数据挖掘方法与模型 PDF下载

第1章　降维方法
　1.1　数据挖掘中降低维度的必要性
　1.2　主成分分析法
　　1.2.1　主成分分析应用于房屋数据集
　　1.2.2　应提取多少个主成分
　1.3　因子分析法
　　1.3.1　因子分析法在成年人数据集中的应用
　　1.3.2　因子旋转
　1.4　用户自定义合成
　总结
　参考文献
　练习题
第2章　回归模型
　2.1　简单线性回归实例
　2.2　最小二乘法估计
　2.3　决定系数
　2.4　估计值的标准误差
　2.5　相关系数
　2.6　方差分析表
　2.7　异常点、高杠杆点和强影响观测值
　2.8　回归模型
　2.9　回归推断
　　2.9.1　x和y之间线性关系的t检验
　　2.9.2　回归直线斜率的置信区间
　　2.9.3　给定x条件下，Y均值的置信区间
　　2.9.4　给定x条件下，Y随机选择值的预测区间
　2.10　回归假设检验
　2.11　实例：棒球数据集
　2.12　实例：加利福尼亚州数据集
　2.13　线性变换实现
　总结
　参考文献
　练习题
第3章　多元回归和建模
　3.1　多元回归实例
　3.2　多元回归模型
　3.3　多元回归推断
　3.4　含有分类预测变量的回归
　　3.4.1　调整R2：对包含无用预测变量的惩罚模式
　　3.4.2　序贯的误差平方和
　3.5　多重共线性
　3.6　变量选择方法
　　3.6.1　偏F检验
　　3.6.2　向前选择程序
　　3.6.3　向后排除程序
　　3.6.4　逐步选择程序
　　3.6.5　最优子集程序
　　3.6.6　所有可能的子集选择程序
　3.7变量选择方法的应用
　　3.7.1　向前选择程序应用于谷物数据集
　　3.7.2　向后排除程序应用于谷物数据集
　　3.7.3　逐步选择程序应用于谷物数据集
　　3.7.4　最优子集程序应用于谷物数据集
　……
第4章　逻辑回归
第5章　朴素贝叶斯估计和贝叶斯网络
第6章　遗传算法
第7章　案便研究：直邮营销的回应建模问题
总结
参考文献