App 下载
注册
登录
|
搜索
正在搜索中...
首页
我的书架
我的主页
我的收藏
我的书评
本书包括五部分内容。第一部分（第1~3章）涉及数据挖掘技术的基础知识，介绍数据挖掘的定义、数据挖掘工具及应用领域，数据挖掘的数学基础内容，以及海量数据挖掘处理技术。第二部
……
[ 展开全部 ]
分（第4~5章）分别从聚类技术和离群点挖掘技术阐述聚类在语音区分、新闻分组、销售策略制定、交通事故预测、欺诈检测、入侵检测、异常气候检测等方面的应用。第三部分（第6~11章）分别从决策树、基于实例的学习、支持向量机、贝叶斯学习、人工神经网络、遗传算法在病情诊断、信用卡欺诈、机械装备设计、法律案件审理、动物分类、垃圾邮件过滤、手写文字识别、股票价格预测、人脸识别、音乐生成等方面阐述分类的应用。第四部分（第12章）阐述回归数据挖掘技术的应用，涉及卡尔曼算法在股票价格预测、GPS定位方面的应用。第五部分（第13章）介绍推荐系统这个最典型的数据挖掘应用。附录总结本书内容，阐述数据挖掘技术的数学本质。
[ 收起 ]
作者：贾双成 王奇
出版社：机械工业出版社
定价：59.00元
ISBN：7111519248
给个评价
做个书摘
书摘 (21 )
评价 (1 )
查看所有书摘
按目录显示书摘
只显示目录
目录
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
前 言
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第一部分 基 础 知 识
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第1章 引言2
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.1 数据挖掘的含义2
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.2 数据挖掘的演变过程3
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.3 数据工具简介4
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.3.1 Hadoop与MapReduce5
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.3.2 Pig语言8
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.3.3 MATLAB编程9
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.3.4 SAS9
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.3.5 WEKA12
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.3.6 R语言编程12
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.4 数据挖掘应用领域13
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
1.5 小结14
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第2章 数学基础15
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.1 概率统计16
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.1.1 基本概念16
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.1.2 随机变量及其分布19
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.2 相似度24
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.2.1 期望与方差25
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.2.2 距离27
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.2.3 相关系数31
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.3 矩阵计算34
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.4 最小二乘法39
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.4.1 最小二乘法定义39
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.4.2 回归40
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
2.4.3 参数的最小二乘法估计42
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第3章 海量数据处理技术46
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.1 索引技术46
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.1.1 数据库索引46
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.1.2 文本索引49
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.2 海量数据处理技术52
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.2.1 外排序53
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.2.2 分布式处理53
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.2.3 Bloom filter54
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
3.2.4 常用技巧55
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第二部分 聚 类
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第4章 聚类58
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.1 应用场景58
