pdf

数据挖掘-实用机器学习技术(中文第二版)

  • 1星
  • 日期: 2021-05-04
  • 大小: 53.72MB
  • 所需积分:0分
  • 下载次数:1
  • favicon收藏
  • rep举报
  • free评论
标签: 数据挖掘

数据挖掘(英语:Data mining),又译为资料探勘、数据采矿。它是数据库知识发现(英语:Knowledge-Discovery in Databases,简称:KDD)中的一个步骤。

机器学习

机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

AI

人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

本书介绍数据挖掘的基本理论与实践方法。主要内容包括:各种模型(决策树,关联规则、线性模型、聚类、贝叶斯网以及神经网络)以及在实践中的运用,所存任缺陷的分析。安全地清理数据集、建立以及评估模型的预测质量的方法,并且提供了一个公开的数据挖掘工作平台Weka。Weka系统拥有进行数据挖掘仟务的图形用户界面,有助于理解模型,是一个实用并且深受欢迎的工具。

本书适合作为高等学校本科生或研究生的教材,也可供相关技术人员参考。

出版者的话

专家指导委员会

译者序

中文版前言

前言

第一部分  机器学习工具与技术

第1章  绪论

1.l  数据挖掘和机器学习

l.2  简单的例子:天气问题和其他

l.3  应用领域-

1.4  机器学习和统计学

1.5  用于搜索的概括

l.6  数据挖掘和道德

1.7  补允读物

第2章  输入概念、实例和属性

2.1  概念

2.2  样本

2.3  属性

2.4  输入准备

2.5  补充读物

第3章  输出:知识表达

3.1  决策表

3.2  决策树

3.3  分类规则

3.4  关联规则

3.5  包含例外的规则

3.6  包含关系的规则

3.7  数值预测树

3.8  基于实例的表达

3.9  聚类

3.10  补充读物

第4章  算法基本方法

4.1  推断基本规则

4.2  统计建模

4.3  分治法:创建决策树

4.4  覆盖算法:建立规则

4.5  挖掘关联规州

4.6  线性模型

4.7  基于实例的学习

4.8  聚类

4.9  补充读物

第5章  可信度:评估机器学习结果

5.1  训练和测试

5.2  预测性能

5.3  交叉验证

5.4  其他估计法

5.5  可信度:评估机器学习结果

5.6  预测概率

5.7  计算成本

5.8  评估数值预测

5.9  最短描述长度原理

5.10  聚类方法中应用MDL原理

5.1l  补充读物

第6章  实现:真正的机器学习方案

……

第7章  转换:处理输入和输出

第8章  继续扩展和应用

第9章  Weka简介

第10章  Explorer界面

第1l章  Knowledge  Flow界面

第12章  Experimenter界面

第13章  命令行界面

第14章  嵌入式机器学习

第15章  编写新学习方案

参考文献

索引

更多简介内容

推荐帖子

评论

登录/注册

意见反馈

求资源

回顶部

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版 版权声明

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2021 EEWORLD.com.cn, Inc. All rights reserved
$(function(){ var appid = $(".select li a").data("channel"); $(".select li a").click(function(){ var appid = $(this).data("channel"); $('.select dt').html($(this).html()); $('#channel').val(appid); }) })
×