數(shù)據(jù)挖掘教程

內(nèi)容概要

　　《數(shù)據(jù)挖掘教程》的文字內(nèi)容主要參考了美國(guó)麻省理工學(xué)院的數(shù)據(jù)挖掘開放講義、國(guó)外許多大學(xué)老師關(guān)于數(shù)據(jù)挖掘課程的教學(xué)資料以及網(wǎng)絡(luò)上對(duì)有關(guān)算法的介紹材料。書中使用的數(shù)據(jù)均來自統(tǒng)計(jì)學(xué)教材或數(shù)據(jù)挖掘教材中使用的標(biāo)準(zhǔn)數(shù)據(jù)，數(shù)據(jù)分析結(jié)果和圖形展示由作者自己制作的西南財(cái)經(jīng)大學(xué)數(shù)據(jù)挖掘系統(tǒng)軟件生成。

作者簡(jiǎn)介

　　李保坤，美國(guó)新墨新墨西哥州立大學(xué)博士，西南財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院副教授，應(yīng)用統(tǒng)計(jì)研究所副所長(zhǎng)。

書籍目錄

第一章　介紹1.1　這本書的讀者對(duì)象1.2　什么是數(shù)據(jù)挖掘1.3　數(shù)據(jù)挖掘的用途1.4　數(shù)據(jù)挖掘的起源1.5　術(shù)語(yǔ)和注釋1.6　數(shù)據(jù)集合的組織1.7　數(shù)據(jù)挖掘迅速發(fā)展的因素第二章　數(shù)據(jù)挖掘過程概覽2.1　數(shù)據(jù)挖掘的核心思想2.2　有約束學(xué)習(xí)和無約束學(xué)習(xí)2.3　數(shù)據(jù)挖掘的步驟2.4　SEMMA2.5　預(yù)備階段附錄：數(shù)據(jù)分塊方法2.6建立模型--線性回歸的一個(gè)例子第三章　有約束學(xué)習(xí)--分類和預(yù)測(cè)3.1　一個(gè)分兩類的分類法3.2　貝葉斯最小誤差法則3.3　采用分類誤差作為標(biāo)準(zhǔn)的分類方法評(píng)價(jià)3.4　不對(duì)稱錯(cuò)誤分類代價(jià)和貝葉斯風(fēng)險(xiǎn)3.5　分層采樣和不對(duì)稱代價(jià)3.6　推廣到多于兩類的情況3.7　提升圖3.8　波士頓住房（兩類）3.9　采用三分（Triage）策略的分類第四章　多元線性回歸4.1　多元線性回歸復(fù)習(xí)4.2　回歸過程舉例4.3　線性回歸的自變量選擇4.4　線性回歸分析的一般步驟第五章　Logistic回歸5.1　一個(gè)簡(jiǎn)單例子5.2　Logistic回歸模型5.3　機(jī)會(huì)比（Odds Ratio）5.4　概率5.5　模型擬合的又一個(gè)例子附錄A：回歸系數(shù)的極大似然估計(jì)和置信區(qū)間計(jì)算附錄B：使用西南財(cái)大數(shù)據(jù)挖掘系統(tǒng)對(duì)波士頓住宅區(qū)的數(shù)據(jù)處理第六章　神經(jīng)網(wǎng)絡(luò)6.1　神經(jīng)元（一個(gè)數(shù)學(xué)模型）6.2　神經(jīng)網(wǎng)絡(luò)6.3　費(fèi)歇爾（Fisher）的鳶尾花數(shù)據(jù)6.4　后向傳播算法--分類6.5　調(diào)整網(wǎng)絡(luò)用于預(yù)測(cè)6.6　多個(gè)區(qū)域最優(yōu)和遍數(shù)6.7　過分?jǐn)M合和訓(xùn)練遍數(shù)的選擇6.8　結(jié)構(gòu)的適應(yīng)性選擇6.9　成功應(yīng)用的例子附錄：使用西南財(cái)大數(shù)據(jù)挖掘系統(tǒng)的神經(jīng)網(wǎng)絡(luò)分類演示第七章　分類與回歸樹7.1　分類樹7.2　遞歸分區(qū)7.3　騎乘式割草機(jī)7.4　剪枝7.5　最小誤差樹7.6　最佳剪枝樹7.7　樹的分類規(guī)則7.8　回歸樹附錄：西南財(cái)大數(shù)據(jù)挖掘系統(tǒng)分類樹介紹第八章　判別分析8.1　騎乘式割草機(jī)8.2　Fisher的線性判別函數(shù)8.3　貝葉斯線性分類函數(shù)8.4　距離度量8.5　分類誤差8.6　鳶尾花的分類附錄A：馬氏距離附錄B：西南財(cái)大數(shù)據(jù)挖掘系統(tǒng)的判別分析第九章　其他有約束學(xué)習(xí)方法9.1　K-最近鄰點(diǎn)9.2　簡(jiǎn)單貝葉斯9.3　簡(jiǎn)單貝葉斯分類實(shí)例第十章　關(guān)聯(lián)分析--關(guān)聯(lián)法則10.1　發(fā)現(xiàn)交易數(shù)據(jù)庫(kù)里的關(guān)聯(lián)法則10.2　支持度和置信度10.3　增益和重要性10.4　相關(guān)系數(shù)和負(fù)關(guān)聯(lián)法則10.5　先驗(yàn)算法10.6　缺點(diǎn)第十一章　數(shù)據(jù)精簡(jiǎn)和探索11.1　降維--主成分分析11.2　成年長(zhǎng)子的頭部測(cè)量數(shù)值11.3　主成分11.4　葡萄酒的特征11.5　數(shù)據(jù)標(biāo)準(zhǔn)化11.6　主成分和正交最小二乘第十二章　聚類分析12.1　什么是聚類分析？12.2　電力公司數(shù)據(jù)12.3　層次聚類法12.4　k-均值算法12.5　相似測(cè)度12.6　其他的距離測(cè)度附錄：西南財(cái)大數(shù)據(jù)挖掘系統(tǒng)的聚類分析

