数据挖掘:方法与应用-应用案例/清华大学计算机系列教材
出版时间:
2017-08
版次:
1
ISBN:
9787302472117
定价:
19.00
装帧:
平装
开本:
32开
纸张:
胶版纸
页数:
178页
字数:
154千字
正文语种:
简体中文
25人买过
-
《数据挖掘:方法与应用-应用案例/清华大学计算机系列教材》主要以作者近五年在清华大学开展数据挖掘应用研究和教学工作为基础,从所指导的多个数据挖掘与分析的应用案例中精选出包括交通、体育、金融、生物信息、社交网络、电力等领域代表性的数据挖掘与分析案例,结合基本的数据挖掘应用实施思路,展示了在不同行业领域开展数据挖掘与分析工作的实际过程。
《数据挖掘:方法与应用-应用案例/清华大学计算机系列教材》可作为高等院校学生学习数据挖掘的参考读物,同时可供工程技术人员开展数据挖掘与分析工作时参考。 徐华,博士,1998年获得西安交通大学计算机专业学士学位;2003年获得清华大学计算机应用技术专业博士学位;现为清华大学计算机系副教授,博士生导师。主要研究兴趣领域包括:网络文本数据挖掘、智能信息处理和机器人智能控制等。作为项目负责人、首席技术专家或研发骨干,负责完成国家科技重大专项课题3项,国家自然科学基金项目4项,国家973项目二级课题2项,国家863项目(课题)5项,国际500强企业(宝洁、西门子、安捷伦等)合作项目13项。目前已在本专业领域期刊和会议上发表学术论文97篇;编写教材2本,参与编写学术专著2部。作为第1完成人获得国家发明专利16项,国际PCT发明专利4项,软件著作权15项。作为清华方面的第1完成人,获得国家科技进步二等奖1项,北京市科学技术一等奖、二等奖和三等奖各1项,重庆市科学技术三等奖1项,行业协会科学技术一等奖2项等。 第1章 绪论
1.1 本书背景
1.2 数据挖掘应用概述
1.3 本书的主要内容安排
1.4 小结
第2章 基于GPS信息的出租车行车轨迹数据挖掘
2.1 概述
2.2 出租车GPS数据挖掘问题描述
2.3 基于GPS数据的出租车轨迹挖掘与分析
2.4 挖掘任务点评
2.5 小结
第3章 NBA比赛结果预测
3.1 问题背景
3.2 数据采集
3.2.1 数据来源
3.2.2 数据采集方法
3.2.3 原始数据
3.3 挖掘方法
3.3.1 挖掘的目标与实现思路
3.3.2 预测特征选取
3.4 分类和预测方法
3.5 预测结果的分析和对比
3.5.1 使用球队平均数据预测比赛结果
3.5.2 使用球队近期数据预测比赛结果
3.6 挖掘任务点评
3.7 小结
参考文献
第4章 大型商业银行后台运维数据故障分析
4.1 概述
4.1.1 应用背景
4.1.2 主要研发内容
4.2 相关方法回顾
4.2.1 主成分分析法
4.2.2 前向特征选择法
4.2.3 随机森林方法
4.3 交易超时故障预测方法设计与实现
4.3.1 问题定义
4.3.2 工作流程
4.3.3 数据预处理
4.3.4 降维处理
4.3.5 预测模型
4.3.6 防范模型
4.3.7 评价方法
4.4 综合系统的设计与实现
4.4.1 系统框架
4.4.2 数据预处理模块
4.4.3 随机森林模块
4.4.4 展示模块
4.4.5 最终效果模块
4.5 结果分析与评价
4.5.1 实验数据
4.5.2 交易故障预测相关实验
4.6 挖掘任务点评
4.7 小结
4.7.1 总结
4.7.2 展望
参考文献
第5章 RNA排序预测
5.1 概述
5.2 研发现状
5.2.1 内部核糖体进入位点的数据挖掘研发现状
5.2.2 冷冻电镜图像蛋白质颗粒挑选研究现状