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.1.1 语音区分58
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.1.2 新闻分组59
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.1.3 选定销售策略59
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.1.4 交通事件预测59
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.2 聚类技术60
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.2.1 划分聚类61
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.2.2 层次聚类67
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.2.3 基于密度的聚类70
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.2.4 基于网格的聚类72
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.3 多元分析72
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.3.1 主成分分析法73
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.3.2 因子分析83
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
4.3.3 对比分析83
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第5章 离群点挖掘技术85
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.1 应用场景85
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.1.1 异常交通事件检测85
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.1.2 欺诈检测85
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.1.3 入侵检测86
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.1.4 异常气候检测86
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.2 离群点挖掘技术86
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.2.1 基于统计的离群点挖掘技术87
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.2.2 基于邻近度的离群点挖掘技术88
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.2.3 基于密度的离群点挖掘技术89
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.2.4 基于聚类的离群点挖掘技术92
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
5.2.5 高维数据的离群点检测算法93
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第三部分 分 类
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第6章 决策树98
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.1 应用场景98
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.1.1 病情诊断98
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.1.2 信用卡欺诈检测98
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.2 决策树技术99
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.2.1 概述99
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.2.2 技术实现100
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.2.3 多分类决策树104
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
6.2.4 参考实例106
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第7章 基于实例的学习108
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.1 应用场景108
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.1.1 机械装备的总体设计108
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.1.2 对新的法律案件的推理109
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.1.3 规划或调度问题109
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.2 K近邻算法110
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.3 K-D树111
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.3.1 近邻的实现：K-D树111
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.3.2 K-D树的构建112
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
7.3.3 K-D树的最近邻搜索算法113
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第8章 支持向量机115
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.1 应用场景115
