数据挖掘(第2版)

图书信息

作者	王朝霞
出版社	电子工业出版社
ISBN	9787121455025
出版时间	2023-05-01
字数	22.7万
分类	科技,计算机,网络,多媒体,数据通信

读书简介

本书系统地介绍了数据挖掘理论、方法与应用，包括数据特征分析与预处理，经典数据挖掘算法（分类、回归、聚类、关联规则和集成学习等），大数据新常态下催生的数据分析方法（推荐系统、分析与网页排序、互联网信息抽取、日志挖掘与查询分析等）等理论与方法。在此基础上，每章均有基于Python语言的实例应用。

目录

内容简介

编委会

总序

第2版前言

第1版前言

第1章 绪论

1.1 数据挖掘的基本概念

1.2 数据挖掘的起源及发展

1.3 数据挖掘的常用工具

1.4 数据挖掘的应用

习题

参考文献

第2章 数据特征分析及预处理

2.1 数据类型

2.2 数据特征分析

2.3 数据预处理

2.4 数据的相似性

习题

参考文献

第3章 分类

3.1 分类概述

3.2 决策树

3.3 贝叶斯分类

3.4 支持向量机

3.5 实战：Python支持向量机分类

习题

参考文献

第4章 回归

4.1 回归的基本概念

4.2 一元回归分析

4.3 多元线性回归分析

4.4 逻辑回归分析

4.5 其他回归分析

4.6 实战：获得最大有效率时的药物用量

习题

参考文献

第5章 聚类

5.1 聚类基本概念

5.2 划分聚类方法

5.3 层次聚类方法

5.4 密度聚类方法

5.5 实战：Python聚类分析

习题

参考文献

第6章 关联规则

6.1 基本概念

6.2 Apriori算法：通过限制候选产生发现频繁项集

6.3 FP-growth算法

6.4 其他关联规则算法

6.5 实战：购物篮关联规则挖掘

习题

参考文献

第7章 集成学习

7.1 集成学习的概念

7.2 Bagging算法与随机森林算法

7.3 Boosting算法

7.4 结合策略

7.5 多样性

7.6 实战案例

7.7 本章小结

习题

参考文献

第8章 推荐系统

8.1 推荐系统概述

8.2 基于内容的推荐

8.3 协同过滤推荐

8.4 基于标签的推荐

8.5 实战：搭建一个电影推荐系统

习题

参考文献

第9章 互联网数据挖掘

9.1 链接分析与网页排序

9.2 互联网信息抽取

9.3 日志挖掘与查询分析

9.4 Python实战案例

习题

参考文献

附录A 大数据和人工智能实验环境