登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

新書推薦： 《 浪潮将至 》 售價：NT$ 395.0 《 在虚无时代：与马克斯·韦伯共同思考 》 售價：NT$ 260.0 《 日内交易与波段交易的资金风险管理 》 售價：NT$ 390.0 《 自然信息图：一目了然的万物奇观 》 售價：NT$ 640.0 《 女性史：古代卷（真正意义上的女性大历史） 》 售價：NT$ 560.0 《 跨代伴侣治疗 》 售價：NT$ 440.0 《 心理治疗中的真意：心理治疗师的心灵之旅 》 售價：NT$ 440.0 《 无冕之王：齐桓公与齐国崛起 》 售價：NT$ 290.0

建議一齊購買： + NT$ 569 《 Python数据分析实战 》 + NT$ 641 《 图解Java多线程设计模式 》 + NT$ 425 《 Python机器学习经典实例 》 + NT$ 396 《 编程风格：好代码的逻辑 》 + NT$ 425 《 精通Python自然语言处理 》 + NT$ 1210 《 深度学习 》 編輯推薦： ● 数据挖据与分析的入门书，针对初学者阐述所有关键概念，包括探索性数据分析、频繁模式挖掘、聚类和分类。 ● 兼顾前沿话题，例如核方法、高维数据分析、复杂图和网络等。 ● 提供算法对应的开源实现方法。 ● 每章均有丰富示例和练习，帮助读者理解和巩固相关主题。 ● 配备丰富教辅资源，包括课程幻灯片、教学视频、数据集等，可从以下网址获取：http：www.dataminingbook.infopmwiki.phpMainBookResources。 內容簡介： 本书是专注于数据挖掘与分析的基本算法的入门图书，内容分为数据分析基础、频繁模式挖掘、聚类和分类四个部分，每一部分的各个章节兼顾基础知识和前沿话题，例如核方法、高维数据分析、复杂图和网络等。每一章*后均附有参考书目和习题。 關於作者： 【作者简介】 Mohammed J. Zaki 伦斯勒理工学院计算机科学系教授，ACM杰出科学家，IEEE会士，目前致力于研究新数据挖掘技术。曾获得谷歌教职研究奖等诸多奖项。 Wagner Meira Jr. 巴西米纳斯联邦大学计算机科学系教授，数据库专家。 【译者简介】 吴诚堃 博士，2014年毕业于英国曼彻斯特大学，博士论文题为《应用大规模文本挖掘实现疾病分子机理重构》。现担任国防科技大学计算机学院助理研究员，从事高性能计算应用研究。 目錄： 第1章数据挖掘与分析1 1.1数据矩阵1 1.2属性2 1.3数据的几何和代数描述3 1.3.1距离和角度5 1.3.2均值与总方差8 1.3.3正交投影9 1.3.4线性无关与维数10 1.4数据：概率观点12 1.4.1二元随机变量17 1.4.2多元随机变量20 1.4.3随机抽样和统计量21 1.5数据挖掘22 1.5.1探索性数据分析23 1.5.2频繁模式挖掘24 1.5.3聚类24 1.5.4分类25 1.6补充阅读 26 1.7习题26 第一部分数据分析基础 第2章数值属性28 2.1一元变量分析28 2.1.1数据居中度度量29 2.1.2数据离散度度量32 2.2二元变量分析35 2.2.1位置和离散度的度量36 2.2.2相关性度量37 2.3多元变量分析40 2.4数据规范化44 2.5正态分布46 2.5.1一元正态分布46 2.5.2多元正态分布47 2.6补充阅读50 2.7习题51 第3章类别型属性53 3.1一元分析53 3.1.1伯努利变量（Bernoulli variable）53 3.1.2多元伯努利变量55 3.2二元分析61 3.3多元分析69 3.4距离和角度74 3.5离散化75 3.6补充阅读77 3.7习题78 第4章图数据79 4.1图的概念79 4.2拓扑属性83 4.3中心度分析86 4.3.1基本中心度86 4.3.2Web中心度88 4.4图的模型96 4.4.1Erd s-Rnyi随机图模型98 4.4.2Watts-Strogatz小世界图模型101 4.4.3Barabsi-Albert无标度模型104 4.5补充阅读111 4.6习题112 第5章核方法114 5.1核矩阵117 5.1.1再生核映射118 5.1.2Mercer核映射120 5.2向量核122 5.3特征空间中的基本核操作126 5.4复杂对象的核132 5.4.1字符串的谱核132 5.4.2图节点的扩散核133 5.5补充阅读137 5.6习题137 第6章高维数据139 6.1高维对象139 6.2高维体积141 6.3超立方体的内接超球面143 6.4薄超球面壳的体积144 6.5超空间的对角线145 6.6多元正态的密度146 6.7附录：球面体积的推导149 6.8补充阅读153 6.9习题153 第7章降维156 7.1背景知识156 7.2主成分分析160 7.2.1最优线近似160 7.2.2最优二维近似163 7.2.3最优r维近似167 7.2.4主成分分析的几何意义170 7.3核主成分分析172 7.4奇异值分解178 7.4.1奇异值分解的几何意义179 