大數據分析與挖掘
劉偉
- 出版商: 清華大學
- 出版日期: 2024-05-01
- 定價: $294
- 售價: 8.5 折 $250
- 語言: 簡體中文
- ISBN: 7302662002
- ISBN-13: 9787302662006
-
相關分類:
大數據 Big-data、Data Science
下單後立即進貨 (約4週~6週)
相關主題
商品描述
作為近十幾年來大數據、人工智能行業飛速發展最重要的驅動技術之一，大數據分析與挖掘已經成為各個行業商業決策的必備技術。本書緊跟數據科學前沿，旨在幫助讀者建立大數據分析與挖掘的思維框架，培養其使用數據驅動的方法解決商業決策問題的能力。本書秉承經典、主流和發展的理念，重點介紹了大數據分析與挖掘的主要步驟，關聯分析、分類和聚類等經典算法的原理以及文本挖掘和深度學習等**算法和應用。本書內容設計採用“算法原理+商業案例”的方式，突出課程的實踐性和應用性特點。
本書適合作為開設數據挖掘、機器學習及大數據分析類課程的高校課程教材，也可作為從事數據挖掘開發、高級數據分析的企事業單位工作人員以及從事大數據分析應用研究的科研人員的參考書。
目錄大綱
目錄
第1章大數據分析與挖掘概論
1.1大數據及其應用
1.2大數據分析與挖掘的相關概念
1.3大數據分析與挖掘的模式
1.4大數據分析與挖掘技術
課後習題
應用實例
即測即練
第2章數據預處理
2.1數據類型
2.2數據的鄰近性度量
2.3數據預處理過程
2.4數據預處理方法
課後習題
應用實例
即測即練
第3章特徵工程與降維
3.1特徵工程
3.2降維方法
課後習題
應用實例
即測即練
第4章關聯分析
4.1關聯規則的概念
4.2Apriori算法
4.3FPGrowth算法
4.4關聯規則評價
課後習題
應用實例
即測即練
第5章回歸分析
5.1回歸分析概述
5.2線性回歸
5.3線性回歸正則化
5.4邏輯回歸
課後習題
應用實例
即測即練
第6章分類
6.1分類方法概述
6.2決策樹分類
6.3樸素貝葉斯
6.4k最近鄰
6.5支持向量機
6.6模型評估與選擇
課後習題
應用實例
即測即練
第7章集成分類方法
7.1集成分類方法概述
7.2Boosting
7.3Bagging
課後習題
應用實例
即測即練
第8章聚類
8.1聚類概述
8.2基於劃分的聚類方法
8.3基於層次的聚類方法
8.4基於密度的聚類方法
8.5基於網格的聚類方法
8.6基於模型的聚類方法
8.7聚類評估
課後習題
應用實例
即測即練
第9章文本挖掘
9.1文本挖掘概述
9.2文本表示方法
9.3文本降維
9.4主題分析
9.5情感分析
課後習題
應用實例
即測即練
第10章神經網絡與深度學習
10.1深度學習概述
10.2多層感知機
10.3反向傳播算法
10.4捲積神經網絡
10.5循環神經網絡
10.6深度學習方法的優化
課後習題
應用實例
即測即練
參考文獻
