国产91青青成人a在线/在线视频成人/aaa成人永久在线观看视频/深夜草莓视频app

本書對(duì)數(shù)據(jù)挖掘的基本算法進(jìn)行了系統(tǒng)介紹，不僅介紹了每種算法的基本原理，而且配有大量例題以及源代碼，并對(duì)源代碼進(jìn)行了分析。這種理論與實(shí)踐相結(jié)合的方式有助于讀者較好地理解和掌握抽象的數(shù)據(jù)挖掘算法。 全書共11章，內(nèi)容涵蓋了數(shù)據(jù)預(yù)處理、關(guān)聯(lián)規(guī)則挖掘算法、分類算法和聚類算法，具體章節(jié)包括緒論、數(shù)據(jù)預(yù)處理、關(guān)聯(lián)規(guī)則挖掘、決策樹分類算法、貝葉斯分類算法、人工神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī)、Kmeans聚類算法、K中心點(diǎn)聚類算法、神經(jīng)網(wǎng)絡(luò)聚類算法：SOM，以及數(shù)據(jù)挖掘的發(fā)展等內(nèi)容。 本書可作為高等院校數(shù)據(jù)挖掘課程的教材，也可作為從事數(shù)據(jù)挖掘工作以及其他相關(guān)工程技術(shù)工作人員的參考書。

本書主要特色是理論與實(shí)踐相結(jié)合。全書不僅對(duì)數(shù)據(jù)挖掘常見算法的基本原理進(jìn)行了詳細(xì)而系統(tǒng)的介紹，而且給出了其實(shí)現(xiàn)的源代碼和運(yùn)行結(jié)果界面，讀者可以通過算法的源程序來深入理解算法的原理，這種理論與實(shí)踐相結(jié)合的方式，使讀者可以非常容易理解數(shù)據(jù)挖掘各個(gè)常見算法的含義，達(dá)到學(xué)以致用的目的。
對(duì)常見的數(shù)據(jù)挖掘算法，本書均以例題的方式進(jìn)行了應(yīng)用說明，并且對(duì)各算法的優(yōu)缺點(diǎn)進(jìn)行了總結(jié)，給出了各種算法的具體應(yīng)用領(lǐng)域，這種方式可以很好地使讀者理解算法的原理和應(yīng)用。

數(shù)據(jù)挖掘涉及數(shù)據(jù)庫(kù)技術(shù)、人工智能、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)等多學(xué)科領(lǐng)域，并且已經(jīng)在各行各業(yè)有了非常廣泛的應(yīng)用。為適應(yīng)我國(guó)數(shù)據(jù)挖掘的教學(xué)工作，作者在數(shù)據(jù)挖掘教學(xué)實(shí)踐的基礎(chǔ)上，參閱了多種國(guó)內(nèi)外最新版本的教材，編寫了本書。本書可以作為高等院校研究生的教材，也可以為相關(guān)行業(yè)的工程技術(shù)人員提供有益的參考。
本書在第2版的基礎(chǔ)上對(duì)其中欠妥之處進(jìn)行了修改，內(nèi)容安排和第2版一致，循序漸進(jìn)地對(duì)數(shù)據(jù)挖掘原理進(jìn)行了通俗易懂的講解，并更新了部分思考題、增加了微課視頻，讀者通過掃描二維碼即可觀看相關(guān)知識(shí)點(diǎn)的講解，更加方便讀者學(xué)習(xí)和理解。本書最大的特點(diǎn)是理論與實(shí)踐相結(jié)合，全書幾乎所有的算法都配有實(shí)例和源程序，這種理論與實(shí)踐相結(jié)合的方法克服了重理論、輕實(shí)踐的內(nèi)容組織方式，便于讀者理解和掌握其中知識(shí)。具體而言，本書11章內(nèi)容之間的關(guān)系如下圖所示。

本書配有教學(xué)課件，讀者可登錄www.tup.com.cn網(wǎng)站自行下載。
由于編者水平有限，本書難免存在缺點(diǎn)和不足之處，懇請(qǐng)專家和讀者批評(píng)指正。