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.1.1 病情分类115
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.1.2 动物分类116
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.2 支持向量机技术116
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.2.1 概述116
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.2.2 技术实现118
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.2.3 核函数122
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
8.2.4 多类分类器124
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第9章 贝叶斯学习126
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.1 应用场景126
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.1.1 垃圾邮件过滤126
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.1.2 手写文字识别127
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.1.3 拼写检查128
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.1.4 分词128
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.1.5 语音识别129
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.1.6 股票价格预测129
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.1.7 病情诊断129
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.1.8 选定销售策略130
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.1.9 交通事件预测130
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.2 贝叶斯学习技术131
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.2.1 概述131
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.2.2 技术实现131
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
9.2.3 参考实例135
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第10章 人工神经网络138
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.1 应用场景138
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.1.1 信用卡欺诈检测138
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.1.2 病情诊断139
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.1.3 足球比赛预测139
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.1.4 图像姿势识别139
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.1.5 利用图像识别的自动驾驶140
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.1.6 人脸识别140
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.1.7 语音分类识别141
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.2 人工神经网络技术142
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.2.1 概述142
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.2.2 技术实现142
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
10.2.3 参考实例145
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第11章 遗传算法152
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
11.1 应用场景152
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
11.1.1 私人定制的电影152
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
11.1.2 国际象棋学习153
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
11.1.3 电路设计154
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
11.1.4 机器人的模拟控制154
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
11.1.5 函数设计154
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
11.1.6 唐诗生成器155
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
11.1.7 音乐生成器155
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
11.2 遗传技术155
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
11.2.1 概述155
