☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容介紹

本書是專注於數據挖掘與分析的基本算法的入門圖書，內容分為數據分析基礎、頻繁模式挖掘、聚類和分類四個部分，每一部分的各個章節兼顧基礎知識和前沿話題，例如核方法、高維數據分析、復雜圖和網絡等。每一章ZUI後均附有參考書目和習題。

 

本書適閤高等院校相關專業的學生和教師閱讀，也適閤從事數據挖掘相關工作的人員學習參考。

作者介紹

Mohammed J. Zaki

倫斯勒理工學院計算機科學係教授，ACM傑齣科學傢，IEEE會士，目前緻力於研究新數據挖掘技術。曾獲得榖歌教職研究奬等諸多奬項。

 

Wagner Meira Jr.

巴西米納斯聯邦大學計算機科學係教授，數據庫專傢。

目錄

第1章　數據挖掘與分析　　1 

1.1 數據矩陣　　1 

1.2 屬性　　2 

1.3 數據的幾何和代數描述　　3 

1.3.1 距離和角度　　5 

1.3.2 均值與總方差　　8 

1.3.3 正交投影　　9 

1.3.4 綫性無關與維數　　10 

1.4 數據：概率觀點　　12 

1.4.1 二元隨機變量　　17 

1.4.2 多元隨機變量　　20 

1.4.3 隨機抽樣和統計量　　21 

1.5 數據挖掘　　22 

1.5.1 探索性數據分析　　23 

1.5.2 頻繁模式挖掘　　24 

1.5.3 聚類　　24 

1.5.4 分類　　25 

1.6 補充閱讀　　26 

1.7 習題　　26 

DIYI部分　數據分析基礎 

第2章　數值屬性　　28 

2.1 一元變量分析　　28 

2.1.1 數據居中度度量　　29 

2.1.2 數據離散度度量　　32 

2.2 二元變量分析　　35 

2.2.1 位置和離散度的度量　　36 

2.2.2 相關性度量　　37 

2.3 多元變量分析　　40 

2.4 數據規範化　　44 

2.5 正態分布　　46 

2.5.1 一元正態分布　　46 

2.5.2 多元正態分布　　47 

2.6 補充閱讀　　50 

2.7 習題　　51 

第3章　類彆型屬性　　53 

3.1 一元分析　　53 

3.1.1 伯努利變量（Bernoulli variable）　　53 

3.1.2 多元伯努利變量　　55 

3.2 二元分析　　61 

3.3 多元分析　　69 

3.4 距離和角度　　74 

3.5 離散化　　75 

3.6 補充閱讀　　77 

3.7 習題　　78 

第4章　圖數據　　79 

4.1 圖的概念　　79 

4.2 拓撲屬性　　83 

4.3 中心度分析　　86 

4.3.1 基本中心度　　86 

4.3.2 Web中心度　　88 

4.4 圖的模型　　96 

4.4.1 Erd?s-Rényi隨機圖模型　　98 

4.4.2 Watts-Strogatz小世界圖模型　　101 

4.4.3 Barabási-Albert無標度模型　　104 

4.5 補充閱讀　　111 

4.6 習題　　112 

第5章　核方法　　114 

5.1 核矩陣　　117 

5.1.1 再生核映射　　118 

5.1.2 Mercer核映射　　120 

5.2 嚮量核　　122 

5.3 特徵空間中的基本核操作　　126 

5.4 復雜對象的核　　132 

5.4.1 字符串的譜核　　132 

5.4.2 圖節點的擴散核　　133 

5.5 補充閱讀　　137 

5.6 習題　　137 

第6章　高維數據　　139 

6.1 高維對象　　139 

6.2 高維體積　　141 

6.3 超立方體的內接超球麵　　143 

6.4 薄超球麵殼的體積　　144 

6.5 超空間的對角綫　　145 

6.6 多元正態的密度　　146 

6.7 附錄：球麵體積的推導　　149 

6.8 補充閱讀　　153 

6.9 習題　　153 

第7章　降維　　156 

7.1 背景知識　　156 

7.2 主成分分析　　160 

7.2.1 ZUI優綫近似　　160 

7.2.2 ZUI優二維近似　　163 

7.2.3 ZUI優r維近似　　167 

7.2.4 主成分分析的幾何意義　　170 

7.3 核主成分分析　　172 

7.4 奇異值分解　　178 

7.4.1 奇異值分解的幾何意義　　179 

7.4.2 奇異值分解和主成分分析之間的聯係　　180 

7.5 補充閱讀　　182 

7.6 習題　　182 

第二部分　頻繁模式挖掘 

第8章　項集挖掘　　186 

8.1 頻繁項集和關聯規則　　186 

8.2 頻繁項集挖掘算法　　189 

8.2.1 逐層的方法：Apriori算法　　191 

8.2.2 事務標識符集的交集方法：Eclat算法　　193 

8.2.3 頻繁模式樹方法：FPGrowth算法　　197 

8.3 生成關聯規則　　201 

8.4 補充閱讀　　203 

8.5 習題　　203 

第9章　項集概述　　208 

9.1 ZUI大頻繁項集和閉頻繁項集　　208 

9.2 挖掘ZUI大頻繁項集：GenMax算法　　211 

9.3 挖掘閉頻繁項集：Charm算法　　213 

9.4 非可導項集　　215 

9.5 補充閱讀　　220 

9.6 習題　　221 

第10章　序列挖掘　　223 

10.1 頻繁序列　　223 

10.2 挖掘頻繁序列　　224 

10.2.1 逐層挖掘：GSP　　225 

10.2.2 垂直序列挖掘：Spade　　226 