編者
2023年9月

第1章緒論1
1.1數(shù)據(jù)挖掘的概念1
1.2數(shù)據(jù)挖掘的歷史及發(fā)展1
1.3數(shù)據(jù)挖掘的研究?jī)?nèi)容及功能5
1.3.1數(shù)據(jù)挖掘的研究?jī)?nèi)容5
1.3.2數(shù)據(jù)挖掘的功能6
1.4數(shù)據(jù)挖掘的常用技術(shù)及工具9
1.4.1數(shù)據(jù)挖掘的常用技術(shù)9
1.4.2數(shù)據(jù)挖掘的工具12
1.5數(shù)據(jù)挖掘的應(yīng)用熱點(diǎn)13
1.6小結(jié)15
思考題15第2章數(shù)據(jù)預(yù)處理16
2.1數(shù)據(jù)預(yù)處理的目的16
2.2數(shù)據(jù)清理18
2.2.1填充缺失值18
2.2.2光滑噪聲數(shù)據(jù)18
2.2.3數(shù)據(jù)清理過程19
2.3數(shù)據(jù)集成和數(shù)據(jù)變換20
2.3.1數(shù)據(jù)集成20
2.3.2數(shù)據(jù)變換21
2.4數(shù)據(jù)歸約23
2.4.1數(shù)據(jù)立方體聚集23
2.4.2維歸約23
2.4.3數(shù)據(jù)壓縮24
2.4.4數(shù)值歸約25
2.4.5數(shù)據(jù)離散化與概念分層28
2.5特征選擇與提取31
2.5.1特征選擇31
2.5.2特征提取32
2.6小結(jié)33
思考題34第3章關(guān)聯(lián)規(guī)則挖掘35
3.1基本概念35
3.2關(guān)聯(lián)規(guī)則挖掘算法Apriori算法原理36
3.3Apriori算法實(shí)例分析38
3.4Apriori算法源程序分析41
3.5Apriori算法的特點(diǎn)及應(yīng)用49
3.5.1Apriori算法特點(diǎn)49
3.5.2Apriori算法應(yīng)用50
3.6小結(jié)51
思考題51第4章決策樹分類算法53
4.1基本概念53
4.1.1決策樹分類算法概述53
4.1.2決策樹分類算法步驟53
4.2決策樹分類算法ID3算法原理55
4.2.1ID3算法原理55
4.2.2熵和信息增益56
4.2.3ID3算法58
4.3ID3算法實(shí)例分析59
4.4ID3算法源程序分析63
4.5ID3算法的特點(diǎn)及應(yīng)用70
4.5.1ID3算法特點(diǎn)70
4.5.2ID3算法應(yīng)用71
4.6決策樹分類算法C4.5算法原理71
4.6.1C4.5算法71
4.6.2C4.5算法的偽代碼73
4.7C4.5算法實(shí)例分析74
4.8C4.5算法源程序分析76
4.9C4.5算法的特點(diǎn)及應(yīng)用98
4.9.1C4.5算法特點(diǎn)98
4.9.2C4.5算法應(yīng)用98
4.10小結(jié)99
思考題99第5章貝葉斯分類算法100
5.1基本概念100
5.1.1主觀概率100
5.1.2貝葉斯定理101
5.2貝葉斯分類算法原理1082
5.2.1樸素貝葉斯分類模型102
5.2.2貝葉斯信念網(wǎng)絡(luò)104
5.3貝葉斯算法實(shí)例分析107
5.3.1樸素貝葉斯分類器107
5.3.2貝葉斯信念網(wǎng)絡(luò)應(yīng)用109
5.4貝葉斯算法源程序分析111
5.5貝葉斯算法特點(diǎn)及應(yīng)用116
5.5.1樸素貝葉斯分類算法116
5.5.2貝葉斯信念網(wǎng)117
思考題118第6章人工神經(jīng)網(wǎng)絡(luò)算法119
6.1基本概念119
6.1.1生物神經(jīng)元模型119
6.1.2人工神經(jīng)元模型120
6.1.3主要的神經(jīng)網(wǎng)絡(luò)模型121
6.2BP算法原理123
6.2.1Delta學(xué)習(xí)規(guī)則的基本原理123
6.2.2BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)123
6.2.3BP神經(jīng)網(wǎng)絡(luò)的算法描述124
6.2.4標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的工作過程126
6.3BP算法實(shí)例分析127
6.4BP算法源程序分析131
6.5BP算法的特點(diǎn)及應(yīng)用139
6.5.1BP算法特點(diǎn)139
6.5.2BP算法應(yīng)用141
6.6小結(jié)141
思考題141第7章支持向量機(jī)143
7.1基本概念143