7.4.2奇异值分解和主成分分析之间的联系180 7.5补充阅读182 7.6习题182 第二部分频繁模式挖掘 第8章项集挖掘186 8.1频繁项集和关联规则186 8.2频繁项集挖掘算法189 8.2.1逐层的方法：Apriori算法191 8.2.2事务标识符集的交集方法：Eclat算法193 8.2.3频繁模式树方法：FPGrowth算法197 8.3生成关联规则201 8.4补充阅读203 8.5习题203 第9章项集概述208 9.1最大频繁项集和闭频繁项集208 9.2挖掘最大频繁项集：GenMax算法211 9.3挖掘闭频繁项集：Charm算法213 9.4非可导项集215 9.5补充阅读220 9.6习题221 第10章序列挖掘223 10.1频繁序列223 10.2挖掘频繁序列224 10.2.1逐层挖掘：GSP225 10.2.2垂直序列挖掘：Spade226 10.2.3基于投影的序列挖掘：PrefixSpan228 10.3基于后缀树的子串挖掘230 10.3.1后缀树230 10.3.2Ukkonen线性时间算法233 10.4补充阅读238 10.5习题239 第11章图模式挖掘242 11.1同形和支撑242 11.2候选生成245 11.3gSpan算法249 11.3.1扩展和支撑计算250 11.3.2权威性测试255 11.4补充阅读256 11.5习题257 第12章模式与规则评估260 12.1规则和模式评估的度量260 12.1.1规则评估度量260 12.1.2模式评估度量268 12.1.3比较多条规则和模式270 12.2显著性检验和置信区间273 12.2.1产生式规则的费希尔精确检验273 12.2.2显著性的置换检验277 12.2.3置信区间内的自助抽样282 12.3补充阅读284 12.4习题285 第三部分聚类 第13章基于代表的聚类288 13.1K-means 算法288 13.2核K-means292 13.3期望最大聚类295 13.3.1一维中的EM297 13.3.2d维中的EM300 13.3.3极大似然估计305 13.3.4EM方法309 13.4补充阅读311 13.5习题312 第14章层次式聚类315 14.1预备知识315 14.2聚合型层次式聚类317 14.2.1簇间距离317 14.2.2更新距离矩阵321 14.2.3计算复杂度322 14.3补充阅读322 14.4习题323 第15章基于密度的聚类325 15.1DBSCAN 算法325 15.2核密度估计328 15.2.1一元密度估计328 15.2.2多元密度估计331 15.2.3最近邻密度估计333 15.3基于密度的聚类：DENCLUE333 15.4补充阅读338 15.5习题339 第16章谱聚类和图聚类341 16.1图和矩阵341 16.2基于图的割的聚类347 16.2.1聚类目标函数：比例割与归割349 16.2.2谱聚类算法351 16.2.3最大化目标：平均割与模块度354 16.3马尔可夫聚类360 16.4补充阅读366 16.5习题367 第17章聚类的验证368 17.1外部验证度量368 17.1.1基于匹配的度量369 17.1.2基于熵的度量372 17.1.3成对度量375 17.1.4关联度量378 17.2内部度量381 17.3相对度量388 17.3.1分簇稳定性394 17.3.2聚类趋向性396 17.4补充阅读400 17.5习题401 第四部分分类 第18章基于概率的分类404 18.1贝叶斯分类器404 18.1.1估计先验概率404 18.1.2估计似然405 18.2朴素贝叶斯分类器409 18.3K最近邻分类器412 18.4补充阅读414 18.5习题415 第19章决策树分类器416 19.1决策树417 19.2决策树算法419 19.2.1分割点评估度量420 19.2.2评估分割点422 19.3补充阅读429 19.4习题429 第20章线性判别分析431 20.1最优线性判别431 20.2核判别分析437 20.3补充阅读443 20.4习题443 第21章支持向量机445 21.1支持向量和间隔445 21.2SVM：线性可分的情况450 21.3软间隔SVM：线性不可分的情况454 21.3.1铰链误损455 21.3.2二次误损458 21.4核SVM：非线性情况459 21.5SVM训练算法462 21.5.1对偶解法：随机梯度上升463 21.5.2原始问题解：牛顿优化467 21.6补充阅读473 21.7习题473 第22章分类的评估475 22.1分类性能度量475 22.1.1基于列联表的度量476 22.1.2二值分类：正类和负类479 22.1.3ROC分析482 22.2分类器评估487 22.2.1K折交叉验证487 22.2.2自助抽样488 22.2.3置信区间489 22.2.4分类器比较：配对t检验493 22.3偏置-方差分解495 22.4补充阅读503 22.5习题504

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.