数据挖掘导论(完整版).pdfVIP

下载本文档

489
0
约1.54千字
约 3页
2019-07-14 发布于江西
举报
版权申诉

数据挖掘导论(完整版).pdf

1、本文档共3页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

内容简介本书全面介绍了数据挖掘的理论和方法，旨在为读者提供将数据挖掘应用于实际问题所必需的知识。本书涵盖五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都包含两章：前面一章讲述基本概念、代表性算法和评估技术，后面一章较深入地讨论高级概念和算法。目的是使读者在透彻地理解数据挖掘基础的同时，还能了解更多重要的高级主题。此外，书中还提供了大量示例、图表和习题。　　本书适合作为相关专业高年级本科生和研究生数据挖掘课程的教材，同时也可作为数据挖掘研究和应用开发人员的参考书。作者简介陈封能(Pang-Ning Tan)现为密歇根州立大学计算机与工程系助理教授，主要教授数据挖掘、数据库系统等课程。此前，他曾是明尼苏达大学美国陆军高性能计算研究中心副研究员（2002-2003 ）。　　斯坦巴赫（Michael Steinbach ）明尼苏达大学计算机与工程系研究员，在读博士。　　库玛尔(Vipin Kumar) 明尼苏达大学计算机科学与工程系主任，曾任美国陆军高性能计算研究中心主任。他拥有马里兰大学博士学位，是数据挖掘和高性能计算方面的国际权威，IEEE 会士。　　范明,郑州大学信息工程学院教授，中国计算机学会数据库专业委员会委员、人工智能与模式识别专业委员会委员，长期从事计算机软件与理论教学和研究。先后发表论史 40 余篇。　　范宏建澳大利亚墨尔本大学计算机科学博士。先后在 WWW 、PAKDD 、RSFDGrC 、IEEE GrC 和 Australian AI 等国际学术会议和 IEEE Transactions on Knowledge and Data Engineering 发表论文 10 余篇。目前是澳大利亚 AUSTRAC 的高级分析师。目录第 1 章绪论　1.1 什么是数据挖掘　1.2 数据挖掘要解决的问题　1.3 数据挖掘的起源　1.4 数据挖掘任务　1.5 本书的内容与组织　文献注释　参考文献　习题第 2 章数据　2.1 数据类型　　2.1.1 属性与度量　　2.1.2 数据集的类型　2.2 数据质量　　2.2.1 测量和数据收集问题　　2.2.2 关于应用的问题　2.3 数据预处理　　2.3.1 聚集　　2.3.2 抽样　　2.3.3 维归约　　2.3.4 特征子集选择　　2.3.5 特征创建　　2.3.6 离散化和二元化　　2.3.7 变量变换　2.4 相似性和相异性的度量　　2.4.1 基础　　2.4.2 简单属性之间的相似度和相异度　　2.4.3 数据对象之间的相异度　　2.4.4 数据对象之间的相似度　　2.4.5 邻近性度量的例子　　2.4.6 邻近度计算问题　　2.4.7 选取正确的邻近性度量　文献注释　参考文献　习题第 3 章探索数据第章分类：基本概念、决策树与模型评估第 5 章分类：其他技术第 6 章关联分析：基本概念和算法第 7 章关联分析：高级概念第 8 章聚类分析：基本概念和算法第 9 章聚类分析：其他问题与算法第 10 章异常检测文献注释参考文献习题附录 a 线性代数附录b 维归约附录 c 概率统计附录 d 回归附录 e 优化点击此处查看更多内容