了得網研究生_數據挖掘（第2版）

商品搜索

类别：

关键字：

商品分类

數據挖掘（第2版）
該商品所屬分類：研究生 -> 工學
【市場價】	750-1088元
【優惠價】	469-680元
【作者】	蔣盛益
【所屬類別】	圖書教材研究生/本科/專科教材工學
【出版社】	電子工業出版社
【ISBN】	9787121450778
【折扣說明】	一次購物滿999元台幣免運費+贈品一次購物滿2000元台幣95折+免運費+贈品一次購物滿3000元台幣92折+免運費+贈品一次購物滿4000元台幣88折+免運費+贈品
【本期贈品】	①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾

版本	正版全新電子版PDF檔
您已选择：	正版全新
溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。 . 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。 . 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。

內容介紹

包裝：平塑

是否套裝：否

國際標準書號ISBN：9787121450778

作者：蔣盛益

出版社：電子工業出版社

出版時間：2023年02月

內容簡介

本書內容分為數據挖掘理論和數據挖掘實踐兩部分。數據挖掘理論部分主要包括數據挖掘的基本概念、數據預處理、聚類分析、分類與回歸、關聯規則挖掘及離群點檢測。數據挖掘實踐部分討論數據挖掘在文本挖掘和金融領域中的應用，通過虛假新聞檢測和社交平臺情緒分析等案例，展示數據挖掘在文本挖掘方面的應用；通過潛在貸款客戶挖掘、貸款違約等案例展示數據挖掘在金融領域的應用。本書可作為高等學校計算機、數據科學與大數據、電子商務、信息科學等相關專業的教材或參考書，也可供從事數據挖掘研究的科研、技術人員參考。

作者簡介

蔣盛益，教授、博士，碩士生導師；廣東省"千百十"工程省級培養對像，廣東外語外貿大學教學名師。中國計算機學會高級會員，中國計算機學會中文信息技術專委會委員，中國中文信息學會計算語言學專業委員會委員、社會媒體處理專委會委員，人工智能學會機器學習專委會委員，廣東省計算機學會常務理事；廣州市計算機學會常務理事；第十、十一屆廣東省政協委員。先後在湖南師範大學、中南工業大學、華中科技大學畢業，分別獲理學學士學位、理學碩士學位、工學博士學位。目前重點研究方向是利用自然語言處理、社會網絡分析技術來處理網絡新聞和社交媒體中的數據，包括新聞觀點自動提取、對特定事件的立場（支持還是反對）分析、輿情傳播模式研究、用戶影響力分析等。應用背景包括國內外輿情分析、海上絲綢之路的情報分析。

目錄
上篇理論篇
第1章緒論2
1.1 數據挖掘技術使用背景4
1.2 數據挖掘任務及過程5
1.2.1 數據挖掘定義5
1.2.2 數據挖掘任務5
1.2.3 數據挖掘過程7
1.2.4 數據挖掘對像8
1.2.5 數據挖掘工具及其選擇13
1.3 數據挖掘應用13
1.3.1 數據挖掘在計算機領域中的應用14
1.3.2 數據挖掘在商業領域中的應用15
1.3.3 數據挖掘在其他領域中的應用16目錄