10.2.3 基於投影的序列挖掘：PrefixSpan　　228 

10.3 基於後綴樹的子串挖掘　　230 

10.3.1 後綴樹　　230 

10.3.2 Ukkonen綫性時間算法　　233 

10.4 補充閱讀　　238 

10.5 習題　　239 

第11章　圖模式挖掘　　242 

11.1 同形和支撐　　242 

11.2 候選生成　　245 

11.3 gSpan算法　　249 

11.3.1 擴展和支撐計算　　250 

11.3.2 quanwei性測試　　255 

11.4 補充閱讀　　256 

11.5 習題　　257 

第12章　模式與規則評估　　260 

12.1 規則和模式評估的度量　　260 

12.1.1 規則評估度量　　260 

12.1.2 模式評估度量　　268 

12.1.3 比較多條規則和模式　　270 

12.2 顯著性檢驗和置信區間　　273 

12.2.1 産生式規則的費希爾精確檢驗　　273 

12.2.2 顯著性的置換檢驗　　277 

12.2.3 置信區間內的自助抽樣　　282 

12.3 補充閱讀　　284 

12.4 習題　　285 

第三部分　聚類 

第13章　基於代錶的聚類　　288 

13.1 K-means 算法　　288 

13.2 核K-means　　292 

13.3 期望ZUI大聚類　　295 

13.3.1 一維中的EM　　297 

13.3.2 d維中的EM　　300 

13.3.3 極大似然估計　　305 

13.3.4 EM方法　　309 

13.4 補充閱讀　　311 

13.5 習題　　312 

第14章　層次式聚類　　315 

14.1 預備知識　　315 

14.2 聚閤型層次式聚類　　317 

14.2.1 簇間距離　　317 

14.2.2 更新距離矩陣　　321 

14.2.3 計算復雜度　　322 

14.3 補充閱讀　　322 

14.4 習題　　323 

第15章　基於密度的聚類　　325 

15.1 DBSCAN 算法　　325 

15.2 核密度估計　　328 

15.2.1 一元密度估計　　328 

15.2.2 多元密度估計　　331 

15.2.3 ZUI近鄰密度估計　　333 

15.3 基於密度的聚類：DENCLUE　　333 

15.4 補充閱讀　　338 

15.5 習題　　339 

第16章　譜聚類和圖聚類　　341 

16.1 圖和矩陣　　341 

16.2 基於圖的割的聚類　　347 

16.2.1 聚類目標函數：比例割與歸—割　　349 

16.2.2 譜聚類算法　　351 

16.2.3 ZUI大化目標：平均割與模塊度　　354 

16.3 馬爾可夫聚類　　360 

16.4 補充閱讀　　366 

16.5 習題　　367 

第17章　聚類的驗證　　368 

17.1 外部驗證度量　　368 

17.1.1 基於匹配的度量　　369 

17.1.2 基於熵的度量　　372 

17.1.3 成對度量　　375 

17.1.4 關聯度量　　378 

17.2 內部度量　　381 

17.3 相對度量　　388 

17.3.1 分簇穩定性　　394 

17.3.2 聚類趨嚮性　　396 

17.4 補充閱讀　　400 

17.5 習題　　401 

第四部分　分類 

第18章　基於概率的分類　　404 

18.1 貝葉斯分類器　　404 

18.1.1 估計先驗概率　　404 

18.1.2 估計似然　　405 

18.2 樸素貝葉斯分類器　　409 

18.3 KZUI近鄰分類器　　412 

18.4 補充閱讀　　414 

18.5 習題　　415 

第19章　決策樹分類器　　416 

19.1 決策樹　　417 

19.2 決策樹算法　　419 

19.2.1 分割點評估度量　　420 

19.2.2 評估分割點　　422 

19.3 補充閱讀　　429 

19.4 習題　　429 

第20章　綫性判彆分析　　431 

20.1 ZUI優綫性判彆　　431 

20.2 核判彆分析　　437 

20.3 補充閱讀　　443 

20.4 習題　　443 

第21章　支持嚮量機　　445 

21.1 支持嚮量和間隔　　445 

21.2 SVM：綫性可分的情況　　450 

21.3 軟間隔SVM：綫性不可分的情況　　454 

21.3.1 鉸鏈誤損　　455 

21.3.2 二次誤損　　458 

21.4 核SVM：非綫性情況　　459 

21.5 SVM訓練算法　　462 

21.5.1 對偶解法：隨機梯度上升　　463 

21.5.2 原始問題解：牛頓優化　　467 

21.6 補充閱讀　　473 

21.7 習題　　473 

第22章　分類的評估　　475 

22.1 分類性能度量　　475 

22.1.1 基於列聯錶的度量　　476 

22.1.2 二值分類：正類和負類　　479 

22.1.3 ROC分析　　482 

22.2 分類器評估　　487 

22.2.1 K摺交叉驗證　　487 

22.2.2 自助抽樣　　488 

22.2.3 置信區間　　489 

22.2.4 分類器比較：配對t檢驗　　493 

22.3 偏置-方差分解　　495 

22.4 補充閱讀　　503 

22.5 習題　　504 

圖靈教育 數據挖掘與分析 概念與算法 融閤機器學習 統計學等相關學科知識 涵蓋 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價

查看全網最低價