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
11.2.2 技术实现158
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
11.2.3 参考实例：背包问题166
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第四部分 回 归
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第12章 卡尔曼算法170
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
12.1 应用场景170
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
12.1.1 股票价格预测170
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
12.1.2 GPS定位预测171
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
12.2 卡尔曼技术171
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
12.2.1 卡尔曼算法定义171
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
12.2.2 技术实现172
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
12.2.3 参考实例：GPS定位175
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第五部分 应 用
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
第13章 推荐系统180
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.1 应用场景181
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.1.1 歌曲推荐181
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.1.2 QQ好友圈子的推荐功能182
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.1.3 今日头条183
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.1.4 淘宝商品推荐184
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.1.5 Netflix电影推荐184
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.1.6 豆瓣FM的推荐185
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.1.7 为用户定制的广告185
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.1.8 苹果APP排名的规则186
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.2 推荐系统技术186
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.2.1 协同过滤187
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.2.2 基于内容的推荐188
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.2.3 推荐系统的缺陷189
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.2.4 潜在因子算法190
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
13.2.5 参考实例：音乐推荐193
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
附录A 数据挖掘技术总结197
还没有人在此章节添加过书摘，赶紧来抢第一吧！
在此章节添加书摘
导购链接
×
做书摘
文字书摘
读图识字
至少还需要输入
10
字
保存原图片为书摘
上传图片
识别
最多输入
500
个字
上传图片
重新上传
写点笔记吧
至少还需要输入
10
字
章节（选填）
目录
前 言
第一部分 基 础 知 识
第1章 引言2
1.1 数据挖掘的含义2
1.2 数据挖掘的演变过程3
1.3 数据工具简介4
1.3.1 Hadoop与MapReduce5
1.3.2 Pig语言8
1.3.3 MATLAB编程9
1.3.4 SAS9
1.3.5 WEKA12
1.3.6 R语言编程12
1.4 数据挖掘应用领域13
1.5 小结14
第2章 数学基础15
2.1 概率统计16
2.1.1 基本概念16
2.1.2 随机变量及其分布19
2.2 相似度24
2.2.1 期望与方差25
2.2.2 距离27
2.2.3 相关系数31
2.3 矩阵计算34
2.4 最小二乘法39
2.4.1 最小二乘法定义39
2.4.2 回归40
2.4.3 参数的最小二乘法估计42
第3章 海量数据处理技术46
3.1 索引技术46
3.1.1 数据库索引46
3.1.2 文本索引49
3.2 海量数据处理技术52
3.2.1 外排序53
3.2.2 分布式处理53
3.2.3 Bloom filter54
3.2.4 常用技巧55
第二部分 聚 类
第4章 聚类58
4.1 应用场景58
4.1.1 语音区分58
4.1.2 新闻分组59
4.1.3 选定销售策略59
4.1.4 交通事件预测59
4.2 聚类技术60
4.2.1 划分聚类61
4.2.2 层次聚类67
4.2.3 基于密度的聚类70
4.2.4 基于网格的聚类72
4.3 多元分析72
4.3.1 主成分分析法73
4.3.2 因子分析83
4.3.3 对比分析83
第5章 离群点挖掘技术85
5.1 应用场景85
5.1.1 异常交通事件检测85
5.1.2 欺诈检测85
5.1.3 入侵检测86
5.1.4 异常气候检测86
5.2 离群点挖掘技术86
5.2.1 基于统计的离群点挖掘技术87
5.2.2 基于邻近度的离群点挖掘技术88
5.2.3 基于密度的离群点挖掘技术89
5.2.4 基于聚类的离群点挖掘技术92
5.2.5 高维数据的离群点检测算法93
第三部分 分 类
第6章 决策树98
6.1 应用场景98
6.1.1 病情诊断98
6.1.2 信用卡欺诈检测98
6.2 决策树技术99
6.2.1 概述99
6.2.2 技术实现100
