数据挖掘概念、模型、方法和算法（第3版）（国外计算机科学经典教材）

作者: [美] 哈默德·坎塔尔季奇（Mehmed Kantardzic）著 , 李晓峰译 , 刘刚译

出版社: 清华大学出版社

出版时间: 2021-06

版次: 1

ISBN: 9787302577423

定价: 128.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 460页

分类: 教材教辅考试>教辅>其他教辅>其他

8 张插图图片

3人买过

  《数据挖掘概念、模型、方法和算法（第3版）（国外计算机科学经典教材）》已被全球100多所大学的“数据挖掘”课程所选用，有汉语、日语、西班牙语和波斯语等多个译本。
  《数据挖掘概念、模型、方法和算法（第3版）（国外计算机科学经典教材）》介绍了在高维数据空间中从大量数据中分析和提取信息的新技术，在前几版的基础上进行了大量的修订和更新，介绍了分析大数据集的一个系统方法。该方法集成了统计、人工智能、数据库、模式识别和计算机可视化等学科的结果。另外，深度学习技术的进步开辟了一个全新的应用领域。
  《数据挖掘概念、模型、方法和算法（第3版）（国外计算机科学经典教材）》作者是该领域的著名专家，他在书中详细解释了近年来发展起来的基本概念、模型和方法。
  第3版介绍并扩展了许多主题，提供了软件工具和数据挖掘应用程序的修订部分；还更新了参考书目列表，供感兴趣的读者进一步研究；扩展了涉及每个章节的问题列表。展示了如下新信息：
  探索大数据和云计算
  论述深度学习
  包括卷积神经网络（CNN）的信息
  提出了强化学习
  包含半监督学习和S3VM
  回顾不平衡数据的模型评估
  《数据挖掘概念、模型、方法和算法（第3版）（国外计算机科学经典教材）》是为计算机科学研究生、计算机工程师和计算机信息系统专业人员编写的，继续为技术的基本原则和该领域的新发展提供必要的指导。   [美]哈默德·坎塔尔季奇（Mehmed Kantardzic）博士，1980年获得计算机科学博士学位，2004年起在路易斯维尔大学担任教授。现任CSE（计算机科学与工程）副主席，数据挖掘实验室主任，CSE研究生部主任。他的研究重点是数据挖掘和知识发现、机器学习、软计算、点击欺诈检测和预防、流数据中的概念漂移以及医疗数据挖掘。Kantardzic博士的荣誉很多，研究论文获得了许多杰出和荣誉提名奖，教学方面则曾荣获喜爱的教师和杰出教学奖。他曾任职于多家国际期刊的编辑委员会，是美国国家科学基金会（NSF）等多个国家科学基金会的审核员和小组成员，担任IEEEICMLA2018等多个国际会议的总主席或项目主席。第1章数据挖掘的概念
1．1 概述
1．2 数据挖掘的起源
1．3 数据挖掘过程
1．4 从数据收集到数据预处理
1．5 用于数据挖掘的数据仓库
1．6 从大数据到数据科学
1．7 数据挖掘的商业方面：为什么数据挖掘项目会失败
1．8 本书结构安排
1．9 复习题
第2章数据准备
2．1 原始数据的表述
2．2 原始数据的特性
2．3 原始数据的转换
2．3．1 标准化
2．3．2 数据平整
2．3．3 差值和比率
2．4 丢失数据
2．5 时间相关数据
2．6 异常点分析
2．7 复习题
第3章数据归约
3．1 大型数据集的维度
3．2 特征归约
3．2．1 特征选择
3．2．2 特征提取
3．3 Relief算法
3．4 特征排列的熵度量
3．5 主成分分析
3．6 值归约
3．7 特征离散化：ChiMerge技术
3．8 案例归约
3．9 复习题
第4章从数据中学习
4．1 学习机器
4．2 统计学习原理
4．3 学习方法的类型
4．4 常见的学习任务
4．5 支持向量机
4．6 半监督支持向量机（S3VM）
4．7 k最近邻分类器
4．8 模型选择与泛化
4．9 模型的评估
4．10 不均衡的数据分类
4．11 90%准确的情形
4．11．1 保险欺诈检测
4．11．2 改进心脏护理
4．12 复习题
第5章统计方法
5．1 统计推断
5．2 评测数据集的差异
5．3 贝叶斯定理
5．4 预测回归
5．5 方差分析
5．6 对数回归
5．7 对数-线性模型
5．8 线性判别分析
5．9 复习题
第6章决策树和决策规则
6．1 决策树
6．2 C4．5 算法：生成决策树
6．3 未知的属性值
6．4 修剪决策树
6．5 C4．5 算法：生成决策规则
6．6 CART算法和Gini指标
6．7 决策树和决策规则的局限性
6．8 复习题
第7章人工神经网络
7．1 人工神经元的模型
7．2 人工神经网络的结构
