成功加入购物车
图书条目标准图
正版二手图书 二手书 放心买!
张俊妮 著 / 北京大学出版社 / 2009-06 / 平装
售价 ¥ 21.90 9.9折
定价 ¥22.00
品相 九品
优惠 满包邮
延迟发货说明
上书时间2023-12-15
卖家超过10天未登录
数据挖掘与应用/北京大学光华管理学院教材
《数据挖掘与应用》全面地介绍了数据挖掘的相关主题.包括数据理解与数据准备、关联规则挖掘、多元统计中的降维方法、聚类分析、神经网络、决策树方法、模型评估等内容。全书体系完整,文字精炼,注重对数据挖掘方法的直觉理解及其应用:同时,保持了一定的严谨性,为学生理解和运用这些方法提供了坚实的基础。
《数据挖掘与应用》实例丰富,并附有相应SAS程序,以便于学生尽快理解相关内容并用以解决实际问题。
《数据挖掘与应用》配有教辅,可以免费提供给任课教师使用。如需要,欢迎填写书后的“教师反馈及课件申请表’索取。
张俊妮,美国哈佛大学统计学博士,现为北京大学光华管理学院商务统计及经济计量系副教授。研究领域包括因果推断、贝叶斯分析、蒙特卡洛方法、数据挖掘。在JournalofAmericanStatisticalAssociation、StatisticaSinica、JournalofEducationalandBehavioralStatistics、《经济学(季刊)》、《数理统计与管理》、《管理世界》等期刊上发表论文十余篇。
第一章数据挖掘概述1.1什么是数据挖掘1.2数据挖掘的应用1.3数据挖掘方法论第二章数据理解和数据准备2.1数据理解2.2数据准备2.3使用SAS进行数据理解和数据准备:FNBA信用卡数据第三章关联规则挖掘3.1关联规则的实际意义3.2关联规则的基本概念及Apriori算法3.3负关联规则3.4序列关联规则3.5使用SAS进行关联规则挖掘第四章多元统计中的降维方法4.1主成分分析4.2探索性因子分析4.3多维标度分析第五章聚类分析5.1距离与相似度的度量5.2k均值聚类法5.3层次聚类法第六章预测性建模的一些基本方法6.1判别分析6.2朴素贝叶斯分类算法6.3k近邻法6.4线性模型与广义线性模型第七章神经网络7.1神经网络架构及基本组成7.2误差函数7.3神经网络训练算法7.4提高神经网络模型的可推广性7.5数据预处理7.6使用SAS建立神经网络模型7.7自组织图第八章决策树8.1决策树简介8.2决策树的生长与修剪8.3对缺失数据的处理8.4变量选择8.5决策树的优缺点第九章模型评估9.1因变量为二分变量的情形9.2因变量为多分变量的情形9.3因变量为连续变量的情形9.4使用SAS评估模型第十章模型组合与两阶段模型10.1模型组合10.2随机森林10.3两阶段模型参考文献
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30