数据挖掘与应用/北京大学光华管理学院教材

数据挖掘与应用/北京大学光华管理学院教材
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者:
2009-06
版次: 1
ISBN: 9787301152393
定价: 22.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 185页
字数: 220千字
正文语种: 简体中文
48人买过
  •   《数据挖掘与应用》全面地介绍了数据挖掘的相关主题.包括数据理解与数据准备、关联规则挖掘、多元统计中的降维方法、聚类分析、神经网络、决策树方法、模型评估等内容。全书体系完整,文字精炼,注重对数据挖掘方法的直觉理解及其应用:同时,保持了一定的严谨性,为学生理解和运用这些方法提供了坚实的基础。
      《数据挖掘与应用》实例丰富,并附有相应SAS程序,以便于学生尽快理解相关内容并用以解决实际问题。
      《数据挖掘与应用》配有教辅,可以免费提供给任课教师使用。如需要,欢迎填写书后的“教师反馈及课件申请表’索取。   张俊妮,美国哈佛大学统计学博士,现为北京大学光华管理学院商务统计及经济计量系副教授。研究领域包括因果推断、贝叶斯分析、蒙特卡洛方法、数据挖掘。在JournalofAmericanStatisticalAssociation、StatisticaSinica、JournalofEducationalandBehavioralStatistics、《经济学(季刊)》、《数理统计与管理》、《管理世界》等期刊上发表论文十余篇。 第一章数据挖掘概述
    1.1什么是数据挖掘
    1.2数据挖掘的应用
    1.3数据挖掘方法论
    第二章数据理解和数据准备
    2.1数据理解
    2.2数据准备
    2.3使用SAS进行数据理解和数据准备:FNBA信用卡数据
    第三章关联规则挖掘
    3.1关联规则的实际意义
    3.2关联规则的基本概念及Apriori算法
    3.3负关联规则
    3.4序列关联规则
    3.5使用SAS进行关联规则挖掘
    第四章多元统计中的降维方法
    4.1主成分分析
    4.2探索性因子分析
    4.3多维标度分析
    第五章聚类分析
    5.1距离与相似度的度量
    5.2k均值聚类法
    5.3层次聚类法
    第六章预测性建模的一些基本方法
    6.1判别分析
    6.2朴素贝叶斯分类算法
    6.3k近邻法
    6.4线性模型与广义线性模型
    第七章神经网络
    7.1神经网络架构及基本组成
    7.2误差函数
    7.3神经网络训练算法
    7.4提高神经网络模型的可推广性
    7.5数据预处理
    7.6使用SAS建立神经网络模型
    7.7自组织图
    第八章决策树
    8.1决策树简介
    8.2决策树的生长与修剪
    8.3对缺失数据的处理
    8.4变量选择
    8.5决策树的优缺点
    第九章模型评估
    9.1因变量为二分变量的情形
    9.2因变量为多分变量的情形
    9.3因变量为连续变量的情形
    9.4使用SAS评估模型
    第十章模型组合与两阶段模型
    10.1模型组合
    10.2随机森林
    10.3两阶段模型
    参考文献
  • 内容简介:
      《数据挖掘与应用》全面地介绍了数据挖掘的相关主题.包括数据理解与数据准备、关联规则挖掘、多元统计中的降维方法、聚类分析、神经网络、决策树方法、模型评估等内容。全书体系完整,文字精炼,注重对数据挖掘方法的直觉理解及其应用:同时,保持了一定的严谨性,为学生理解和运用这些方法提供了坚实的基础。
      《数据挖掘与应用》实例丰富,并附有相应SAS程序,以便于学生尽快理解相关内容并用以解决实际问题。
      《数据挖掘与应用》配有教辅,可以免费提供给任课教师使用。如需要,欢迎填写书后的“教师反馈及课件申请表’索取。
  • 作者简介:
