成功加入购物车
图书条目标准图
[美] 拉罗斯 著; 刘燕权 译 / 高等教育出版社 / 2011-03 / 平装
售价 ¥ 11.00 2.2折
定价 ¥49.00
品相 九品
优惠 满包邮
延迟发货说明
上书时间2024-04-16
卖家超过10天未登录
数据挖掘方法与模型
《数据挖掘方法与模型》分为7章,第1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。
《数据挖掘方法与模型》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。
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。
DanielT.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。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、中国科学院研究生院、南京理工大学、内蒙古大学等客座教授。研究方向为计算机科学与理论、数据挖掘、软件工程项目开发与管理、数字图书馆、信息技术理论与实践、多媒体设计及应用等。发表论文及学术专著80余篇(部)。
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2.9.1x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
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