6.2.3 多分类决策树104
6.2.4 参考实例106
第7章 基于实例的学习108
7.1 应用场景108
7.1.1 机械装备的总体设计108
7.1.2 对新的法律案件的推理109
7.1.3 规划或调度问题109
7.2 K近邻算法110
7.3 K-D树111
7.3.1 近邻的实现：K-D树111
7.3.2 K-D树的构建112
7.3.3 K-D树的最近邻搜索算法113
第8章 支持向量机115
8.1 应用场景115
8.1.1 病情分类115
8.1.2 动物分类116
8.2 支持向量机技术116
8.2.1 概述116
8.2.2 技术实现118
8.2.3 核函数122
8.2.4 多类分类器124
第9章 贝叶斯学习126
9.1 应用场景126
9.1.1 垃圾邮件过滤126
9.1.2 手写文字识别127
9.1.3 拼写检查128
9.1.4 分词128
9.1.5 语音识别129
9.1.6 股票价格预测129
9.1.7 病情诊断129
9.1.8 选定销售策略130
9.1.9 交通事件预测130
9.2 贝叶斯学习技术131
9.2.1 概述131
9.2.2 技术实现131
9.2.3 参考实例135
第10章 人工神经网络138
10.1 应用场景138
10.1.1 信用卡欺诈检测138
10.1.2 病情诊断139
10.1.3 足球比赛预测139
10.1.4 图像姿势识别139
10.1.5 利用图像识别的自动驾驶140
10.1.6 人脸识别140
10.1.7 语音分类识别141
10.2 人工神经网络技术142
10.2.1 概述142
10.2.2 技术实现142
10.2.3 参考实例145
第11章 遗传算法152
11.1 应用场景152
11.1.1 私人定制的电影152
11.1.2 国际象棋学习153
11.1.3 电路设计154
11.1.4 机器人的模拟控制154
11.1.5 函数设计154
11.1.6 唐诗生成器155
11.1.7 音乐生成器155
11.2 遗传技术155
11.2.1 概述155
11.2.2 技术实现158
11.2.3 参考实例：背包问题166
第四部分 回 归
第12章 卡尔曼算法170
12.1 应用场景170
12.1.1 股票价格预测170
12.1.2 GPS定位预测171
12.2 卡尔曼技术171
12.2.1 卡尔曼算法定义171
12.2.2 技术实现172
12.2.3 参考实例：GPS定位175
第五部分 应 用
第13章 推荐系统180
13.1 应用场景181
13.1.1 歌曲推荐181
13.1.2 QQ好友圈子的推荐功能182
13.1.3 今日头条183
13.1.4 淘宝商品推荐184
13.1.5 Netflix电影推荐184
13.1.6 豆瓣FM的推荐185
13.1.7 为用户定制的广告185
13.1.8 苹果APP排名的规则186
13.2 推荐系统技术186
13.2.1 协同过滤187
13.2.2 基于内容的推荐188
13.2.3 推荐系统的缺陷189
13.2.4 潜在因子算法190
13.2.5 参考实例：音乐推荐193
附录A 数据挖掘技术总结197
页码（选填）
这本书已经添加了这些章节，请勾选或者新建你的书摘所属的章节
add
up
down
remove
目录
前 言
第一部分 基 础 知 识
第1章 引言2
1.1 数据挖掘的含义2
1.2 数据挖掘的演变过程3
1.3 数据工具简介4
1.3.1 Hadoop与MapReduce5
1.3.2 Pig语言8
1.3.3 MATLAB编程9
1.3.4 SAS9
1.3.5 WEKA12
1.3.6 R语言编程12
1.4 数据挖掘应用领域13
1.5 小结14
第2章 数学基础15
2.1 概率统计16
2.1.1 基本概念16
2.1.2 随机变量及其分布19
2.2 相似度24
2.2.1 期望与方差25
2.2.2 距离27
2.2.3 相关系数31
2.3 矩阵计算34
2.4 最小二乘法39
2.4.1 最小二乘法定义39
2.4.2 回归40
2.4.3 参数的最小二乘法估计42
第3章 海量数据处理技术46
3.1 索引技术46
3.1.1 数据库索引46
3.1.2 文本索引49
3.2 海量数据处理技术52
3.2.1 外排序53
3.2.2 分布式处理53
3.2.3 Bloom filter54
3.2.4 常用技巧55
第二部分 聚 类
第4章 聚类58
4.1 应用场景58
4.1.1 语音区分58
4.1.2 新闻分组59
4.1.3 选定销售策略59
4.1.4 交通事件预测59
4.2 聚类技术60
4.2.1 划分聚类61
4.2.2 层次聚类67
4.2.3 基于密度的聚类70
4.2.4 基于网格的聚类72
4.3 多元分析72
4.3.1 主成分分析法73
4.3.2 因子分析83
4.3.3 对比分析83
第5章 离群点挖掘技术85
5.1 应用场景85
5.1.1 异常交通事件检测85
5.1.2 欺诈检测85
5.1.3 入侵检测86
5.1.4 异常气候检测86
5.2 离群点挖掘技术86
5.2.1 基于统计的离群点挖掘技术87
5.2.2 基于邻近度的离群点挖掘技术88
5.2.3 基于密度的离群点挖掘技术89
5.2.4 基于聚类的离群点挖掘技术92
5.2.5 高维数据的离群点检测算法93
第三部分 分 类
第6章 决策树98
6.1 应用场景98
6.1.1 病情诊断98
6.1.2 信用卡欺诈检测98
6.2 决策树技术99
6.2.1 概述99
6.2.2 技术实现100
6.2.3 多分类决策树104
6.2.4 参考实例106
第7章 基于实例的学习108
7.1 应用场景108
7.1.1 机械装备的总体设计108
7.1.2 对新的法律案件的推理109
7.1.3 规划或调度问题109
7.2 K近邻算法110
7.3 K-D树111
7.3.1 近邻的实现：K-D树111
7.3.2 K-D树的构建112
7.3.3 K-D树的最近邻搜索算法113
第8章 支持向量机115
8.1 应用场景115
8.1.1 病情分类115
8.1.2 动物分类116
8.2 支持向量机技术116
8.2.1 概述116
8.2.2 技术实现118
8.2.3 核函数122
8.2.4 多类分类器124
第9章 贝叶斯学习126
9.1 应用场景126
9.1.1 垃圾邮件过滤126
9.1.2 手写文字识别127
9.1.3 拼写检查128
9.1.4 分词128
9.1.5 语音识别129
9.1.6 股票价格预测129
9.1.7 病情诊断129
9.1.8 选定销售策略130
9.1.9 交通事件预测130
9.2 贝叶斯学习技术131
9.2.1 概述131
9.2.2 技术实现131
9.2.3 参考实例135
第10章 人工神经网络138
10.1 应用场景138
10.1.1 信用卡欺诈检测138
10.1.2 病情诊断139
10.1.3 足球比赛预测139
10.1.4 图像姿势识别139
10.1.5 利用图像识别的自动驾驶140
10.1.6 人脸识别140
10.1.7 语音分类识别141
10.2 人工神经网络技术142
