數據挖掘演算法與 Clementine 實踐 数据挖掘算法与Clementine实践
熊平
- 出版商: 清華大學
- 出版日期: 2011-04-01
- 售價: $174
- 貴賓價: 9.5 折 $165
- 語言: 簡體中文
- 頁數: 237
- 裝訂: 平裝
- ISBN: 7302235015
- ISBN-13: 9787302235019
-
相關分類:
Algorithms-data-structures
立即出貨(限量) (庫存=1)
買這商品的人也買了...
-
致富，從建立正確的心態開始 (Weekend Millionaire Mindset)$330$297 -
我的有錢人計畫$220$198 -
大話資料結構$590$502 -
學徒模式－優秀軟體開發者的養成之路 (Apprenticeship Patterns: Guidance for the Aspiring Software Craftsman)$420$332 -
CNN主播教你用英語環遊世界(+1片DVD-ROM電腦互動光碟（含朗讀MP3功能）)$399$315 -
培養與鍛鍊程式設計的邏輯腦：世界級程式設計大賽的知識、心得與解題分享, 2/e (CPE 大學程式能力檢定最佳參考用書)$520$406 -
精通 Objective-C 程式設計, 6/e (Programming in Objective-C, 6/e)$580$458 -
$403Visual C++ 數字圖像模式識別典型案例詳解 -
敏捷與 Scrum 軟體開發速成 (The Elements of Scrum)$300$234 -
$250機器學習系統設計 (Building Machine Learning Systems with Python) -
作業系統概念, 9/e (授權經銷版) (Operating System Concepts, 9/e)$850$808 -
Android 程式設計入門、應用到精通--增訂第三版 (適用 5.X~1.X, Android Wear 穿戴式裝置)$560$442 -
應用 R 語言於資料分析-從機器學習、資料探勘到巨量資料$380$19 -
Android App 程式設計教本之無痛起步 -- 使用 Android Studio 開發環境$550$468 -
Arduino 自作專案大百科 (Arduino Project Handbook)$380$323 -
$250大數據演算法 -
精通 Python｜運用簡單的套件進行現代運算 (Introducing Python: Modern Computing in Simple Packages)$780$616 -
iOS 9 App 程式設計實力超進化實戰攻略：知名iOS教學部落格AppCoda作家親授實作關鍵技巧讓你不NG (Beginning iOS 9 Programming with Swift)$690$538 -
$203擁抱大數據(新常態下的數據分析典型案例) -
$356Android 智能穿戴設備開發實戰詳解 (附光盤) -
Raspberry Pi 3 Model B(UK製) (晶片升級版：BCM2837B0)$1,680$1,596 -
Visual Studio 2015 X Cordova 跨平台App 實戰特訓班 (附近120分鐘關鍵影音教學/全書範例程式)$480$379 -
職業駭客的告白 : 軟體反組譯、木馬病毒與入侵翻牆竊密$620$484 -
$454精通 Android 網絡開發 -
JavaScript 資料結構及演算法實作 (Learning JavaScript Data Structures and Algorithms)$320$250
相關主題
商品描述
<內容簡介>
熊平編著的《數據挖掘演算法與Clementine實踐》主要介紹了幾種最成熟的數據挖掘方法，並針對每種方法，介紹了應用最廣泛的幾種實現演算法。書中以Clementine12.0為平臺，用實例介紹了每種演算法的具體應用。《數據挖掘演算法與Clementine實踐》各章分別介紹了數據挖掘和Clementine軟件、決策樹分類方法（包括ID3、C4.5、C5.0、CART等演算法）、聚類分析方法（包括K-Means演算法和TwoStep演算法）、關聯規則挖掘方法（包括Apriori演算法、CARMA演算法和序列模式挖掘演算法）、數據篩選演算法（包括特徵選擇演算法和異常檢測演算法）、回歸分析方法（包括線性回歸演算法和二項Logistic回歸）、神經網絡構建方法（包括多層感知器網絡、RBF網絡以及Kohonen網絡的構建演算法）、時間序列分析方法（包括指數平滑法和ARIMA模型構建方法）。
<目錄>
第1章 數據挖掘概述
1.1 數據挖掘簡介
1.1.1 數據、信息和知識
1.1.2 數據挖掘的定義
1.2 數據挖掘過程
1.3 數據挖掘方法
1.4 數據挖掘工具及軟件
第2章 Clementine概述
2.1 Clementine簡介
2.2 Clementine基本操作
2.2.1 Clementine主窗口
2.2.2 數據流的基本操作
第3章 決策樹
3.1 分類與決策樹概述
3.1.1 分類與預測
3.1.2 決策樹的基本原理
3.2 ID3、C4.5與C5.0
3.2.1 ID3
3.2.2 C4.5
3.2.3 C5.0
3.2.4 在Clementine中應用C5.0
3.3 CAWT
3.3.1 生成最大樹
3.3.2 樹的修剪
3.3.3 子樹評估
3.3.4 在Clementine中應用CART
第4章 聚類分析
4.1 聚類分析概述
4.1.1 聚類分析的概念
4.1.2 聚類分析的基本方法
4.2 K—MeaIls演算法
4.2.1 數據預處理
4.2.2 K—Means演算法流程
4.2.3 在Clementine中應用K—Means
4.3 TwoStep演算法
4.3.1 構建CF樹
4.3.2 聚類
4.3.3 在Clementine中應用TwoStep
第5章 關聯規則
5.1 關聯規則概述
5.1.1 關聯規則的定義
5.1.2 關聯規則的基本概念
5.1.3 關聯規則挖掘演算法
5.2 Apriori演算法
5.2.1 Apriori演算法原理
5.2.2 在Clementine中應用Apnod演算法
5.3 CARMA演算法
5.3.1 CARMA演算法原理
5.3.2 在Clementine中應用CARMA演算法
5.4 序列模式
5.4.1 序列與序列模式
5.4.2 序列模式挖掘演算法
5.4.3 在Clementine中應用序列模式挖掘
第6章 數據篩選
6.1 特徵選擇
6.1.1 特徵選擇演算法概述
6.1.2 篩選
6.1.3 分級
6.1.4 選擇
6.1.5 在Clementine中應用特徵選擇
6.2 異常檢測
6.2.1 異常數據挖掘概述
6.2.2 異常檢測演算法
6.2.3 在Clementine中應用異常檢測
第7章 統計模型
7.1 線性回歸
7.1.1 線性回歸的基本原理
7.1.2 在Clementine中應用線性回歸
7.2 二項Logistic回歸
7.2.1 二項Logistic回歸的基本原理
7.2.2 在Clementine中應用Logistic回歸
第8章 神經網絡
8.1 神經網絡原理
8.1.1 神經網絡基本概念
8.1.2 神經網絡及其學習
8.2 多層感知器與RBF網絡
8.2.1 多層感知器
8.2.2 徑向基函數網絡
8.2.3 在Clementine中應用神經網絡
8.3 Kohonen網絡
8.3.1 自組織神經網絡
8.3.2 自組織特徵映射網絡
8.3.3 在Clementine中應用Kohonen網絡
第9章 時間序列分析與預測
9.1 時間序列概述
9.1.1 時間序列基本概念
9.1.2 時間序列預測的傳統方法
9.2 指數平滑法
9.2.1 指數平滑法概述
9.2.2 指數平滑模型
9.3 ARIMA模型
9.3.1 ARMA模型
9.3.2 差分運算與ARIMA模型
9.3.3 ARIMA建模過程
9.3.4 在Clementine中應用時間序列分析
參考文獻
