大數據分析與挖掘

劉偉

大數據分析與挖掘 預覽內頁
  • 出版商: 清華大學
  • 出版日期: 2024-05-01
  • 定價: $294
  • 售價: 8.5 折 $250
  • 語言: 簡體中文
  • ISBN: 7302662002
  • ISBN-13: 9787302662006
  • 相關分類: 大數據 Big-data、Data Science

    • 下單後立即進貨 (約4週~6週)

  • 大數據分析與挖掘-preview-1
  • 大數據分析與挖掘-preview-2
  • 大數據分析與挖掘-preview-3
大數據分析與挖掘-preview-1

買這商品的人也買了...

相關主題

商品描述

作為近十幾年來大數據、人工智能行業飛速發展最重要的驅動技術之一，大數據分析與挖掘已經成為各個行業商業決策的必備技術。本書緊跟數據科學前沿，旨在幫助讀者建立大數據分析與挖掘的思維框架，培養其使用數據驅動的方法解決商業決策問題的能力。本書秉承經典、主流和發展的理念，重點介紹了大數據分析與挖掘的主要步驟，關聯分析、分類和聚類等經典算法的原理以及文本挖掘和深度學習等**算法和應用。本書內容設計採用“算法原理+商業案例”的方式，突出課程的實踐性和應用性特點。 本書適合作為開設數據挖掘、機器學習及大數據分析類課程的高校課程教材，也可作為從事數據挖掘開發、高級數據分析的企事業單位工作人員以及從事大數據分析應用研究的科研人員的參考書。

目錄大綱

目錄

第1章大數據分析與挖掘概論

1.1大數據及其應用

1.2大數據分析與挖掘的相關概念

1.3大數據分析與挖掘的模式

1.4大數據分析與挖掘技術

課後習題

應用實例

即測即練

第2章數據預處理

2.1數據類型

2.2數據的鄰近性度量

2.3數據預處理過程

2.4數據預處理方法

課後習題

應用實例

即測即練

第3章特徵工程與降維

3.1特徵工程

3.2降維方法

課後習題

應用實例

即測即練

第4章關聯分析

4.1關聯規則的概念

4.2Apriori算法

4.3FPGrowth算法

4.4關聯規則評價

課後習題

應用實例

即測即練

第5章回歸分析

5.1回歸分析概述

5.2線性回歸

5.3線性回歸正則化

5.4邏輯回歸

課後習題

應用實例

即測即練

第6章分類

6.1分類方法概述

6.2決策樹分類

6.3樸素貝葉斯

6.4k最近鄰

6.5支持向量機

6.6模型評估與選擇

課後習題

應用實例

即測即練

第7章集成分類方法

7.1集成分類方法概述

7.2Boosting

7.3Bagging

課後習題

應用實例

即測即練

第8章聚類

8.1聚類概述

8.2基於劃分的聚類方法

8.3基於層次的聚類方法

8.4基於密度的聚類方法

8.5基於網格的聚類方法

8.6基於模型的聚類方法

8.7聚類評估

課後習題

應用實例

即測即練

第9章文本挖掘

9.1文本挖掘概述

9.2文本表示方法

9.3文本降維

9.4主題分析

9.5情感分析

課後習題

應用實例

即測即練

第10章神經網絡與深度學習

10.1深度學習概述

10.2多層感知機

10.3反向傳播算法

10.4捲積神經網絡

10.5循環神經網絡

10.6深度學習方法的優化

課後習題

應用實例

即測即練

參考文獻

類似商品