7.1.1支持向量機(jī)理論基礎(chǔ)143
7.1.2統(tǒng)計(jì)學(xué)習(xí)核心理論143
7.1.3學(xué)習(xí)過程的一致性條件143
7.1.4函數(shù)集的VC維144
7.1.5泛化誤差界145
7.1.6結(jié)構(gòu)風(fēng)險(xiǎn)最小化歸納原理145
7.2支持向量機(jī)原理146
7.2.1支持向量機(jī)核心理論146
7.2.2最大間隔分類超平面146
7.2.3支持向量機(jī)實(shí)現(xiàn)147
7.2.4核函數(shù)分類150
7.3支持向量機(jī)實(shí)例分析151
7.4支持向量機(jī)的特點(diǎn)及應(yīng)用153
7.4.1支持向量機(jī)的特點(diǎn)153
7.4.2支持向量機(jī)的應(yīng)用154
7.5小結(jié)155
思考題155第8章Kmeans聚類算法156
8.1簡(jiǎn)介156
8.2Kmeans聚類算法原理156
8.3Kmeans聚類算法實(shí)例分析158
8.4Kmeans聚類算法源程序分析161
8.5Kmeans聚類算法的特點(diǎn)及應(yīng)用167
8.5.1Kmeans聚類算法的特點(diǎn)167
8.5.2Kmeans聚類算法的應(yīng)用168
8.6小結(jié)168
思考題169第9章K中心點(diǎn)聚類算法170
9.1簡(jiǎn)介170
9.2K中心點(diǎn)聚類算法原理170
9.3K中心點(diǎn)聚類算法實(shí)例分析171
9.4K中心點(diǎn)聚類算法源程序分析172
9.5K中心點(diǎn)聚類算法的特點(diǎn)及應(yīng)用179
9.5.1K中心點(diǎn)聚類算法的特點(diǎn)179
9.5.2K中心點(diǎn)聚類算法的應(yīng)用179
9.6小結(jié)179
思考題180第10章神經(jīng)網(wǎng)絡(luò)聚類算法SOM181
10.1簡(jiǎn)介181
10.2競(jìng)爭(zhēng)學(xué)習(xí)算法基礎(chǔ)181
10.2.1SOM網(wǎng)絡(luò)的結(jié)構(gòu)181
10.2.2SOM網(wǎng)絡(luò)的原理182
10.3SOM算法原理184
10.3.1SOM網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)184
10.3.2SOM權(quán)值調(diào)整域185
10.3.3SOM網(wǎng)絡(luò)運(yùn)行原理186
10.3.4學(xué)習(xí)方法186
10.4SOM算法實(shí)例分析187
10.4.1問題描述187
10.4.2網(wǎng)絡(luò)設(shè)計(jì)及學(xué)習(xí)結(jié)果188
10.4.3結(jié)果輸出188
10.5SOM算法源程序分析189
10.6SOM算法的特點(diǎn)及應(yīng)用198
10.6.1SOM算法的特點(diǎn)198
10.6.2SOM算法的應(yīng)用198
10.7小結(jié)199
思考題199第11章數(shù)據(jù)挖掘的發(fā)展200
11.1Web數(shù)據(jù)挖掘200
11.1.1Web數(shù)據(jù)挖掘定義200
11.1.2Web數(shù)據(jù)挖掘分類200
11.1.3Web數(shù)據(jù)挖掘的數(shù)據(jù)源201
11.1.4Web數(shù)據(jù)挖掘中知識(shí)的分類203
11.1.5Web數(shù)據(jù)挖掘的關(guān)鍵問題204
11.2空間數(shù)據(jù)挖掘205
11.2.1空間數(shù)據(jù)挖掘的定義與特點(diǎn)205
11.2.2空間數(shù)據(jù)挖掘的體系結(jié)構(gòu)205
11.2.3空間數(shù)據(jù)挖掘可獲得的知識(shí)類型206
11.2.4空間數(shù)據(jù)挖掘的方法208
11.3流數(shù)據(jù)挖掘211
11.3.1流數(shù)據(jù)的特點(diǎn)211
11.3.2流數(shù)據(jù)挖掘關(guān)鍵技術(shù)211
11.3.3流數(shù)據(jù)挖掘的實(shí)際應(yīng)用及前景213
11.4數(shù)據(jù)挖掘與可視化技術(shù)213
11.4.1什么是可視化213
11.4.2數(shù)據(jù)可視化技術(shù)分類215
11.4.3數(shù)據(jù)挖掘可視化技術(shù)的應(yīng)用217
11.5小結(jié)218
思考題218參考文獻(xiàn)219