数据挖掘基础 PDF下载

第1章 数据挖掘概念
1.1 数据挖掘概述
1.1.1 什么是数据挖掘
1.1.2 数据挖掘常用算法概述
1.1.3 数据挖掘常用工具概述
1.2 数据探索
1.2.1 数据概述
1.2.2 数据质量
1.2.3 数据预处理
1.3 数据挖掘的应用
1.3.1 数据挖掘现状及发展趋势
1.3.2 数据挖掘需要解决的问题
1.3.3 数据挖掘的应用场景
1.4 作业与练习<；p>；第1章 ； 数据挖掘概念<；/p>；
<；p>；1.1 ； 数据挖掘概述<；/p>；
<；p>；1.1.1 ；
什么是数据挖掘<；/p>；
<；p>；1.1.2 ；
数据挖掘常用算法概述<；/p>；
<；p>；1.1.3 ；
数据挖掘常用工具概述<；/p>；
<；p>；1.2 ； 数据探索<；/p>；
<；p>；1.2.1 ；
数据概述<；/p>；
<；p>；1.2.2 ；
数据质量<；/p>；
<；p>；1.2.3 ；
数据预处理<；/p>；
<；p>；1.3 ； 数据挖掘的应用<；/p>；
<；p>；1.3.1 ；
数据挖掘现状及发展趋势<；/p>；
<；p>；1.3.2 ；
数据挖掘需要解决的问题<；/p>；
<；p>；1.3.3 ；
数据挖掘的应用场景<；/p>；
<；p>；1.4 ； 作业与练习<；/p>；
<；p>；参考文献<；/p>；
<；p>；第2章 ； 分类<；/p>；
<；p>；2.1 ； 分类概述<；/p>；
<；p>；2.1.1 ；
分类的基本概念<；/p>；
<；p>；2.1.2 ；
解决分类问题的一般方法<；/p>；
<；p>；2.1.3 ；
决策树<；/p>
<p>案例：Web机器人检测</p>
<p>2.1.4 
模型的过分拟合</p>
<p>2.2  贝叶斯决策与分类器</p>
<p>2.2.1 
规则分类器</p>
<p>2.2.2 
分类中贝叶斯定理的应用</p>
<p>2.2.3 
分类中朴素贝叶斯的应用</p>
<p>2.3  支持向量机</p>
<p>2.3.1 
最大边缘超平面</p>
<p>2.3.2 
线性支持向量机SVM</p>
<p>2.3.3 
非线性支持向量机SVM</p>
<p>2.4  分类在实际场景中的应用案例</p>
<p>案例一：如何解决文章主题关键字与搜索引擎关键字带来的检索结果差异</p>
<p>案例二：甄别新金融交易方式的欺诈行为</p>
<p>案例三：在线广告推荐中的分类</p>
<p>2.5  作业与练习</p>
<p>参考文献</p>
<p>第3章  聚类</p>
<p>3.1  聚类概述</p>
<p>3.1.1 
聚类的基本概念</p>
<p>3.1.2 
聚类算法</p>
<p>3.2  聚合分析方法</p>
<p>3.2.1 
欧氏距离</p>
<p>3.2.2 
聚合过程</p>
<p>3.2.3 
聚类树</p>
<p>3.2.4 
聚合分析方法应用例子</p>
<p>3.3  聚类在实际场景中的应用案例</p>
<p>3.4  聚类的实现例子</p>
<p>3.5  作业与练习</p>
<p>参考文献</p>
<p>第4章  关联规则</p>
<p>4.1  关联规则概述</p>
<p>4.1.1 
经典案例导入</p>
<p>4.1.2 
关联规则的基本概念和定义</p>
<p>4.1.3 
关联规则的分类</p>
<p>4.2  关联规则的挖掘过程</p>
<p>4.2.1 
知识回顾</p>
<p>4.2.2 
频繁项集产生</p>
<p>4.2.3 
强关联规则</p>
<p>4.2.4 
关联规则评价标准</p>
<p>4.3  关联规则的Apriori算法</p>
<p>4.3.1 
知识回顾</p>
<p>4.3.2 
Apriori算法的核心思想</p>
<p>4.3.3 
Apriori算法描述</p>
<p>4.3.4 
Apriori算法评价</p>
<p>4.3.5 
Apriori算法改进</p>
<p>4.4  关联规则的FP-growth算法</p>
<p>4.4.1 
构建FP树</p>
<p>4.4.2 
从FP树中挖掘频繁项集</p>
<p>4.5  实战：关联规则挖掘实例</p>
<p>4.5.1 
关联规则挖掘技术在国内外的应用现状</p>
<p>4.5.2 
关联规则应用实例</p>
<p>4.5.3 
关联规则在大型超市中应用的步骤</p>
<p>4.6  作业与练习</p>
<p>参考文献</p>
<p>第5章  综合实战—日志的挖掘与应用</p>
<p>5.1  日志概念</p>
<p>5.1.1 
日志是什么</p>
<p>5.1.2 
日志能做什么</p>
<p>5.2  日志处理</p>
<p>5.2.1 
产生日志</p>
<p>5.2.2 
传输日志</p>
<p>5.2.3 
存储日志</p>
<p>5.2.4 
分析日志</p>
<p>5.2.5 
日志规范与标准</p>
<p>5.3  日志分析原理及工具</p>
<p>5.3.1 
日志分析原理</p>
<p>5.3.2 
日志分析工具</p>
<p>5.3.3 
日志分析系统规划建设</p>
<p>5.4  日志挖掘应用</p>
<p>5.4.1 
安全运维</p>
<p>5.4.2 
系统健康分析</p>
<p>5.4.3 
用户行为分析</p>
<p>5.4.4 
业务分析设计</p>
<p>5.5  日志分析挖掘实例</p>
<p>5.6  作业与练习</p>
<p>参考文献</p>
<p>第6章  数据挖掘应用案例</p>
<p>6.1  电力行业采用聚类方法进行主变油温分析</p>
<p>6.1.1 
需求背景及采用的大数据分析方法</p>
<p>6.1.2 
大数据分析方法的实现过程</p>
<p>6.1.3 
大数据分析方法的实现结果</p>
<p>6.2  银行信贷评价</p>
<p>6.2.1 
简介</p>
<p>6.2.2 
神经网络模型</p>
<p>6.2.3 
实证检验</p>
<p>6.3  指数预测</p>
<p>6.3.1 
金融时间序列概况</p>
<p>6.3.2 
小波消噪</p>
<p>6.3.3 
向量机</p>
<p>6.3.4 
指数预测</p>
<p>6.4  客户分群的精准智能营销</p>
<p>6.4.1 
挖掘目标</p>
<p>6.4.2 
分析方法和过程</p>
<p>6.4.3 
建模仿真</p>
<p>6.5  使用WEKA进行房屋定价</p>
<p>6.6  作业与练习</p>
<p>参考文献</p>
<p>附录A  大数据和人工智能实验环境</p>
<p>附录B  Hadoop环境要求</p>
<p>附录C  名词解释</p>
<p> </p>
<p> </p>
<p> </p>