10.2.1 概述142
10.2.2 技术实现142
10.2.3 参考实例145
第11章 遗传算法152
11.1 应用场景152
11.1.1 私人定制的电影152
11.1.2 国际象棋学习153
11.1.3 电路设计154
11.1.4 机器人的模拟控制154
11.1.5 函数设计154
11.1.6 唐诗生成器155
11.1.7 音乐生成器155
11.2 遗传技术155
11.2.1 概述155
11.2.2 技术实现158
11.2.3 参考实例：背包问题166
第四部分 回 归
第12章 卡尔曼算法170
12.1 应用场景170
12.1.1 股票价格预测170
12.1.2 GPS定位预测171
12.2 卡尔曼技术171
12.2.1 卡尔曼算法定义171
12.2.2 技术实现172
12.2.3 参考实例：GPS定位175
第五部分 应 用
第13章 推荐系统180
13.1 应用场景181
13.1.1 歌曲推荐181
13.1.2 QQ好友圈子的推荐功能182
13.1.3 今日头条183
13.1.4 淘宝商品推荐184
13.1.5 Netflix电影推荐184
13.1.6 豆瓣FM的推荐185
13.1.7 为用户定制的广告185
13.1.8 苹果APP排名的规则186
13.2 推荐系统技术186
13.2.1 协同过滤187
13.2.2 基于内容的推荐188
13.2.3 推荐系统的缺陷189
13.2.4 潜在因子算法190
13.2.5 参考实例：音乐推荐193
附录A 数据挖掘技术总结197
×
添加一个书摘本
搜索创建书摘本
搜索
正在搜索...
不对，换一下
书名
作者
出版社
备注
ISBN
*
*
目录
前 言
第一部分 基 础 知 识
第1章 引言2
1.1 数据挖掘的含义2
1.2 数据挖掘的演变过程3
1.3 数据工具简介4
1.3.1 Hadoop与MapReduce5
1.3.2 Pig语言8
1.3.3 MATLAB编程9
1.3.4 SAS9
1.3.5 WEKA12
1.3.6 R语言编程12
1.4 数据挖掘应用领域13
1.5 小结14
第2章 数学基础15
2.1 概率统计16
2.1.1 基本概念16
2.1.2 随机变量及其分布19
2.2 相似度24
2.2.1 期望与方差25
2.2.2 距离27
2.2.3 相关系数31
2.3 矩阵计算34
2.4 最小二乘法39
2.4.1 最小二乘法定义39
2.4.2 回归40
2.4.3 参数的最小二乘法估计42
第3章 海量数据处理技术46
3.1 索引技术46
3.1.1 数据库索引46
3.1.2 文本索引49
3.2 海量数据处理技术52
3.2.1 外排序53
3.2.2 分布式处理53
3.2.3 Bloom filter54
3.2.4 常用技巧55
第二部分 聚 类
第4章 聚类58
4.1 应用场景58
4.1.1 语音区分58
4.1.2 新闻分组59
4.1.3 选定销售策略59
4.1.4 交通事件预测59
4.2 聚类技术60
4.2.1 划分聚类61
4.2.2 层次聚类67
4.2.3 基于密度的聚类70
4.2.4 基于网格的聚类72
4.3 多元分析72
4.3.1 主成分分析法73
4.3.2 因子分析83
4.3.3 对比分析83
第5章 离群点挖掘技术85
5.1 应用场景85
5.1.1 异常交通事件检测85
5.1.2 欺诈检测85
5.1.3 入侵检测86
5.1.4 异常气候检测86
5.2 离群点挖掘技术86
5.2.1 基于统计的离群点挖掘技术87
5.2.2 基于邻近度的离群点挖掘技术88
5.2.3 基于密度的离群点挖掘技术89
5.2.4 基于聚类的离群点挖掘技术92
5.2.5 高维数据的离群点检测算法93
第三部分 分 类
第6章 决策树98
6.1 应用场景98
6.1.1 病情诊断98
6.1.2 信用卡欺诈检测98
6.2 决策树技术99
6.2.1 概述99
6.2.2 技术实现100
6.2.3 多分类决策树104
6.2.4 参考实例106
第7章 基于实例的学习108
7.1 应用场景108
7.1.1 机械装备的总体设计108
7.1.2 对新的法律案件的推理109
7.1.3 规划或调度问题109
7.2 K近邻算法110
7.3 K-D树111
7.3.1 近邻的实现：K-D树111
7.3.2 K-D树的构建112
7.3.3 K-D树的最近邻搜索算法113
第8章 支持向量机115
8.1 应用场景115
8.1.1 病情分类115
8.1.2 动物分类116
8.2 支持向量机技术116
8.2.1 概述116
8.2.2 技术实现118
8.2.3 核函数122
8.2.4 多类分类器124
第9章 贝叶斯学习126
9.1 应用场景126
9.1.1 垃圾邮件过滤126
9.1.2 手写文字识别127
9.1.3 拼写检查128
9.1.4 分词128
9.1.5 语音识别129
9.1.6 股票价格预测129
9.1.7 病情诊断129
9.1.8 选定销售策略130
9.1.9 交通事件预测130
9.2 贝叶斯学习技术131
9.2.1 概述131
9.2.2 技术实现131
9.2.3 参考实例135
第10章 人工神经网络138
10.1 应用场景138
10.1.1 信用卡欺诈检测138
10.1.2 病情诊断139
10.1.3 足球比赛预测139
10.1.4 图像姿势识别139
10.1.5 利用图像识别的自动驾驶140
10.1.6 人脸识别140
10.1.7 语音分类识别141
10.2 人工神经网络技术142
10.2.1 概述142
10.2.2 技术实现142
10.2.3 参考实例145
第11章 遗传算法152
11.1 应用场景152
11.1.1 私人定制的电影152
11.1.2 国际象棋学习153
11.1.3 电路设计154
11.1.4 机器人的模拟控制154
11.1.5 函数设计154
11.1.6 唐诗生成器155
11.1.7 音乐生成器155
11.2 遗传技术155
11.2.1 概述155
11.2.2 技术实现158
11.2.3 参考实例：背包问题166
第四部分 回 归
第12章 卡尔曼算法170
12.1 应用场景170
12.1.1 股票价格预测170
12.1.2 GPS定位预测171
12.2 卡尔曼技术171
12.2.1 卡尔曼算法定义171
12.2.2 技术实现172
12.2.3 参考实例：GPS定位175
第五部分 应 用
第13章 推荐系统180
13.1 应用场景181
13.1.1 歌曲推荐181
13.1.2 QQ好友圈子的推荐功能182
13.1.3 今日头条183
13.1.4 淘宝商品推荐184
13.1.5 Netflix电影推荐184
13.1.6 豆瓣FM的推荐185
13.1.7 为用户定制的广告185
13.1.8 苹果APP排名的规则186
13.2 推荐系统技术186
13.2.1 协同过滤187
13.2.2 基于内容的推荐188
13.2.3 推荐系统的缺陷189
13.2.4 潜在因子算法190
13.2.5 参考实例：音乐推荐193
附录A 数据挖掘技术总结197