數據挖掘演算法與 Clementine 實踐 数据挖掘算法与Clementine实践

熊平

下單後立即進貨 (約4週~6週)

買這商品的人也買了...

相關主題

商品描述

<內容簡介>

熊平編著的《數據挖掘演算法與Clementine實踐》主要介紹了幾種最成熟的數據挖掘方法,並針對每種方法,介紹了應用最廣泛的幾種實現演算法。書中以Clementine12.0為平臺,用實例介紹了每種演算法的具體應用。《數據挖掘演算法與Clementine實踐》各章分別介紹了數據挖掘和Clementine軟件、決策樹分類方法(包括ID3、C4.5、C5.0、CART等演算法)、聚類分析方法(包括K-Means演算法和TwoStep演算法)、關聯規則挖掘方法(包括Apriori演算法、CARMA演算法和序列模式挖掘演算法)、數據篩選演算法(包括特徵選擇演算法和異常檢測演算法)、回歸分析方法(包括線性回歸演算法和二項Logistic回歸)、神經網絡構建方法(包括多層感知器網絡、RBF網絡以及Kohonen網絡的構建演算法)、時間序列分析方法(包括指數平滑法和ARIMA模型構建方法)。

<目錄>

第1章  數據挖掘概述
  1.1  數據挖掘簡介
    1.1.1  數據、信息和知識
    1.1.2  數據挖掘的定義
  1.2  數據挖掘過程
  1.3  數據挖掘方法
  1.4  數據挖掘工具及軟件
第2章  Clementine概述
  2.1  Clementine簡介
  2.2  Clementine基本操作
    2.2.1  Clementine主窗口
    2.2.2  數據流的基本操作
第3章  決策樹
  3.1  分類與決策樹概述
    3.1.1  分類與預測
    3.1.2  決策樹的基本原理
  3.2  ID3、C4.5與C5.0
    3.2.1  ID3
    3.2.2  C4.5
    3.2.3  C5.0
    3.2.4  在Clementine中應用C5.0
  3.3  CAWT
    3.3.1  生成最大樹
    3.3.2  樹的修剪
    3.3.3  子樹評估
    3.3.4  在Clementine中應用CART
第4章  聚類分析
  4.1  聚類分析概述
    4.1.1  聚類分析的概念
    4.1.2  聚類分析的基本方法
  4.2  K—MeaIls演算法
    4.2.1  數據預處理
    4.2.2  K—Means演算法流程
    4.2.3  在Clementine中應用K—Means
  4.3  TwoStep演算法
    4.3.1  構建CF樹
    4.3.2  聚類
    4.3.3  在Clementine中應用TwoStep
第5章  關聯規則
  5.1  關聯規則概述
    5.1.1  關聯規則的定義
    5.1.2  關聯規則的基本概念
    5.1.3  關聯規則挖掘演算法
  5.2  Apriori演算法
    5.2.1  Apriori演算法原理
    5.2.2  在Clementine中應用Apnod演算法
  5.3  CARMA演算法
    5.3.1  CARMA演算法原理
    5.3.2  在Clementine中應用CARMA演算法
  5.4  序列模式
    5.4.1  序列與序列模式
    5.4.2  序列模式挖掘演算法
    5.4.3  在Clementine中應用序列模式挖掘
第6章  數據篩選
  6.1  特徵選擇
    6.1.1  特徵選擇演算法概述
    6.1.2  篩選
    6.1.3  分級
    6.1.4  選擇
    6.1.5  在Clementine中應用特徵選擇
  6.2  異常檢測
    6.2.1  異常數據挖掘概述
    6.2.2  異常檢測演算法
    6.2.3  在Clementine中應用異常檢測
第7章  統計模型
  7.1  線性回歸
    7.1.1  線性回歸的基本原理
    7.1.2  在Clementine中應用線性回歸
  7.2  二項Logistic回歸
    7.2.1  二項Logistic回歸的基本原理
    7.2.2  在Clementine中應用Logistic回歸
第8章  神經網絡
  8.1  神經網絡原理
    8.1.1  神經網絡基本概念
    8.1.2  神經網絡及其學習
  8.2  多層感知器與RBF網絡
    8.2.1  多層感知器
    8.2.2  徑向基函數網絡
    8.2.3  在Clementine中應用神經網絡
  8.3  Kohonen網絡
    8.3.1  自組織神經網絡
    8.3.2  自組織特徵映射網絡
    8.3.3  在Clementine中應用Kohonen網絡
第9章  時間序列分析與預測
  9.1  時間序列概述
    9.1.1  時間序列基本概念
    9.1.2  時間序列預測的傳統方法
  9.2  指數平滑法
    9.2.1  指數平滑法概述
    9.2.2  指數平滑模型
  9.3  ARIMA模型
    9.3.1  ARMA模型
    9.3.2  差分運算與ARIMA模型
    9.3.3  ARIMA建模過程
    9.3.4  在Clementine中應用時間序列分析
參考文獻