数据挖掘 概念、模型、方法和算法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据挖掘 概念、模型、方法和算法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 数据挖掘的概念1

1.1 概述1

1.2 数据挖掘的起源3

1.3 数据挖掘过程5

1.3.1 陈述问题和阐明假设5

1.3.2 数据收集6

1.3.3 数据预处理6

1.3.4 模型评估7

1.3.5 解释模型和得出结论7

1.4 大型数据集8

1.5 数据仓库12

1.6 本书的结构14

1.7 复习题15

1.8 参考书目16

第2章 数据准备17

2.1 原始数据的表述17

2.2 原始数据的特性20

2.3 原始数据的转换22

2.4 丢失数据24

2.5 时间相关数据25

2.6 异常点分析29

2.7 复习题32

2.8 参考书目33

第3章 数据归约35

3.1 大型数据集的维度35

3.2 特征归约37

3.3 特征排列的熵度量41

3.4 主成分分析43

3.5 值归约45

3.6 特征离散化：ChiMerge技术48

3.7 案例归约51

3.8 复习题54

3.9 参考书目55

第4章 从数据中学习57

4.1 机器学习58

4.2 统计学习原理62

4.3 学习方法的类型67

4.4 常见的学习任务68

4.5 模型估计72

4.6 复习题76

4.7 参考书目77

第5章 统计方法78

5.1 统计推断78

5.2 评测数据集的差异80

5.3 贝叶斯定理82

5.4 预测回归84

5.5 方差分析89

5.6 对数回归92

5.7 对数-线性模型93

5.8 线性判别分析96

5.9 复习题98

5.10 参考书目99

第6章 聚类分析101

6.1 聚类概念101

6.2 相似度的度量104

6.3 凝聚层次聚类108

6.4 分区聚类112

6.5 增量聚类114

6.6 复习题117

6.7 参考书目119

第7章 决策树和决策规则120

7.1 决策树121

7.2 C4.5算法：生成一个决策树122

7.3 未知属性值128

7.4 修剪决策树132

7.5 C4.5算法：生成决策规则133

7.6 决策树和决策规则的局限性136

7.7 关联分类方法137

7.8 复习题140

7.9 参考书目142

第8章 关联规则144

8.1 购物篮分析144

8.2 APRIORI算法146

8.3 从频繁项集得到关联规则148

8.4 提高APRIORI算法的效率149

8.5 频繁模式增长方法(FP-增长方法)151

8.6 多维关联规则挖掘153

8.7 WEB挖掘154

8.8 HITS和LOGSOM算法156

8.9 挖掘路径遍历模式161

8.10 文本挖掘164

8.11 复习题167

8.12 参考书目169

第19章 人工神经网络171

9.1 人工神经元的模型172

9.2 人工神经网络的结构176

9.3 学习过程177

9.4 学习任务181

9.5 多层感知机183

9.6 竞争网络和竞争学习189

9.7 复习题193

9.8 参考书目195

第10章 遗传算法196

10.1 遗传算法的基本原理197

10.2 用遗传算法进行优化198

10.3 遗传算法的一个简单例证203

10.4 图式(SCHEMATA)208

10.5 旅行推销员问题210

10.6 使用遗传算法的机器学习212

10.7 复习题216

10.8 参考书目217

第11章 模糊集和模糊逻辑219

11.1 模糊集219

11.2 模糊集的运算224

11.3 扩展原理和模糊关系229

11.4 模糊逻辑和模糊推理系统233

11.5 多因子评价237

11.6 从数据中提取模糊模型239

11.7 复习题244

11.8 参考书目246

第12章 可视化方法247

12.1 感知和可视化247

12.2 科学可视化和信息可视化248

12.3 平行坐标253

12.4 放射性可视化256

12.5 KOHONEN自组织映射258

12.6 数据挖掘的可视化系统259

12.7 复习题263

12.8 参考书目264

第13章 参考书目266

附录A 数据挖掘工具281

附录B 数据挖掘应用300