数据挖掘-概念模型方法和算法 自动发货

数据挖掘-概念模型方法和算法

发布时间: 2020-02-20

类型 视频 授权 免费 百度网盘 自动发货 发布者 itkec

¥免费

立即下载 加入收藏

   关注度:884 ℃

开通VIP会员 享受全站资源免费下载

视频详情:

课程名称:数据挖掘-概念、模型、方法和算法


内容简介:

《数据挖掘——概念、模型、方法和算法》是一本由清华大学出版社在2004年出版的书籍。作为一本教科书,本书全面讲述了数据挖掘的概念、模型、方法和算法。本书共包括13章和2个附录,全面、详细地讲述了从数据挖掘的基本概念到数据挖掘的整个过程,以及数据挖掘工具及其典型应用领域。本书编写严谨、内容权威、结构合理、科学规范、语言流畅,特别适合作为高等院校数据挖掘课程的教科书,还适合作为数据挖掘研究人员必备的参考书。


课程目录:

第1章 数据挖掘的概念 [1]

1.1 概述

1.2 数据挖掘的起源

1.3 数据挖掘过程

1.4 大型数据集

1.5 数据仓库

1.6 数据挖掘的商业方面:为什么数据挖掘项目会失败

1.7 本书结构安排

1.8 复习题

1.9 参考书目

第2章 数据准备

2.1 原始数据的表述 [1]

2.2 原始数据的特性

2.3 原始数据的转换

2.3.1 标准化

2.3.2 数据平整

2.3.3 差值和比率

2.4 丢失数据

2.5 时间相关数据

2.6 异常点分析

2.7 复习题

2.8 参考书目

第3章 数据归约

3.1 大型数据集的维度

3.2 特征归约

3.2.1 特征选择

3.2.2 特征提取

3.3 re1ief算法

3.4 特征排列的熵度量

3.5 主成分分析

3.6 值归约

3.7 特征离散化:chimerge技术

3.8 案例归约

3.9 复习题

3.10 参考书目

第4章 从数据中学习

4.1 学习机器

4.2 统计学习原理

4.3 学习方法的类型

4.4 常见的学习任务

4.5 支持向量机

4.6 knn:最近邻分类器 [1]

4.7 模型选择与泛化

4.8 模型的评估

4.9 90%准确的情形

4.9.1 保险欺诈检测

4.9.2 改进心脏护理

4.10 复习题

4.11 参考书目

第5章 统计方法

5.1 统计推断

5.2 评测数据集的差异

5.3 贝叶斯定理

5.4 预测回归

5.5 方差分析

5.6 对数回归

5.7 对数—线性模型

5.8 线性判别分析

5.9 复习题

5.10 参考书目

第6章 决策树和决策规则

6.1 决策树

6.2 c4.5算法:生成决策树

6.3 未知属性值

6.4 修剪决策树

6.5 c4.5算法:生成决策规则

6.6 cart算法和gini指标

6.7 决策树和决策规则的局限性

6.8 复习题

6.9 参考书目

第7章 人工神经网络

7.1 人工神经元的模型

7.2 人工神经网络的结构

7.3 学习过程

7.4 使用ann完成的学习任务

7.4.1 模式联想 [1]

7.4.2 模式识别

7.5 多层感知机

7.6 竞争网络和竞争学习

7.7 som

7.8 复习题

7.9 参考书目

第8章 集成学习

8.1 集成学习方法论

8.2 多学习器组合方案

8.3 bagging和boosting

8.4 adaboost算法

8.5 复习题

8.6 参考书目

第9章 聚类分析

9.1 聚类的概念

9.2 相似度的度量

9.3 凝聚层次聚类

9.4 分区聚类

9.5 增量聚类

9.6 dbscan算法

9.7 birch算法 [1]

9.8 聚类验证

9.9 复习题

9.10 参考书目

第10章 关联规则

10.1 购物篮分析

10.2 apriori算法

10.3 从频繁项集中得到关联规则

10.4 提高apriori算法的效率

10.5 fp增长方法

10.6 关联分类方法

10.7 多维关联规则挖掘

10.8 复习题

10.9 参考书目

第11章 web挖掘和文本挖掘 [1]

11.1 web挖掘

11.2 web内容、结构与使用挖掘

11.3 hits和logsom算法

11.4 挖掘路径遍历模式

11.5 pagerank算法

11.6 文本挖掘

11.7 潜在语义分析

11.8 复习题

11.9 参考书目

第12章 数据挖掘高级技术

12.1 图挖掘

12.2 时态数据挖掘

12.2.1 时态数据表示

12.2.2 序列之间的相似性度量

12.2.3 时态数据模型

12.2.4 数据挖掘

12.3 空间数据挖掘(sdm) [1]

12.4 分布式数据挖掘(ddm)

12.5 关联并不意味着存在因果关系

12.6 数据挖掘的隐私、安全及法律问题

12.7 复习题

12.8 参考书目

第13章 遗传算法

13.1 遗传算法的基本原理

13.2 用遗传算法进行优化

13.2.1 编码方案和初始化

13.2.2 适合度估计

13.2.3 选择

13.2.4 交叉

13.2.5 突变

13.3 遗传算法的简单例证

13.3.1 表述

13.3.2 初始群体

13.3.3 评价

13.3.4 交替

13.3.5 遗传算子

13.3.6 评价(第二次迭代)

13.4 图式 [1]

13.5 旅行推销员问题

13.6 使用遗传算法的机器学习

13.6.1 规则交换

13.6.2 规则概化

13.6.3 规则特化

13.6.4 规则分割

13.7 遗传算法用于聚类

13.8 复习题

13.9 参考书目

第14章 模糊集和模糊逻辑

14.1 模糊集

14.2 模糊集的运算

14.3 扩展原理和模糊关系

14.4 模糊逻辑和模糊推理系统

14.5 多因子评价

14.6 从数据中提取模糊模型

14.7 数据挖掘和模糊集

14.8 复习题 [1]

14.9 参考书目

第15章 可视化方法

15.1 感知和可视化

15.2 科学可视化和信息可视化

15.3 平行坐标

15.4 放射性可视化

15.5 使用自组织映射进行可视化

15.6 数据挖掘的可视化系统

15.7 复习题

15.8 参考书目

附录a 数据挖掘工具

附录b 数据挖掘应用


课程截图:1.png

版权信息:本站所有资源均收集于互联网或会员发布,仅供学习与参考,请勿用于商业用途,如有侵犯您的版权,请您出示版权证明及时联系客服,我们将在24小时之内删除。

标 签: 算法 模型 数据挖掘

上一篇: 电脑外设圣经

下一篇: 大话无线通信

暂无评论

嘿,我来帮您!