      张俊妮,美国哈佛大学统计学博士,现为北京大学光华管理学院商务统计及经济计量系副教授。研究领域包括因果推断、贝叶斯分析、蒙特卡洛方法、数据挖掘。在JournalofAmericanStatisticalAssociation、StatisticaSinica、JournalofEducationalandBehavioralStatistics、《经济学(季刊)》、《数理统计与管理》、《管理世界》等期刊上发表论文十余篇。
  • 目录:
    第一章数据挖掘概述
    1.1什么是数据挖掘
    1.2数据挖掘的应用
    1.3数据挖掘方法论
    第二章数据理解和数据准备
    2.1数据理解
    2.2数据准备
    2.3使用SAS进行数据理解和数据准备:FNBA信用卡数据
    第三章关联规则挖掘
    3.1关联规则的实际意义
    3.2关联规则的基本概念及Apriori算法
    3.3负关联规则
    3.4序列关联规则
    3.5使用SAS进行关联规则挖掘
    第四章多元统计中的降维方法
    4.1主成分分析
    4.2探索性因子分析
    4.3多维标度分析
    第五章聚类分析
    5.1距离与相似度的度量
    5.2k均值聚类法
    5.3层次聚类法
    第六章预测性建模的一些基本方法
    6.1判别分析
    6.2朴素贝叶斯分类算法
    6.3k近邻法
    6.4线性模型与广义线性模型
    第七章神经网络
    7.1神经网络架构及基本组成
    7.2误差函数
    7.3神经网络训练算法
    7.4提高神经网络模型的可推广性
    7.5数据预处理
    7.6使用SAS建立神经网络模型
    7.7自组织图
    第八章决策树
    8.1决策树简介
    8.2决策树的生长与修剪
    8.3对缺失数据的处理
    8.4变量选择
    8.5决策树的优缺点
    第九章模型评估
    9.1因变量为二分变量的情形
    9.2因变量为多分变量的情形
    9.3因变量为连续变量的情形
    9.4使用SAS评估模型
    第十章模型组合与两阶段模型
    10.1模型组合
    10.2随机森林
    10.3两阶段模型
    参考文献
查看详情
系列丛书 / 更多
数据挖掘与应用/北京大学光华管理学院教材
高级计量经济学(上)/北京大学光华管理学院教材
靳云汇 著
数据挖掘与应用/北京大学光华管理学院教材
国际金融(第3版)/北京大学光华管理学院教材
单忠东、綦建红 编
数据挖掘与应用/北京大学光华管理学院教材
组织中的领导行为/北京大学光华管理学院教材
王辉 著
数据挖掘与应用/北京大学光华管理学院教材
公司财务
刘力 著
数据挖掘与应用/北京大学光华管理学院教材
高级计量经济学(下册)
靳云汇 著
数据挖掘与应用/北京大学光华管理学院教材
应用商务统计分析
王汉生 著
数据挖掘与应用/北京大学光华管理学院教材
动态经济学方法
龚六堂、苗建军 著
数据挖掘与应用/北京大学光华管理学院教材
金融学案例/北京大学光华管理学院教材
唐国正 著
相关图书 / 更多
数据挖掘与应用/北京大学光华管理学院教材
数据新闻与信息可视化
周葆华;徐笛;崔迪
数据挖掘与应用/北京大学光华管理学院教材
数据合规师概论
郑少华、商建刚
数据挖掘与应用/北京大学光华管理学院教材
数据思维——从数据分析到商业价值(第2版)
王汉生
数据挖掘与应用/北京大学光华管理学院教材
数据科学优化方法
孙怡帆
数据挖掘与应用/北京大学光华管理学院教材
数据资产入表:理论与实务
赵治纲
数据挖掘与应用/北京大学光华管理学院教材
数据处理技术与方法研究
付雯
数据挖掘与应用/北京大学光华管理学院教材
数据治理 工业企业数字化转型之道 第2版
祝守宇
数据挖掘与应用/北京大学光华管理学院教材
数据可视化Pyecharts探秘实践教程/新工科大数据专业群实践丛书
余先昊、袁华 编
数据挖掘与应用/北京大学光华管理学院教材
数据标注工程——语言知识与应用
于东
数据挖掘与应用/北京大学光华管理学院教材
数据可视化基础与应用
刘佳 许桂秋 李静雯
数据挖掘与应用/北京大学光华管理学院教材
数据权利保护的模式与机制
余圣琪
数据挖掘与应用/北京大学光华管理学院教材
数据科学伦理:概念、技术和警世故事
[比利时]大卫·马滕斯(David;Martens
您可能感兴趣 / 更多