数据挖掘方法与模型
点击看大图基本信息
- 原书名： Data Mining Methods and Models
- 原出版社： Wiley-IEEE Press
- 作者： (美)Daniel T.Larose [作译者介绍]
- 译者： 刘燕权 胡赛全 冯新平 姜恺
- 丛书名： 国外信息技术优秀图书选译
- 出版社：高等教育出版社
- ISBN：9787040309683
- 上架时间：2011-3-31
- 出版日期：2011 年3月
- 开本：16开
- 页码：287
- 版次：1-1
- 所属分类：
计算机 > 数据库 > 数据库存储与管理
编辑推荐
《数据挖掘方法与模型》：国外信息技术优秀图书选择。
内容简介回到顶部↑
当下，由于强大的数据挖掘软件平台很容易获得，草率地使用数据挖掘方法和技术将导致挖掘的结果混淆难解。这种失误往往源自盲目使用“黑盒子”方法进行数据挖掘，而最好的避免途径就是使用“自盒子”方法，理解隐藏在软件背后的算法和统计模型结构。
本书分为7章，第l章是对降维方法的介绍，这是数据挖掘技术的一个先决条件；第2章至第6章为经典的数据挖掘算法和技术，包括一元回归模型、多元回归模型、逻辑回归模型、贝叶斯网络分析以及遗传算法，通过实际案例引导读者由已预处理的数据使用不同的挖掘技术从而得出所需结论；第7章为基于数据挖掘过程模型上的多个案例研究，通过多个领域的案例来阐述算法和技术是如何被运用的。
本书可作为数据挖掘课程教学用书，适用于高年级本科生和研究生的教学，也可供科研人员参考使用。
本书分为7章，第l章是对降维方法的介绍，这是数据挖掘技术的一个先决条件；第2章至第6章为经典的数据挖掘算法和技术，包括一元回归模型、多元回归模型、逻辑回归模型、贝叶斯网络分析以及遗传算法，通过实际案例引导读者由已预处理的数据使用不同的挖掘技术从而得出所需结论；第7章为基于数据挖掘过程模型上的多个案例研究，通过多个领域的案例来阐述算法和技术是如何被运用的。
本书可作为数据挖掘课程教学用书，适用于高年级本科生和研究生的教学，也可供科研人员参考使用。
作译者回到顶部↑
本书提供作译者介绍
作者：（美国）拉罗斯（Daniel T.Larose） 译者：刘燕权 胡赛全 冯新平 等
Daniel T.Larose，博士，美国中康涅狄格州立大学统计学教授。设计、开发并主持了世界上第一个在线数据挖掘管理科学硕土学位课程及教学，创立了中康涅狄格州立大学数据挖掘研究室Data Mining@CCSU。研究兴趣包括数据挖掘、统计分析等。发表多篇论文，出版学术专著5部。
刘燕权，博士，美国南康涅狄格州立大学终身正教授、校理事会理事，美福布赖特学者（2009-2010），北京大学、南京大学、清华大学、中国科学院研.. << 查看详细
目录回到顶部↑
《数据挖掘方法与模型》
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
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
【插图】
加载中...
