如何自学 占星术 占星教程网盘 塔罗牌教程百度网盘

数据挖掘基础算法理论与Weka应用技术PDF电子书下载

其他书籍

• 作 者：牟峰着
• 出 版 社：
• 出版年份：2019
• ISBN：
• 页数：0 页

图书介绍： 查看图书目录点击购买PDF全本电子书 上一篇：跟青年谈鲁迅下一篇：中国道路与民营企业发展 《数据挖掘基础算法理论与Weka应用技术》目录 标签：数据挖掘 应用技术 算法 挖掘 理论

第1章 绪论1

1.1 数据挖掘1

1.1.1 数据挖掘是什么2

1.1.2 数据挖掘的功能3

1.1.3 数据挖掘的过程4

1.1.4 数据挖掘与机器学习5

1.2 Weka简介6

1.3 示例数据集9

1.3.1 天气问题9

1.3.2 鸢尾花问题11

1.3.3 CPU性能问题11

1.3.4 购物篮问题12

1.3.5 美国国会投票记录13

第2章 认识数据14

2.1 概念、实例集、属性14

2.2 ARFF格式文件16

第3章 分类20

3.1 分类器的输出与评价20

3.1.1 汇总20

3.1.2 成本敏感学习方案评价指标及工具22

3.2 分类决策树29

3.2.1 ID3算法29

3.2.2 C4.5算法31

3.2.3 带嫁接功能的C4.5算法41

3.2.4 分类树与回归树42

3.2.5 减少-误差剪枝决策树49

3.3 分类规则50

3.3.1 分类规则算法基本思想50

3.3.2 分类规则算法的基本方法——覆盖算法51

3.3.3 决策列表59

3.3.4 基于全局优化的分类规则63

3.3.5 基于例外的分类规则——涟波下降算法66

3.3.6 单属性分类规则——1R分类算法71

3.3.7 简单连接规则75

3.3.8 简单分类规则77

3.4 贝叶斯方法77

3.4.1 贝叶斯方法基础77

3.4.2 朴素贝叶斯方法80

3.4.3 多项式朴素贝叶斯方法90

3.4.4 贝叶斯网络92

3.4.5 隐匿朴素贝叶斯方法121

3.5 分类函数125

3.5.1 logistic回归125

3.5.2 Winnow分类器134

3.5.3 多层感知机139

3.5.4 径向基函数网络156

3.5.5 序列最小优化算法160

3.5.6 核logistic回归179

3.5.7 投票感知机182

3.5.8 随机梯度下降算法184

3.6 惰性方法187

3.6.1 惰性方法的基本思想187

3.6.2 k-最近邻分类器188

第4章 数值预测219

4.1 预测器的输出与评价219

4.1.1 反映预测值与实际值之间绝对偏差的度量指标219

4.1.2 反映预测值与实际值之间相对偏差的度量指标219

4.2 预测规则220

4.2.1 简单连接规则220

4.2.2 简单分类规则——0-规则分类器221

4.3 预测函数222

4.3.1 线性回归222

4.3.2 简单线性回归229

4.3.3 最小中值平方线性回归229

4.3.4 基于投影的线性回归232

4.3.5 保序回归234

4.3.6 序列最小优化回归241

第5章 聚类247

5.1 K-均值聚类248

5.1.1 K-均值聚类的基本思想248

5.1.2 初始化聚类中心248

5.1.3 顶盖方法249

5.1.4 Weka实现255

5.2 X-均值聚类257

5.2.1 X-均值聚类的基本思想257

5.2.2 聚类簇总数k的估计257

5.2.3 基于kD树的算法加速260

5.2.4 Weka实现264

5.3 层次聚类265

5.3.1 层次聚类法的基本思想265

5.3.2 凝聚聚类算法266

5.3.3 Weka实现270

5.4 增量聚类271

5.4.1 增量聚类法的基本思想271

5.4.2 分类效用273

5.4.3 敏锐度274

5.4.4 截断参数275

5.4.5 Weka实现276

5.5 基于概率的聚类277

5.5.1 基于概率的聚类方法基础277

5.5.2 EM算法279

5.5.3 扩展混合模型281

5.5.4 交叉验证与聚类簇总数283

5.5.5 Weka实现283

5.6 基于密度的聚类285

5.6.1 基本概念285

5.6.2 DBSCAN算法286

5.6.3 OPTICS算法288

5.6.4 Weka实现291

5.7 CLOPE聚类296

5.7.1 稀疏数据296

5.7.2 CLOPE的基本思想297

5.7.3 算法描述298

5.7.4 算法实现细节301

5.7.5 Weka实现302

5.8 聚类方法辅助工具303

5.8.1 FilteredClusterer303

5.8.2 MakeDensityBasedClusterer304

第6章 基于频繁模式的关联规则305

6.1 模式挖掘的基本概念305

6.1.1 频繁模式305

6.1.2 频繁项集和关联规则306

6.1.3 闭频繁项集和极大频繁项集308

6.1.4 模式评估度量309

6.1.5 模式挖掘的分类320

6.2 Apriori算法322

6.2.1 算法思想及算法步骤322

6.2.2 算法效率提升策略327

6.2.3 典型模式提取329

6.2.4 基于频繁模式的分类器338

6.2.5 Weka实现342

6.3 FP-Growth算法345

6.3.1 算法思想345

6.3.2 算法步骤349

6.3.3 基于约束的剪枝350

6.3.4 Weka实现355

6.4 模式挖掘方法的辅助工具356

参考文献358

相关图书

• 《SQL与关系数据库理论》（美）戴特（C.J.Date） 2019
• 《钒产业技术及应用》高峰，彭清静，华骏主编 2019
• 《现代水泥技术发展与应用论文集》天津水泥工业设计研究院有限公司编 2019
• 《异质性条件下技术创新最优市场结构研究 以中国高技术产业为例》千慧雄 2019
• 《Prometheus技术秘笈》百里燊 2019
• 《英汉翻译理论的多维阐释及应用剖析》常瑞娟着 2019
• 《中央财政支持提升专业服务产业发展能力项目水利工程专业课程建设成果 设施农业工程技术》赵英编 2018
• 《药剂学实验操作技术》刘芳，高森主编 2019
• 《林下养蜂技术》罗文华，黄勇，刘佳霖主编 2017
• 《脱硝运行技术1000问》朱国宇编 2019

