孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

数据挖掘技术与应用

数据挖掘技术与应用
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: 著
出版社: 北京理工大学出版社
2021-06
版次: 1
ISBN: 9787568292573
定价: 68.00
装帧: 平装
开本: 16开
纸张: 胶版纸
分类: 计算机与互联网
6人买过
  • 第1章 绪论
    1．1 数据挖掘的定义
    1．2 为什么进行数据挖掘
    1．2．1 数据挖掘的背景
    1．2．2 数据挖掘的意义
    1．3 数据挖掘的应用
    1．4 数据挖掘的对象和常用方法
    1．4．1 数据挖掘的对象
    1．4．2 数据挖掘的常用方法
    1．5 数据挖掘的主要问题
    1．6 数据挖掘在睡眠分期中的应用
    1．6．1 睡眠分期的背景
    1．6．2 常用睡眠分期数据库
    1．6．3 睡眠分期中的数据挖掘
    参考文献

    第2章 数据描述和预处理
    2．1 数据描述
    2．2 数据类型
    2．2．1 数据的一般特性
    2．2．2 记录数据
    2．2．3 基于图形的数据
    2．2．4 有序数据
    2．3 数据质量
    2．4 数据可视化
    2．4．1 柱形图
    2．4．2 直方图与核密度估计图
    2．4．3 箱形图
    2．5 数据预处理
    2．5．1 标准化
    2．5．2 非线性变换
    2．5．3 归一化
    2．5．4 离散化
    2．6 睡眠分期中的数据描述和预处理
    参考文献

    第3章 基本统计分析方法
    3．1 正态分布参数的假设检验和区间估计
    3．1．1 对均值肚的估计
    3．1．2 对方差α2的假设检验和置信区间
    3．2 两组数据的比较
    3．2．1 数据成对
    3．2．2 数据相互独立
    3．3 二维数据检验
    3．4 回归分析
    3．4．1 主要定理
    3．4．2 非线性转换
    3．4．3 分类属性预测
    3．5 方差分析
    3．5．1 单因素方差分析
    3．5．2 多因素ANOVA
    3．6 睡眠脑电特征基本统计方法示例
    参考文献

    第4章 决策树算法与森林
    4．1 决策树模型与学习
    4．1．1 决策树模型
    4．1．2 决策树与if-then规则
    4．1．3 决策树与条件概率分布
    4．1．4 决策树学习
    4．2 特征选择
    4．2．1 特征选择的问题
    4．2．2 信息增益
    4．2．3 信息增益比
    4．3 决策树的生成
    4．3．1 ID3算法
    4．3．2 C4．5 的生成算法
    4．4 决策树的剪枝
    4．5 “分类与回归树算法
    4．5．1 CART的生成
    4．5．2 CART剪枝算法
    4．6 集成学习和森林
    4．6．1 集成学习
    4．6．2 Bagging与森林
    4．7 森林算法在睡眠分期中的应用
    参考文献

    第5章 贝叶斯网络
    5．1 朴素贝叶斯法的学习与分类
    5．1．1 基本方法
    5．1．2 后验概率化的含义
    5．2 朴素贝叶斯的参数估计
    5．2．1 极大似然估计
    5．2．2 学习与分类算法
    5．2．3 贝叶斯估计
    5．3 贝叶斯网络
    5．3．1 模型表示
    5．3．2 建立模型
    5．3．3 使用贝叶斯信念网络进行推理示例
    5．3．4 BBN的特点
    5．4 贝叶斯网络在睡眠分期中的应用
    参考文献

    第6章 支持向量机
    6．1 线性可分的SVM方法
    6．2 线性不可分的SVM方法
    6．3 核函数
    6．4 SVM在睡眠分期中的应用
    参考文献

    第7章 神经网络算法
    7．1 概述
    7．1．1 人工神经网络发展历史
    7．1．2 神经网络分类
    7．2 单层神经网络
    7．2．1 生物神经网络
    7．2．2 人工神经网络
    7．3 多层感知器和反向传播算法
    7．3．1 反向传播算法和反向传播网络简介
    7．3．3 误差反向传播
    7．3．4 梯度消失问题及其解决办法
    7．4 深度学习
    7．4．1 深度学习与神经网络
    7．4．2 N――AlexNet模型
    7．5 神经网络在睡眠分期中的应用
    参考文献

    第8章 遗传算法
    8．1 遗传算法的基本原理
    8．1．1 遗传与进化的系统观
    8．1．2 遗传算法的特点
    8．1．3 遗传算法的基本术语
    8．1．4 遗传算法的主要步骤
    8．1．5 基本遗传算法的构成要素
    8．2 遗传算法的基本实现技术
    8．2．1 编码方法
    8．2．2 适应度函数
    8．2．3 选择算子
    8．2．4 交叉算子
    8．2．5 变异算子
    8．2．6 遗传算法的运行参数
    8．2．7 约束条件的处理方法
    8．3 遗传算法的优化举例
    8．3．1 优化实例l
    8．3．2 优化实例
    参考文献

