数据挖掘原理与技术 PDF下载

编辑推荐

数据挖掘是一门交叉学科，融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。数据挖掘利用各种分析工具在海量数据中发现模型和数据间关系的过程，使用这些模型和关系可以进行预测，它帮助决策者寻找数据间潜在的关联，发现被忽略的因素，因而被认为是解决当今时代所面临的数据爆炸而信息贫乏问题的一种有效方法。数据挖掘将数据转化为知识，是数据管理、信息处理领域研究、开发和应用的*活跃的分支之一。本书全面地论述了数据挖掘领域的基本概念、基本原理和基本方法，内容包括数据挖掘领域的经典理论和前沿发展。全书共分14章，并含有1个附录。全面系统地介绍了数据挖掘的概念和过程、数据预处理技术；深入地叙述了各种数据挖掘技术，包括关联规则、决策树、聚类、基于样例的学习、贝叶斯学习、粗糙集、神经网络、遗传算法、统计分析；并讨论了数据挖掘的典型应用，如分类、文本和Web挖掘，以及数据挖掘的应用和发展趋势；并在第14章中给出了一个具体的商业智能解决方案实例。通过本书的学习，读者可以对数据挖掘的整体结构、概念、原理、技术和发展有深入的了解和认识。；

内容简介

数据挖掘将数据转化为知识，是数据管理、信息处理领域研究、开发和应用的最活跃的分支之一。本书全面地论述了数据挖掘领域的基本概念、基本原理和基本方法，内容包括数据挖掘领域的经典理论和前沿发展。全书共分14章，并含有1个附录。全面系统地介绍了数据挖掘的概念和过程、数据预处理技术；深入地叙述了各种数据挖掘技术，包括关联规则、决策树、聚类、基于样例的学习、贝叶斯学习、粗糙集、神经网络、遗传算法、统计分析；并讨论了数据挖掘的典型应用，如分类、文本和Web挖掘，以及数据挖掘的应用和发展趋势；并在第14章中给出了一个具体的商业智能解决方案实例。通过本书的学习，读者可以对数据挖掘的整体结构、概念、原理、技术和发展有深入的了解和认识。本书既可以作为相关专业的高年级本科生和研究生教材，也可作为数据挖掘领域的研究者和开发者的参考书。

作者简介

暂无

数据挖掘原理与技术 PDF下载

第1章 绪论
 1-1 什么是数据挖掘
 1-2 为何进行数据挖掘
 1-3 数据挖掘和统计分析的关系
 1-4 数据挖掘与数据仓库的关系
 1-5 数据挖掘系统和其他系统的比较
 1-6 数据挖掘系统的分类
第2章 数据挖掘过程
 2-1 问题定义与主题分析
 2-2 数据准备
 2-3 建立模型
 2-4 模式评估
 2-5 数据可视化和知识管理
第3章 关联规则
 3-1 概述
 3-2 关联规则
 3-3 关联规则学习的Apriori算法
 3-4 挖掘关联规则的多策略方法
第4章 决策树
 4-1 什么是决策树
 4-2 决策树的原理
 4-3 决策树的应用
 4-4 决策树的优缺点
第5章 聚类分析
 5-1 概述
 5-2 基于划分的聚类算法
 5-3 层次聚类
 5-4 孤立点分析
第6章 基于样例的学习
 6-1 概述
 6-2 k-最近邻算法
 6-3 基于样例的推理
第7章 贝叶斯学习
 7-1 贝叶斯理论
 7-2 相素贝叶斯分类
 7-3 贝叶斯信念网络
 7-4 贝叶斯分类的应用
第8章 粗糙集
 8-1 关于知识的观点
 8-2 粗糙集理论的知识发现
 8-3 决策表的定义
 8-4 数据离散化
 8-5 决策规则的获取
 8-6 粗糙集的化简
第9章 神经网络
 9-1 什么是神经网络
 9-2 神经网络的表示和学习
 9-3 多层前馈神经网络
 9-4 反馈式神经网络
 9-5 神经网络的应用之一——聚类
第10章 遗传算法
 10-1 遗传算法概述
 10-2 基本遗传算法
 10-3 遗传算法的实现技术
 10-4 遗传算法的理论分析
 10-5 遗传算法的应用实例
第11章 统计分析
 11-1 样本和统计推理
 11-2 回归分析
 11-3 及成分分析
第12章 文本和Web挖掘
 12-1 概述
 12-2 文本挖掘技术
 12-3 Web数据挖掘技术
 12-4 文本和Web挖掘的应用
第13章 数据挖掘的应用和发展趋势
 13-1 空间数据挖掘
 13-2 图像检索和挖掘
 13-3 时间序列和序列检索
 13-4 隐私面临的挑战
第14章 商业智能解决方案实例分析
 14-1 商业智能概述
 14-2 商业智能系统的处理流程和框架
 14-3 商业智能解决方案
附录A IBM DB2 Intelligent Miner简介
参考文献