 |
-- 會員 / 註冊 --
|
 |
|
|
|
數據挖掘與分析 概念與算法 ( 簡體 字) |
| 作者：[美]穆罕默德·扎基（Mohammed J. Zaki），[巴西]小瓦格納·梅拉 | 類別：1. -> 程式設計 -> 數據挖掘 |
| 譯者： |
| 出版社：人民郵電出版社 |  3dWoo書號： 47615
詢問書籍請說出此書號！【缺書】
NT售價： 645 元 |
| 出版日：8/1/2017 |
| 頁數：505 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787115458421 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
| 內容簡介： |
目錄：第1章 資料採擷與分析 1
1.1 數據矩陣 1
1.2 屬性 2
1.3 資料的幾何和代數描述 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 線性無關與維數 10
1.4 數據：概率觀點 12
1.4.1 二元隨機變數 17
1.4.2 多元隨機變數 20
1.4.3 隨機抽樣和統計量 21
1.5 資料採擷 22
1.5.1 探索性資料分析 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
第一部分 資料分析基礎
第2章 數值屬性 28
2.1 一元變數分析 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 二元變數分析 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 多元變數分析 40
2.4 資料規範化 44
2.5 正態分佈 46
2.5.1 一元正態分佈 46
2.5.2 多元正態分佈 47
2.6 補充閱讀 50
2.7 習題 51
第3章 類別型屬性 53
3.1 一元分析 53
3.1.1 伯努利變數（Bernoulli variable） 53
3.1.2 多元伯努利變數 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-Renyi隨機圖模型 98
4.4.2 Watts-Strogatz小世界圖模型 101
4.4.3 Barabasi-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 向量核 122
5.3 特徵空間中的基本核操作 126
5.4 複雜物件的核 132
5.4.1 字串的譜核 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面 143
6.4 薄超球面殼的體積 144
6.5 超空間的對角線 145
6.6 多元正態的密度 146
6.7 附錄：球面體積的推導 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 最優線近似 160
7.2.2 最優二維近似 163
7.2.3 最優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繫 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 頻繁項集挖掘演算法 189
8.2.1 逐層的方法：Apriori演算法 191
8.2.2 事務識別字集的交集方法：Eclat演算法 193
8.2.3 頻繁模式樹方法：FPGrowth演算法 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 最大頻繁項集和閉頻繁項集 208
9.2 挖掘最大頻繁項集：GenMax演算法 211
9.3 挖掘閉頻繁項集：Charm演算法 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 基於尾碼樹的子串挖掘 230
10.3.1 尾碼樹 230
10.3.2 Ukkonen線性時間演算法 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演算法 249
11.3.1 擴展和支撐計算 250
11.3.2 權威性測試 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 顯著性核對總和置信區間 273
12.2.1 產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 基於代表的聚類 288
13.1 K-means 演算法 288
13.2 核K-means 292
13.3 期望最大聚類 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 聚合型層次式聚類 317
14.2.1 簇間距離 317
14.2.2 更新距離矩陣 321
14.2.3 計算複雜度 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 演算法 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 最近鄰密度估計 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 譜聚類演算法 351
16.2.3 最大化目標：平均割與模組度 354
16.3 瑪律可夫聚類 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 聚類趨向性 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 K最近鄰分類器 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 決策樹演算法 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 線性判別分析 431
20.1 最優線性判別 431
20.2 核判別分析 437
20.3 補充閱讀 443
20.4 習題 443
第21章 支持向量機 445
21.1 支持向量和間隔 445
21.2 SVM：線性可分的情況 450
21.3 軟間隔SVM：線性不可分的情況 454
21.3.1 鉸鏈誤損 455
21.3.2 二次誤損 458
21.4 核SVM：非線性情況 459
21.5 SVM訓練演算法 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 基於列聯表的度量 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折交叉驗證 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
|
| 序： |
|