上篇理論篇

第1章緒論2

1.1 數據挖掘技術使用背景4

1.2 數據挖掘任務及過程5

1.2.1 數據挖掘定義5

1.2.2 數據挖掘任務5

1.2.3 數據挖掘過程7

1.2.4 數據挖掘對像8

1.2.5 數據挖掘工具及其選擇13

1.3 數據挖掘應用13

1.3.1 數據挖掘在計算機領域中的應用14

1.3.2 數據挖掘在商業領域中的應用15

1.3.3 數據挖掘在其他領域中的應用16

1.3.4 數據挖掘技術的前景17

1.4 數據挖掘與隱私保護18

本章小結20

習題120

第2章數據處理基礎23

2.1 數據24

2.1.1 數據及數據類型24

2.1.2 數據集的類型25

2.2 數據探索27

2.2.1 描述性統計分析27

2.2.2 數據可視化30

2.2.3 辛普森悖論34

2.3 數據預處理37

2.3.1 數據清理38

2.3.2 數據集成41

2.3.3 特征變換41

2.3.4 數據歸約48

2.4 相似性度量55

2.4.1 屬性之間的相似性度量56

2.4.2 對像之間的相似性度量57

本章小結60

習題261

第3章分類和回歸65

3.1 分類概述66

3.2 決策樹分類方法67

3.2.1 決策樹的基本概念67

3.2.2 構建決策樹的要素68

3.2.3 Hunt算法73

3.2.4 C4.5算法74

3.2.5 CART算法79

3.2.6 決策樹算法的特點90

3.3 貝葉斯分類方法90

3.3.1 貝葉斯定理91

3.3.2 樸素貝葉斯分類算法92

3.3.3 貝葉斯信念網絡96

3.4 k-近鄰分類方法97

3.4.1 k-近鄰分類的基本問題98

3.4.2 k-近鄰分類算法描述98

3.4.3 k-近鄰分類算法的優缺點100

3.5 神經網絡分類方法100

3.5.1 人工神經網絡的基本概念100

3.5.2 典型神經網絡模型介紹102

3.5.3 神經網絡的特點103

3.5.4 深度網絡和深度學習算法104

3.6 支持向量機105

3.7 集成分類方法107

3.8 分類問題拓展113

3.8.1 不平衡分類問題113

3.8.2 半監督學習115

3.8.3 單類分類115

3.8.4 多標簽分類115

3.8.5 層次分類115

3.9 分類模型的評價116

3.9.1 分類模型性能評價指標116

3.9.2 分類模型的過度擬合117

3.9.3 評估分類模型性能的方法117

3.10 綜合案例：信用風險分析118

3.11 回歸分析121

3.11.1線性回歸模型122

3.11.2 非線性回歸125

3.11.3 邏輯回歸127

本章小結131

習題3131

第4章聚類分析137

4.1 聚類分析概述138

4.2 k-means算法及其改進141

4.2.1 基本k-means算法141

4.2.2 k-means聚類算法的拓展145

4.3 層次聚類算法150

4.3.1 二分k-means算法151

4.3.2 BIRCH算法152

4.3.3 CURE算法154

4.3.4 ROCK算法155

4.4 基於密度的聚類算法157

4.5 基於圖的聚類算法160

4.5.1 Chameleon聚類算法160

4.5.2 基於SNN的聚類算法165

4.6 一趟聚類算法167

4.6.1 閾值選擇167

4.6.2 算法應用171

4.7 基於模型的聚類算法172

4.7.1 期望化方法172

4.7.2 概念聚類172

4.7.3 SOM方法174

4.8 聚類算法評價176

4.9 綜合案例：航空公司客戶價值分析178

本章小結184

習題4184

第5章關聯分析187

5.1 關聯分析概述188

5.2 關聯規則分析基礎188

5.2.1 基本概念188

5.2.2 基礎分析方法190

5.3 Apriori算法192

5.3.1 Apriori性質192

5.3.2 產生頻繁項集193

5.3.3 頻繁項集構造示例194

5.3.4 產生關聯規則195

5.3.5 規則的評估標準198

5.3.6 Apriori算法評價201

5.4 FP-Growth算法201

5.4.1 FP-tree表示法201

5.4.2 構建FP-tree202

5.4.3 發現頻繁項集204

5.5 關聯規則擴展205

5.5.1 關聯規則分類205

5.5.2 多層次關聯規則206

5.5.3 多維度關聯規則207

5.5.4 定量關聯規則208

5.5.5 基於約束的關聯規則208

5.5.6 序列模式挖掘208

5.6 綜合案例：移動業務關聯分析209

5.6.1 數據準備209

5.6.2 數據預處理209

5.6.3 關聯規則挖掘過程211

5.6.4 規則的優化214

5.6.5 模型的應用215

本章小結216

習題5216

第6章離群點挖掘220

6.1 離群點挖掘概述221

6.2 基於統計的方法222

6.3 基於距離的方法224

6.4 基於相對密度的方法226

6.5 基於聚類的方法231

6.5.1 基於對像的離群因子方法231

6.5.2 基於簇的離群因子方法234

6.5.3 基於聚類的動態數據離群點檢測方法236

6.6 離群點挖掘方法的評估237

6.7 綜合案例237

6.7.1 離群點檢測在癌癥診斷中的應用237

6.7.2 離群點檢測在網絡入侵檢測中的應用239

本章小結242

習題6242

下篇實踐篇

第7章文本挖掘246

7.1 文本挖掘概述247

7.1.1 分詞247

7.1.2 文本表示與詞權重計算250

7.1.3 文本特征選擇252

7.1.4 文本分類253

7.1.5 文本聚類256

7.1.6 文檔自動摘要258

7.1.7 文本情感分析262

7.1.8 用戶畫像265

7.2 案例分析269

7.2.1 虛假新聞檢測案例269

7.2.2 社交平臺情感分類277

本章小結283

第8章數據挖掘的金融應用285

8.1 數據挖掘在金融領域中的應用概述287

8.1.1 金融科技287

8.1.2 金融領域中的數據挖掘應用289

8.2 銀行潛在貸款客戶挖掘295

8.2.1 業務理解295

8.2.2 數據理解與數據準備296

8.2.3 模型構建與評估299

8.3 貸款違約301

本章小結305

附錄A 數據挖掘常用資源列表307

參考文獻308

網友評論我們期待著您對此商品發表評論

相關商品

商品搜索

商品分类

【醫學】

【各大出版社】