數據挖掘導論 (完整版) (Introduction to Data Mining)
[美]Pang-Ning Tan Michael Steinbach Vipin Kumar 著
- 出版商: 人民郵電
- 出版日期: 2019-01-01
- 售價: $479
- 語言: 簡體中文
- ISBN: 7115241007
- ISBN-13: 9787115241009
-
相關分類:
大數據 Big-data、Data Science
- 此書翻譯自: Introduction to Data Mining (Hardcover)
-
其他版本:
數據挖掘導論, 2/e (Introduction to Data Mining, 2/e)
買這商品的人也買了...
-
Solaris 系統管理 (Solaris System Administrator's Guide, 3/e)$650$399 -
黑客攻防技術寶典 ─ Web 實戰篇, 2/e$719$683 -
資料探勘 (Han: Data Mining: Concepts and Techniques, 3/e )$620$589 -
$403數據挖掘：概念與技術, 3/e ( Data Mining : Concepts and Techniques 3/e) -
金融資料採礦 : R 及 Excel 實例演練$620$589 -
機器學習$648$616 -
$474數據科學實戰 (Doing Data Science) -
$147SQL初學者指南（第2版） -
$352實用機器學習 (Real-world Machine Learning) -
$374SQL 基礎教程, 2/e -
$237SQL 進階教程 -
$714利用 Python 進行數據分析 (Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, 2/e) -
Python 資料分析, 2/e (Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, 2/e)$880$695 -
$500統計學習方法, 2/e -
Hands-On Data Analysis with Pandas$1,780$1,691 -
Introduction to Data Mining, 2/e (GE-Paperback)$1,420$1,392 -
AI 證券投資分析：探索超額報酬 ─ 使用 Excel 實作$650$507 -
$1,980Software Engineering at Google: Lessons Learned from Programming Over Time (Paperback) -
特徵工程不再難：資料科學新手也能輕鬆搞定！ (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406 -
東京大學資料科學家養成全書：使用 Python 動手學習資料分析$780$663 -
行銷資料科學實務｜使用 Python 與 R (Hands-On Data Science for Marketing)$580$458 -
Scrum 敏捷產品管理：打造客戶喜愛的產品 (Agile Product Management with Scrum: Creating Products that Customers Love)$360$281 -
$709R數據科學實戰, 2/e (Practical Data Science with R, 2/e) -
$352HuggingFace 自然語言處理詳解 — 基於 BERT 中文模型的任務實戰 -
OpenTelemetry 入門指南：建立全面可觀測性架構（iThome鐵人賽系列書）【軟精裝】$750$585
商品描述
《數據挖掘導論（完整版）》全面介紹了數據挖掘的理論和方法，旨在為讀者提供將數據挖掘應用於實際問題所必需的知識。《數據挖掘導論（完整版）》涵蓋五個主題：數據、分類、關聯分析、聚類和異常檢測。除異常檢測外，每個主題都包含兩章：前面一章講述基本概念、代表性算法和評估技術，後面一章較深入地討概念和算法。目的是使讀者在透徹地理解數據挖掘基礎的同時，還能瞭解更多重要的主題。此外，書中還提供了大量示例、圖表和習題。
《數據挖掘導論（完整版）》適合作為相關專業高年級本科生和研究生數據挖掘課程的教材，同時也可作為數據挖掘研究和應用開發人員的參考書。