5.3 工作设计与实现
5.3.1 基本的设计框架与实现思路
5.3.2 核心挖掘模型设计与实现
5.4 应用实现
5.4.1 实现程序与功能
5.4.2 数据挖掘分析结果展示
5.5 操作说明
5.6 挖掘任务点评
5.7 小结
参考文献
第6章 “乐学”微信公众号关注趋势分析
6.1 前言
6.1.1 研究背景
6.1.2 数据来源
6.1.3 数据预处理
6.1.4 研究思路
6.2 平台发展现状
6.2.1 平台用户特性
6.2.2 平台传播状态
6.2.3 便捷操作发展状况
6.3 推送发展模式探究
6.3.1 成功推送案例分析
6.3.2 理想发展模式探究
6.3.3 不同模式下的平台关注量预测
6.3.4 推送发展的改进思路
6.4 便捷操作功能探究
6.4.1 用户使用习惯分析
6.4.2 便捷操作功能的改进思路
6.5 挖掘任务点评
6.6 小结
参考文献
第7章 保险行业客户特征识别
7.1 概述
7.2 数据挖掘问题描述
7.2.1 问题背景
7.2.2 关于数据集
7.3 保险客户特征识别与分析
7.3.1 数据预处理
7.3.2 挖掘与分析结果
7.4 挖掘任务点评
7.5 小结
参考文献
第8章 电力系统不良数据辨识案例分析
8.1 概述
8.1.1 电力系统不良数据辨识
8.1.2 数据介绍
8.2 研究内容
8.2.1 基于GSA的k-means聚类
8.2.2 基于有效指数的k-means聚类
8.2.3 模糊C-means聚类
8.3 总结分析
8.3.1 不良数据辨识结果对比
8.3.2 不良数据分析
8.4 挖掘任务点评
8.5 小结
第9章 总结
-
内容简介:
《数据挖掘:方法与应用-应用案例/清华大学计算机系列教材》主要以作者近五年在清华大学开展数据挖掘应用研究和教学工作为基础,从所指导的多个数据挖掘与分析的应用案例中精选出包括交通、体育、金融、生物信息、社交网络、电力等领域代表性的数据挖掘与分析案例,结合基本的数据挖掘应用实施思路,展示了在不同行业领域开展数据挖掘与分析工作的实际过程。
《数据挖掘:方法与应用-应用案例/清华大学计算机系列教材》可作为高等院校学生学习数据挖掘的参考读物,同时可供工程技术人员开展数据挖掘与分析工作时参考。
-
作者简介:
徐华,博士,1998年获得西安交通大学计算机专业学士学位;2003年获得清华大学计算机应用技术专业博士学位;现为清华大学计算机系副教授,博士生导师。主要研究兴趣领域包括:网络文本数据挖掘、智能信息处理和机器人智能控制等。作为项目负责人、首席技术专家或研发骨干,负责完成国家科技重大专项课题3项,国家自然科学基金项目4项,国家973项目二级课题2项,国家863项目(课题)5项,国际500强企业(宝洁、西门子、安捷伦等)合作项目13项。目前已在本专业领域期刊和会议上发表学术论文97篇;编写教材2本,参与编写学术专著2部。作为第1完成人获得国家发明专利16项,国际PCT发明专利4项,软件著作权15项。作为清华方面的第1完成人,获得国家科技进步二等奖1项,北京市科学技术一等奖、二等奖和三等奖各1项,重庆市科学技术三等奖1项,行业协会科学技术一等奖2项等。
-
目录:
第1章 绪论
1.1 本书背景
1.2 数据挖掘应用概述
1.3 本书的主要内容安排
1.4 小结
第2章 基于GPS信息的出租车行车轨迹数据挖掘
2.1 概述
2.2 出租车GPS数据挖掘问题描述
2.3 基于GPS数据的出租车轨迹挖掘与分析
2.4 挖掘任务点评
2.5 小结
第3章 NBA比赛结果预测
3.1 问题背景