作者其它书籍

• 《深筋膜徒手松解疗法》盛德峰着 2019
• 《高校教师胜任力与工作绩效关系研究》曹志峰着 2019
• 《新媒体运营实战指南 社群运营 短视频运营 直播运营 微信运营》陈政峰着 2019
• 《如何成为学习高手》林泰峰着 2019
• 《中国学术思想研究辑刊 二十编 第9册 欧阳修《诗本义》研究新探 重估汉宋《诗经》学的转变与意义 上》陈战峰着 2015
• 《Python数据可视化 基于Bokeh的可视化绘图》屈希峰着 2020
• 《信息时代的哲学新问题＝NEW PHILOSOPHICAL ISSUES IN THE INFORMATION AGE》肖峰着 2020
• 《中国学术思想研究辑刊 二十编 第7册 宋代《诗经》学与理学 上》陈战峰着 2015
• 《不器：我只是个生活家》何越峰着 2019
• 《数据挖掘基础算法理论与Weka应用技术》牟峰着 2019

出版社其它书籍

本类热门

• 1变通 受用一生的学问
• 2额尔古纳河右岸
• 3易经真的很容易
• 4海蒂怀孕大百科 全新第4版
• 5八次危机 中国的真实经验1949-2009
• 6法治的细节
• 7你是你吃出来的
• 8蛤蟆先生的希望
• 9杀死一只知更鸟
• 10天幕红尘

摘要：本文以《数据挖掘基础算法理论与Weka应用技术.pdf电子书版文档下载》为中心，详细阐述了数据挖掘基础算法理论及其在Weka应用技术中的实践。文章从算法理论、Weka应用、实践案例和未来展望四个方面进行深入探讨，旨在为读者提供全面的数据挖掘知识体系。

1、算法理论

数据挖掘基础算法理论是数据挖掘的核心，它包括分类、聚类、关联规则挖掘、异常检测等。这些算法在数据挖掘过程中发挥着至关重要的作用。本文详细介绍了这些算法的基本原理、特点和应用场景，为读者提供了丰富的理论基础。

分类算法是数据挖掘中最常用的算法之一，它通过学习已有数据，对未知数据进行分类。常见的分类算法有决策树、支持向量机、朴素贝叶斯等。本文对这几种算法进行了详细阐述，并分析了它们在Weka中的应用。

聚类算法则是将相似的数据归为一类，常见的聚类算法有K-means、层次聚类、DBSCAN等。本文介绍了这些算法的基本原理和实现方法，并展示了它们在Weka中的实际应用。

2、Weka应用

Weka是一个开源的数据挖掘工具，它提供了丰富的数据预处理、算法实现和可视化功能。本文详细介绍了Weka的基本操作、常用算法和可视化方法，使读者能够快速上手并应用于实际项目中。

在Weka中，数据预处理是数据挖掘的重要环节。本文介绍了Weka中的数据预处理工具，如数据清洗、特征选择、数据转换等，使读者能够更好地处理和分析数据。

Weka提供了多种算法实现，包括分类、聚类、关联规则挖掘等。本文对Weka中的常用算法进行了详细介绍，并提供了实际案例，使读者能够更好地理解和应用这些算法。

3、实践案例

本文通过实际案例展示了数据挖掘基础算法理论在Weka中的应用。这些案例涵盖了金融、医疗、电商等多个领域，使读者能够了解数据挖掘在实际项目中的应用场景和解决方案。

以金融领域为例，本文介绍了一个基于Weka的信用卡欺诈检测系统。该系统利用分类算法对信用卡交易数据进行分类，从而识别出潜在的欺诈行为。

在医疗领域，本文介绍了一个基于Weka的疾病诊断系统。该系统通过聚类算法对患者的病历数据进行分类，从而辅助医生进行疾病诊断。

4、未来展望

随着大数据时代的到来，数据挖掘技术在各个领域都得到了广泛应用。本文对未来数据挖掘技术的发展趋势进行了展望，包括深度学习、知识图谱、可解释性等。

深度学习作为一种新兴的数据挖掘技术，在图像识别、语音识别等领域取得了显著成果。本文介绍了深度学习的基本原理和应用，并探讨了其在数据挖掘领域的潜力。

知识图谱作为一种新型数据结构，能够有效地组织和管理知识。本文介绍了知识图谱的基本概念和构建方法，并探讨了其在数据挖掘中的应用。

总结：

本文从算法理论、Weka应用、实践案例和未来展望四个方面对《数据挖掘基础算法理论与Weka应用技术.pdf电子书版文档下载》进行了详细阐述。通过本文的学习，读者可以全面了解数据挖掘基础算法理论及其在Weka中的应用，为实际项目提供有力支持。

本文由nayona.cn整理

点击联系需要东西方神秘学学习资料，专业的咨询