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

數據挖掘基礎與案例(普通高等教育電腦類系列教材)

  • 作者：編者:米紅娟//楊鵬斐//易紀海//宋帥|責編:劉麗敏//侯穎
  • 出版社：機械工業
  • ISBN：9787111810377
  • 出版日期：2026/06/01
  • 裝幀：平裝
  • 頁數：267
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書共7章，重點介紹三方面的內容：數據挖掘的基礎知識，包括數據挖掘的概念、標準過程模型、數據預處理、分類、關聯分析、聚類分析等；數據挖掘工具，包括Python基礎、NumPy工具包、Pandas工具包、Matplotlib繪圖庫和 Scikit-Learn工具包；數據挖掘案例，包括分類、關聯分析、聚類分析三個應用主題，每個案例都系統地展示了一個數據挖掘項目的具體過程和分析細節（其中一個案例還給出了Python的實現方法與代碼）。
    本書為融媒體新形態教材，從教學需求出發，為使用本書作為教材的教師提供教學課件、例題代碼、習題參考答案、實驗的步驟與代碼等配套資源。關於本書配套數字資源：圖片可手機掃碼在線瀏覽；掃描zip文件二維碼后，請複製郵箱內的文件下載鏈接，在新瀏覽器頁面打開下載，避免郵箱攔截鏈接。
    本書可作為本科生數據挖掘課程的教材，也可作為數據挖掘愛好者和相關從業人員的參考書。
作者介紹
編者:米紅娟//楊鵬斐//易紀海//宋帥|責編:劉麗敏//侯穎
    米紅娟，蘭州財經大學教授，管理科學與工程碩士生導師。1986年畢業於蘭州大學計算數學專業，入職西北師範大學任教，隨後在復旦大學主修統計運籌學碩士研究生課程。1996年調入蘭州財經大學任教至今，期間在蘭州大學電腦應用研究生班學習升造，在日本筑波大學訪學。     主要研究方向：數據挖掘、電腦應用。     主要講授課程：數據挖掘、決策支持系統、數值分析、MATLAB、資料庫應用基礎。     近年發表論文二十余篇。主持或參與完成科研項目13項，7項通過甘肅省科技廳鑒定。作為負責人完成項目6項，包括甘肅省自然科學基金資助項目1項；作為主要負責人之一，完成甘肅省中青年科技基金項目1項。共編著教材9部，6部擔任主編，1部擔任副主編，2部參編。     曾獲蘭州市科學技術進步二等獎；多次榮獲優秀教學獎、教學成果—等獎、優秀教學成果獎、科研成果獎及「教書育人」先進個人等榮譽稱號。
目錄
前言
第1章  緒論
  1.1  數據挖掘的概念與流程
    1.1.1  數據挖掘的概念
    1.1.2  數據挖掘的標準過程模型
  1.2  數據挖掘的主要任務
    1.2.1  分類與回歸
    1.2.2  聚類分析
    1.2.3  關聯分析
    1.2.4  異常檢測
  1.3  數據挖掘的應用
    1.3.1  數據挖掘在金融行業的應用
    1.3.2  數據挖掘在電信行業的應用
    1.3.3  數據挖掘在醫療行業的應用
    1.3.4  推薦系統
  習題
  參考文獻
第2章  數據挖掘工具
  2.1  Python
    2.1.1  Python基礎
    2.1.2  NumPy工具包
    2.1.3  Pandas工具包
    2.1.4  Matplotlib繪圖庫
  2.2  Scikit-Learn工具包
    2.2.1  數據集
    2.2.2  k近鄰分類器
    2.2.3  決策樹
    2.2.4  樸素貝葉斯分類器
    2.2.5  多層感知器
    2.2.6  支持向量機
    2.2.7  隨機森林與AdaBoost
    2.2.8  k均值聚類
    2.2.9  基於密度的聚類
    2.2.10  主成分分析
  習題
  實驗
  參考文獻
第3章  數據
  3.1  數據概述
    3.1.1  數據類型
    3.1.2  數據質量
    3.1.3  數據來源
  3.2  探索數據
    3.2.1  匯總統計
    3.2.2  數據可視化
  3.3  數據預處理
    3.3.1  數據預處理任務
    3.3.2  數據清洗
    3.3.3  數據歸約
    3.3.4  數據離散化