    第9章 聚类算法
    9．1 K-Means聚类
    9．2 Mean-Shift聚类
    9．3 基于密度的聚类方法
    9．3．1 算法优缺点
    9．3．2 基本概念
    9．3．3 I）BSCAN算法原理
    9．4 基于高斯混合模型的期望化聚类
    9．5 聚类算法在睡眠分期中的应用
    9．5．1 K-Means方法
    9．5．2 DBSCAN方法
    参考文献

    第10章 主成分分析
    10．1 数据降维
    10．2 主成分分析原理
    10．2．1 PCA的理论推导
    10．2．2 方差、协方差及协方差矩阵
    10．3 PcA算法示例
    10．4 PCA在睡眠分期中的应用
    参考文献

    第1l章 其他数据挖掘算法
    11．1 隐马尔可夫模型
    11．1．1 什么样的问题需要HMM
    11．1．2 HMM
    11．1．3 一个HMM实例
    11．1．4 HMM观测序列的生成
    11．1．5 HMM的三个基本问题
    11．1．6 代码示例
    11．2 关联规则挖掘
    11．2．1 关联规则介绍
    11．2．2 Apriori算法
    11．2．3 FP-growth算法
    11．2．4 幸存者偏差
    11．2．5 代码示例
    参考文献
  • 目录:
    第1章 绪论
    1．1 数据挖掘的定义
    1．2 为什么进行数据挖掘
    1．2．1 数据挖掘的背景
    1．2．2 数据挖掘的意义
    1．3 数据挖掘的应用
    1．4 数据挖掘的对象和常用方法
    1．4．1 数据挖掘的对象
    1．4．2 数据挖掘的常用方法
    1．5 数据挖掘的主要问题
    1．6 数据挖掘在睡眠分期中的应用
    1．6．1 睡眠分期的背景
    1．6．2 常用睡眠分期数据库
    1．6．3 睡眠分期中的数据挖掘
    参考文献

    第2章 数据描述和预处理
    2．1 数据描述
    2．2 数据类型
    2．2．1 数据的一般特性
    2．2．2 记录数据
    2．2．3 基于图形的数据
    2．2．4 有序数据
    2．3 数据质量
    2．4 数据可视化
    2．4．1 柱形图
    2．4．2 直方图与核密度估计图
    2．4．3 箱形图
    2．5 数据预处理
    2．5．1 标准化
    2．5．2 非线性变换
    2．5．3 归一化
    2．5．4 离散化
    2．6 睡眠分期中的数据描述和预处理
    参考文献

    第3章 基本统计分析方法
    3．1 正态分布参数的假设检验和区间估计
    3．1．1 对均值肚的估计
    3．1．2 对方差α2的假设检验和置信区间
    3．2 两组数据的比较
    3．2．1 数据成对
    3．2．2 数据相互独立
    3．3 二维数据检验
    3．4 回归分析
    3．4．1 主要定理
    3．4．2 非线性转换
    3．4．3 分类属性预测
    3．5 方差分析
    3．5．1 单因素方差分析
    3．5．2 多因素ANOVA
    3．6 睡眠脑电特征基本统计方法示例
    参考文献

    第4章 决策树算法与森林
    4．1 决策树模型与学习
    4．1．1 决策树模型
    4．1．2 决策树与if-then规则
    4．1．3 决策树与条件概率分布
    4．1．4 决策树学习
    4．2 特征选择
    4．2．1 特征选择的问题
    4．2．2 信息增益
    4．2．3 信息增益比
    4．3 决策树的生成
    4．3．1 ID3算法
    4．3．2 C4．5 的生成算法
    4．4 决策树的剪枝
    4．5 “分类与回归树算法
    4．5．1 CART的生成
    4．5．2 CART剪枝算法
    4．6 集成学习和森林
    4．6．1 集成学习
    4．6．2 Bagging与森林
    4．7 森林算法在睡眠分期中的应用
    参考文献

    第5章 贝叶斯网络
    5．1 朴素贝叶斯法的学习与分类
    5．1．1 基本方法
    5．1．2 后验概率化的含义
    5．2 朴素贝叶斯的参数估计
    5．2．1 极大似然估计
    5．2．2 学习与分类算法
    5．2．3 贝叶斯估计
    5．3 贝叶斯网络
    5．3．1 模型表示
    5．3．2 建立模型
    5．3．3 使用贝叶斯信念网络进行推理示例
    5．3．4 BBN的特点
    5．4 贝叶斯网络在睡眠分期中的应用
    参考文献