3.2 数据采集
3.2.1 数据来源
3.2.2 数据采集方法
3.2.3 原始数据
3.3 挖掘方法
3.3.1 挖掘的目标与实现思路
3.3.2 预测特征选取
3.4 分类和预测方法
3.5 预测结果的分析和对比
3.5.1 使用球队平均数据预测比赛结果
3.5.2 使用球队近期数据预测比赛结果
3.6 挖掘任务点评
3.7 小结
参考文献
第4章 大型商业银行后台运维数据故障分析
4.1 概述
4.1.1 应用背景
4.1.2 主要研发内容
4.2 相关方法回顾
4.2.1 主成分分析法
4.2.2 前向特征选择法
4.2.3 随机森林方法
4.3 交易超时故障预测方法设计与实现
4.3.1 问题定义
4.3.2 工作流程
4.3.3 数据预处理
4.3.4 降维处理
4.3.5 预测模型
4.3.6 防范模型
4.3.7 评价方法
4.4 综合系统的设计与实现
4.4.1 系统框架
4.4.2 数据预处理模块
4.4.3 随机森林模块
4.4.4 展示模块
4.4.5 最终效果模块
4.5 结果分析与评价
4.5.1 实验数据
4.5.2 交易故障预测相关实验
4.6 挖掘任务点评
4.7 小结
4.7.1 总结
4.7.2 展望
参考文献
第5章 RNA排序预测
5.1 概述
5.2 研发现状
5.2.1 内部核糖体进入位点的数据挖掘研发现状
5.2.2 冷冻电镜图像蛋白质颗粒挑选研究现状
5.3 工作设计与实现
5.3.1 基本的设计框架与实现思路
5.3.2 核心挖掘模型设计与实现
5.4 应用实现
5.4.1 实现程序与功能
5.4.2 数据挖掘分析结果展示
5.5 操作说明
5.6 挖掘任务点评
5.7 小结
参考文献
第6章 “乐学”微信公众号关注趋势分析
6.1 前言
6.1.1 研究背景
6.1.2 数据来源
6.1.3 数据预处理
6.1.4 研究思路
6.2 平台发展现状
6.2.1 平台用户特性
6.2.2 平台传播状态
6.2.3 便捷操作发展状况
6.3 推送发展模式探究
6.3.1 成功推送案例分析
6.3.2 理想发展模式探究
6.3.3 不同模式下的平台关注量预测
6.3.4 推送发展的改进思路
6.4 便捷操作功能探究
6.4.1 用户使用习惯分析
6.4.2 便捷操作功能的改进思路
6.5 挖掘任务点评
6.6 小结
参考文献
第7章 保险行业客户特征识别
7.1 概述
7.2 数据挖掘问题描述
7.2.1 问题背景
7.2.2 关于数据集
7.3 保险客户特征识别与分析
7.3.1 数据预处理
7.3.2 挖掘与分析结果
7.4 挖掘任务点评
7.5 小结
参考文献
第8章 电力系统不良数据辨识案例分析
8.1 概述
8.1.1 电力系统不良数据辨识
8.1.2 数据介绍
8.2 研究内容
8.2.1 基于GSA的k-means聚类
8.2.2 基于有效指数的k-means聚类
8.2.3 模糊C-means聚类
8.3 总结分析
8.3.1 不良数据辨识结果对比
8.3.2 不良数据分析
8.4 挖掘任务点评
8.5 小结
第9章 总结
查看详情
-
全新
江苏省无锡市
平均发货8小时
成功完成率95.92%
-
全新
天津市西青区
平均发货14小时
成功完成率90.08%
-
全新
四川省成都市
平均发货14小时
成功完成率80.48%
-
全新
北京市海淀区
平均发货21小时
成功完成率86.13%
-
全新
天津市津南区
平均发货13小时
成功完成率94.43%
-
八五品
山东省枣庄市
平均发货12小时
成功完成率86.45%
-
八五品
山东省济南市
