●第1章 回歸分析
1.1模型
1.1.1理解模型
1.1.2回歸模型
1.1.3 方差模型
1.2線性回歸模型應用
1.2.1回歸參數估計
1.2.2回歸方程選擇
1.2.3模型應用
1.3邏輯回歸
1.3.1二分類問題
1.3.2邏輯回歸模型
1.3.3模型求解
1.3.4模型應用
本章小結
思考題
參考文獻
第2章 K近鄰與K均值
2.1分類與聚類的區別
2.2距離度量問題
2.2.1數值向量距離
2.2.2布爾向量距離
2.3K近鄰分類
2.3.1算法描述
2.3.2算法實現
2.3.3應用案例
2.4K均值聚類
2.4.1算法描述
2.4.2算法優化
2.4.3應用案例
本章小結
……

  


本書結合典型的數據挖掘案例，詳細介紹了若干種重要的數據挖掘算法的實現原理和應用方法。其中，第1、2章介紹了回歸、 分類、聚類的概念及其實現的主要方法，如線性回歸、邏輯回歸、K近鄰和K均值；第3~5章介紹了數據挖掘的主要策略，如決策樹、提升算法和支持向量機； 在前述知識的基礎上，第6~8章介紹了實現人工智能算法的三種最基礎網絡結構，即人工神經網絡、卷積神經網絡、 長短時記憶網絡。 通過閱讀本書，讀者既可以理解各種數據挖掘算法的實現原理，又可以掌握將算法應用於實際數據挖掘的一般流程和方法。

本書可作為高等院校理工科相關專業本科生、研究生的教材，也可供相關人員自學使用。