7．3 学习过程
……
第8章集成学习
第9章聚类分析
第10章关联规则
第11章 Web挖掘和文本挖掘
第12章数据挖掘高级技术
第13章遗传算法
第14章模糊集和模糊逻辑
第15章可视化方法
附录A数据挖掘工具
附录B数据挖掘应用
内容简介:
  《数据挖掘概念、模型、方法和算法（第3版）（国外计算机科学经典教材）》已被全球100多所大学的“数据挖掘”课程所选用，有汉语、日语、西班牙语和波斯语等多个译本。
  《数据挖掘概念、模型、方法和算法（第3版）（国外计算机科学经典教材）》介绍了在高维数据空间中从大量数据中分析和提取信息的新技术，在前几版的基础上进行了大量的修订和更新，介绍了分析大数据集的一个系统方法。该方法集成了统计、人工智能、数据库、模式识别和计算机可视化等学科的结果。另外，深度学习技术的进步开辟了一个全新的应用领域。
  《数据挖掘概念、模型、方法和算法（第3版）（国外计算机科学经典教材）》作者是该领域的著名专家，他在书中详细解释了近年来发展起来的基本概念、模型和方法。
  第3版介绍并扩展了许多主题，提供了软件工具和数据挖掘应用程序的修订部分；还更新了参考书目列表，供感兴趣的读者进一步研究；扩展了涉及每个章节的问题列表。展示了如下新信息：
  探索大数据和云计算
  论述深度学习
  包括卷积神经网络（CNN）的信息
  提出了强化学习
  包含半监督学习和S3VM
  回顾不平衡数据的模型评估
  《数据挖掘概念、模型、方法和算法（第3版）（国外计算机科学经典教材）》是为计算机科学研究生、计算机工程师和计算机信息系统专业人员编写的，继续为技术的基本原则和该领域的新发展提供必要的指导。
作者简介:
[美]哈默德·坎塔尔季奇（Mehmed Kantardzic）博士，1980年获得计算机科学博士学位，2004年起在路易斯维尔大学担任教授。现任CSE（计算机科学与工程）副主席，数据挖掘实验室主任，CSE研究生部主任。他的研究重点是数据挖掘和知识发现、机器学习、软计算、点击欺诈检测和预防、流数据中的概念漂移以及医疗数据挖掘。Kantardzic博士的荣誉很多，研究论文获得了许多杰出和荣誉提名奖，教学方面则曾荣获喜爱的教师和杰出教学奖。他曾任职于多家国际期刊的编辑委员会，是美国国家科学基金会（NSF）等多个国家科学基金会的审核员和小组成员，担任IEEEICMLA2018等多个国际会议的总主席或项目主席。
目录:
第1章数据挖掘的概念
1．1 概述
1．2 数据挖掘的起源
1．3 数据挖掘过程
1．4 从数据收集到数据预处理
1．5 用于数据挖掘的数据仓库
1．6 从大数据到数据科学
1．7 数据挖掘的商业方面：为什么数据挖掘项目会失败
1．8 本书结构安排
1．9 复习题
第2章数据准备
2．1 原始数据的表述
2．2 原始数据的特性
2．3 原始数据的转换
2．3．1 标准化
2．3．2 数据平整
2．3．3 差值和比率
2．4 丢失数据
2．5 时间相关数据
2．6 异常点分析
2．7 复习题
第3章数据归约
3．1 大型数据集的维度
3．2 特征归约
3．2．1 特征选择
3．2．2 特征提取
3．3 Relief算法
3．4 特征排列的熵度量
3．5 主成分分析
3．6 值归约
3．7 特征离散化：ChiMerge技术
3．8 案例归约
3．9 复习题
第4章从数据中学习
4．1 学习机器
4．2 统计学习原理
4．3 学习方法的类型
4．4 常见的学习任务
4．5 支持向量机
4．6 半监督支持向量机（S3VM）
4．7 k最近邻分类器
4．8 模型选择与泛化
4．9 模型的评估
4．10 不均衡的数据分类
4．11 90%准确的情形
4．11．1 保险欺诈检测
4．11．2 改进心脏护理
4．12 复习题
第5章统计方法
5．1 统计推断
5．2 评测数据集的差异
5．3 贝叶斯定理
5．4 预测回归
5．5 方差分析
5．6 对数回归
5．7 对数-线性模型
5．8 线性判别分析
5．9 复习题
第6章决策树和决策规则
6．1 决策树
6．2 C4．5 算法：生成决策树
6．3 未知的属性值
6．4 修剪决策树
6．5 C4．5 算法：生成决策规则
6．6 CART算法和Gini指标
6．7 决策树和决策规则的局限性
6．8 复习题
第7章人工神经网络
7．1 人工神经元的模型
7．2 人工神经网络的结构
7．3 学习过程
……
第8章集成学习
第9章聚类分析
第10章关联规则
第11章 Web挖掘和文本挖掘
第12章数据挖掘高级技术
第13章遗传算法
第14章模糊集和模糊逻辑
第15章可视化方法
附录A数据挖掘工具
附录B数据挖掘应用