章節(jié)摘錄

　　第一章　介紹　　1.1　這本書的讀者對(duì)象　　數(shù)據(jù)挖掘通常要涉及統(tǒng)計(jì)和機(jī)器學(xué)習(xí)（或者叫做人工智能）方面的算法。如果作者的目的只是讓讀者掌握數(shù)據(jù)挖掘的技術(shù)和工具的話，這類書籍因?yàn)槿狈υ敿?xì)的解釋，因此對(duì)讀者的指導(dǎo)作用就不會(huì)太強(qiáng)。另外也有許多關(guān)于數(shù)據(jù)挖掘算法比較專業(yè)的書籍，它們的對(duì)象是統(tǒng)計(jì)研究人員或者高年級(jí)的研究生，里面沒有具體的商業(yè)案例分析，因此一般的讀者會(huì)覺得太澀。有鑒于此，我們?cè)趯懽鞔藭鴷r(shí)內(nèi)容上主要突出了以下兩個(gè)特色：　　（1）介紹分類、預(yù)測(cè)、數(shù)據(jù)精簡(jiǎn)等數(shù)據(jù)挖掘核心技術(shù)的基礎(chǔ)理論和算法；　?。?）采用商業(yè)案例說明這些算法的使用?！　×硗猓@本書在形式上和普通的書籍有一個(gè)顯著的區(qū)別：它配備了一套演示各種算法的軟件——西南財(cái)經(jīng)大學(xué)數(shù)據(jù)挖掘系統(tǒng)，供讀者理解數(shù)據(jù)挖掘思想、算法以及進(jìn)行數(shù)據(jù)挖掘練習(xí)。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    數(shù)據(jù)挖掘教程 PDF格式下載

---