平均发货12小时
成功完成率89.51%
-
八五品
山东省枣庄市
平均发货9小时
成功完成率88.23%
-
八五品
重庆市沙坪坝区
平均发货11小时
成功完成率74.72%
-
八五品
重庆市沙坪坝区
平均发货11小时
成功完成率74.72%
-
全新
天津市津南区
平均发货13小时
成功完成率94.43%
-
全新
广东省广州市
平均发货24小时
成功完成率80.73%
-
全新
广东省广州市
平均发货20小时
成功完成率87.59%
-
全新
广东省广州市
平均发货19小时
成功完成率86.56%
-
全新
四川省成都市
平均发货30小时
成功完成率70.37%
-
全新
北京市西城区
平均发货27小时
成功完成率89.27%
-
数据挖掘
正版新书 新华官方库房直发 可开电子发票
全新
江苏省南京市
平均发货8小时
成功完成率96.31%
-
全新
河北省保定市
平均发货21小时
成功完成率82.82%
-
全新
北京市丰台区
平均发货24小时
成功完成率88.35%
-
全新
江苏省苏州市
平均发货9小时
成功完成率95.56%
-
八五品
四川省成都市
平均发货12小时
成功完成率91.5%
-
全新
北京市西城区
平均发货24小时
成功完成率90.61%
-
九品
北京市通州区
平均发货10小时
成功完成率92.78%
-
全新
浙江省嘉兴市
平均发货10小时
成功完成率94.1%
-
九五品
北京市朝阳区
平均发货29小时
成功完成率85.91%
-
数据挖掘
正版新华书店直发可开发票,支持7天无理由
全新
江苏省无锡市
平均发货18小时
成功完成率94.53%
-
全新
天津市河东区
平均发货27小时
成功完成率90.91%
-
全新
北京市房山区
平均发货18小时
成功完成率98.11%
-
全新
江苏省无锡市
平均发货10小时
成功完成率93.52%
-
数据挖掘
批量下载数据,有图片和标题名不是一种书,要按标题名购买。
全新
河北省保定市
平均发货25小时
成功完成率88.48%
-
数据挖掘
正版新书 新华官方库房直发 可开电子发票
全新
江苏省南京市
平均发货15小时
成功完成率83.12%
-
九品
北京市通州区
平均发货10小时
成功完成率87.32%
-
全新
四川省成都市
平均发货17小时
成功完成率81.33%
-
全新
广东省广州市
平均发货8小时
成功完成率94.77%
-
九五品
湖南省长沙市
平均发货14小时
成功完成率91.29%
-
八五品
湖北省天门市
平均发货17小时
成功完成率85.62%
-
全新
广东省广州市
平均发货17小时
成功完成率87.85%
-
全新
广东省广州市
平均发货17小时
成功完成率86.75%
-
全新
北京市朝阳区
平均发货13小时
成功完成率93.49%
-
全新
浙江省嘉兴市
平均发货12小时
成功完成率93.32%
-
八五品
浙江省杭州市
平均发货20小时
成功完成率48.55%
-
数据挖掘
本店所售书籍均为新华书店全新特价正版书籍!
全新
-
全新
河南省郑州市
平均发货13小时
成功完成率93.06%
-
八品
-
全新
河北省保定市
平均发货11小时
成功完成率90.48%
-
八五品
河南省郑州市
平均发货23小时
成功完成率63.1%
-
九品
辽宁省营口市
平均发货14小时
成功完成率91.27%
-
九五品
北京市丰台区
平均发货7小时
成功完成率66.67%
-
八品
陕西省西安市
平均发货13小时
成功完成率73.53%
-
八品
陕西省西安市
平均发货13小时
成功完成率73.53%