    第6章 支持向量机
    6．1 线性可分的SVM方法
    6．2 线性不可分的SVM方法
    6．3 核函数
    6．4 SVM在睡眠分期中的应用
    参考文献

    第7章 神经网络算法
    7．1 概述
    7．1．1 人工神经网络发展历史
    7．1．2 神经网络分类
    7．2 单层神经网络
    7．2．1 生物神经网络
    7．2．2 人工神经网络
    7．3 多层感知器和反向传播算法
    7．3．1 反向传播算法和反向传播网络简介
    7．3．3 误差反向传播
    7．3．4 梯度消失问题及其解决办法
    7．4 深度学习
    7．4．1 深度学习与神经网络
    7．4．2 N――AlexNet模型
    7．5 神经网络在睡眠分期中的应用
    参考文献

    第8章 遗传算法
    8．1 遗传算法的基本原理
    8．1．1 遗传与进化的系统观
    8．1．2 遗传算法的特点
    8．1．3 遗传算法的基本术语
    8．1．4 遗传算法的主要步骤
    8．1．5 基本遗传算法的构成要素
    8．2 遗传算法的基本实现技术
    8．2．1 编码方法
    8．2．2 适应度函数
    8．2．3 选择算子
    8．2．4 交叉算子
    8．2．5 变异算子
    8．2．6 遗传算法的运行参数
    8．2．7 约束条件的处理方法
    8．3 遗传算法的优化举例
    8．3．1 优化实例l
    8．3．2 优化实例
    参考文献

    第9章 聚类算法
    9．1 K-Means聚类
    9．2 Mean-Shift聚类
    9．3 基于密度的聚类方法
    9．3．1 算法优缺点
    9．3．2 基本概念
    9．3．3 I）BSCAN算法原理
    9．4 基于高斯混合模型的期望化聚类
    9．5 聚类算法在睡眠分期中的应用
    9．5．1 K-Means方法
    9．5．2 DBSCAN方法
    参考文献

    第10章 主成分分析
    10．1 数据降维
    10．2 主成分分析原理
    10．2．1 PCA的理论推导
    10．2．2 方差、协方差及协方差矩阵
    10．3 PcA算法示例
    10．4 PCA在睡眠分期中的应用
    参考文献

    第1l章 其他数据挖掘算法
    11．1 隐马尔可夫模型
    11．1．1 什么样的问题需要HMM
    11．1．2 HMM
    11．1．3 一个HMM实例
    11．1．4 HMM观测序列的生成
    11．1．5 HMM的三个基本问题
    11．1．6 代码示例
    11．2 关联规则挖掘
    11．2．1 关联规则介绍
    11．2．2 Apriori算法
    11．2．3 FP-growth算法
    11．2．4 幸存者偏差
    11．2．5 代码示例
    参考文献
查看详情
相关分类
计算机理论 编程与开发 操作系统 大数据与云计算 图形图像/多媒体 网站设计与网页开发 网络与通讯 硬件、嵌入式开发 办公软件 信息安全 辅助设计与工程计算 软件工程/开发项目管理
相关图书 / 更多
数据挖掘技术与应用
数据治理实践者手记
苏振中
￥52.00 起
数据挖掘技术与应用
数据要素化治理
陆志鹏、孟庆国、王钺
￥40.68 起
数据挖掘技术与应用
数据经济学（第二版）
汤珂、熊巧琴、李金璞、屈阳
￥49.50 起
数据挖掘技术与应用
数据中台：让数据用起来 第2版 付登坡 等
付登坡 江敏 赵东辉 等
￥68.09 起
数据挖掘技术与应用
数据资源管理 陈忆金 奉国和
陈忆金 奉国和
￥28.02 起
数据挖掘技术与应用
数据工程之道：设计和构建健壮的数据系统 [美]乔·里斯 [美]马特·豪斯利
[美]乔·里斯(Joe Reis),[美]马特·豪斯利(Matt Housley)
￥66.94 起
数据挖掘技术与应用
数据合规实务指引 法律实务 朱晓娟主编 新华正版
朱晓娟主编
￥75.52 起
数据挖掘技术与应用
数据法学前沿
武长海
￥27.21 起
数据挖掘技术与应用
数据合规与网络安全风险防范
冯洋
￥50.16 起
数据挖掘技术与应用
数据加密与PKI应用（微课版）
王秀英
￥18.40 起
数据挖掘技术与应用
数据库及其应用（2023年版） 全国高等教育自学考试指导委员会
全国高等教育自学考试指导委员会
￥25.28 起
数据挖掘技术与应用
数据治理驱动的数字化转型 王建峰 辛华
王建峰 辛华
￥38.37 起
您可能感兴趣 / 更多
数据挖掘技术与应用
机器学习智能诊断理论与应用：睡眠障碍诊断/人工智能与机器人先进技术丛书
由育阳 著
￥11.00 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全