法
      7.3.1C4.5  演算法介紹
      7.3.2C4.5  演算法的特點及應用
  7.4  CART演算法
    7.4.1  CART演算法的原理與特點
    7.4.2  CART演算法的應用
  小結
  思考題
第8章  SPSS數據挖掘基礎
  8.1  SPSS的發展
  8.2  SPSS應用入門
  8.3  SPSS界面介紹
    8.3.1  SPSS的窗口
    8.3.2  SPSS的菜單
  8.4  建立SPSS文件
    8.4.1  SPSS文件類型
    8.4.2  數據錄入
    8.4.3  文件的保存與導出
  8.5  SPSS數據的變數屬性定義
    8.5.1  變數名稱和類型
    8.5.2  變數寬度和小數
    8.5.3  標籤和值
    8.5.4  變數缺失值
    8.5.5  變數顯示列、對齊方式
    8.5.6  變數測量方式和變數角色
  8.6  SPSS數據管理
    8.6.1  插入或刪除個案
    8.6.2  插入或刪除變數
    8.6.3  數據排序
    8.6.4  數據的行列轉置
    8.6.5  選取個案
    8.6.6  數據合併
    8.6.7  拆分數據文件
  8.7  SPSS數據轉換
    8.7.1  計算產生變數
    8.7.2  對個案內的值計數

    8.7.3  重新編碼
  小結
  思考題
第9章  SPSS數據挖掘統計分析方法
  9.1  基本描述統計
    9.1.1  頻數分析
    9.1.2  描述分析
    9.1.3  探索分析
    9.1.4  交叉表分析
  9.2  T檢驗
    9.2.1  單樣本T檢驗
    9.2.2  獨立樣本T檢驗
    9.2.3  配對樣本T檢驗
  9.3  方差分析
    9.3.1  單因素方差分析
    9.3.2  多因素方差分析
    9.3.3  重複測量方差分析
  9.4  在SPSS中應用多元回歸分析
    9.4.1  多元線性回歸分析的應用
    9.4.2  Logistic回歸的應用
  9.5  在SPSS中應用聚類分析
    9.5.1  兩步聚類分析
    9.5.2  K-平均值聚類分析
    9.5.3  系統聚類分析
  9.6  在SPSS中應用相關分析
    9.6.1  線性相關分析
    9.6.2  偏相關分析
  9.7  因子分析
  小結
  思考題
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032