    3.3.5  數據規範化
  3.4  數據對象相似性與相異性度量
    3.4.1  數據矩陣與鄰近度矩陣
    3.4.2  標稱屬性的鄰近度
    3.4.3  二元屬性的鄰近度
    3.4.4  數值屬性的鄰近度
    3.4.5  序數屬性的鄰近度
    3.4.6  混合類型屬性的鄰近度
    3.4.7  餘弦相似度和廣義Jaccard係數
  習題
  實驗
  參考文獻
第4章  分類的概念與方法
  4.1  分類的基本概念
  4.2  分類的一般方法
  4.3  決策樹歸納
    4.3.1  決策樹歸納的基本原理
    4.3.2  屬性劃分的度量
    4.3.3  樹的剪枝
    4.3.4  決策樹歸納演算法
    4.3.5  由決策樹提取規則
    4.3.6  決策樹歸納的一般特點
  4.4  模型的評估與選擇
    4.4.1  模型的過擬合
    4.4.2  模型的性能度量
    4.4.3  模型評估——交叉驗證法
    4.4.4  模型選擇
  4.5  k-最近鄰分類
    4.5.1  k-最近鄰分類原理
    4.5.2  最近鄰分類器的特點
  4.6  樸素貝葉斯分類器
    4.6.1  貝葉斯定理
    4.6.2  樸素貝葉斯分類器的原理
    4.6.3  樸素貝葉斯分類器的特徵
  4.7  Logistic回歸
    4.7.1  Logistic回歸的基本原理
    4.7.2  Logistic回歸的特點
  4.8  人工神經網路
    4.8.1  多層前饋神經網路
    4.8.2  誤差反向傳播演算法
    4.8.3  人工神經網路的特點
    4.8.4  人工神經網路與深度學習
  4.9  支持向量機
    4.9.1  線性可分支持向量機
    4.9.2  軟間隔支持向量機
    4.9.3  非線性支持向量機
    4.9.4  支持向量機的優缺點
  4.10  集成學習方法
    4.10.1  基本原理
    4.10.2  隨機森林

  4.11  分類的典型應用
  習題
  實驗
  參考文獻
第5章  關聯分析的概念與方法
  5.1  關聯分析的基本概念
    5.1.1  購物籃分析
    5.1.2  頻繁項集和關聯規則
  5.2  關聯分析的基本任務
  5.3  關聯分析方法
    5.3.1  先驗原理
    5.3.2  Apriori演算法產生頻繁項集
    5.3.3  Apriori演算法生成關聯規則
  5.4  頻繁項集的緊湊表示
    5.4.1  極大頻繁項集
    5.4.2  閉頻繁項集
  5.5  關聯模式評估
    5.5.1  模式的客觀興趣度度量
    5.5.2  支持度-置信度框架的局限性
    5.5.3  提升度、相關度與IS度量
  5.6  關聯分析的典型應用
  習題
  實驗
  參考文獻
第6章  聚類分析的概念與方法
  6.1  聚類分析的基本概念
    6.1.1  聚類分析
    6.1.2  聚類分析方法
  6.2  k均值聚類
    6.2.1  基本k均值演算法
    6.2.2  基本k均值演算法的初始化問題
    6.2.3  二分k均值演算法
    6.2.4  k均值的優點和缺點
  6.3  凝聚的層次聚類
    6.3.1  簇間鄰近度
    6.3.2  基本凝聚層次聚類演算法及實現
    6.3.3  層次聚類的優點和主要問題
  6.4  DBSCAN聚類
    6.4.1  DBSCAN演算法的相關概念
    6.4.2  DBSCAN演算法及實現
    6.4.3  DBSCAN演算法參數選擇
    6.4.4  DBSCAN演算法的優缺點
  6.5  聚類評估
    6.5.1  概述
    6.5.2  無監督簇評估：凝聚度、分離度與輪廓係數
    6.5.3  確定簇的數目
    6.5.4  聚類趨勢
  6.6  聚類分析的典型應用
    6.6.1  環境與數據準備
    6.6.2  實驗步驟

    6.6.3  總結與結論
  習題
  實驗
  參考文獻
第7章  案例分析
  7.1  機票航班延誤預測
    7.1.1  應用背景與目標
    7.1.2  數據探索與理解
    7.1.3  數據預處理
    7.1.4  分類模型構建與評估
    7.1.5  模型的作用
  7.2  零售行業購物籃分析
    7.2.1  應用背景與目標
    7.2.2  數據探索與理解
    7.2.3  數據預處理
    7.2.4  關聯規則挖掘與評估
    7.2.5  規則解釋
  7.3  航空公司客戶價值分析
    7.3.1  應用背景與目標
    7.3.2  數據探索與理解
    7.3.3  數據預處理
    7.3.4  聚類模型構建與評估
    7.3.5  模型解釋與應用

  • 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