数据挖掘十大算法

出版时间：2013-5  出版社：清华大学出版社  作者：（美）吴信东（Xindong Wu）,（美），库玛尔 ，（Vipin Kumar）  译者：李文波,吴素研  
Tag标签：无  

内容概要

《世界著名计算机教材精选：数据挖掘十大算法》详细介绍了在实际中用途最广、影响最大的十种数据挖掘算法，这十种算法是数据挖掘领域的顶级专家进行投票筛选的，覆盖了分类、聚类、统计学习、关联分析和链接分析等重要的数据挖掘研究和发展主题。《世界著名计算机教材精选：数据挖掘十大算法》对每一种算法都进行了多个角度的深入剖析，包括算法历史、算法过程、算法特性、软件实现、前沿发展等，此外，在每章最后还给出了丰富的习题和精挑细选的参考文献，对于读者掌握算法基本知识和进一步研究都非常有价值，对数据挖掘、机器学习和人工智能等学科的课程的设计有指导意义。

作者简介

作者:(美)吴信东、库玛尔 译者:李文波、吴素研

书籍目录

第1章 C4.5 1.1 引言1.2 算法描述1.3 算法特性1.3.1 决策树剪枝1.3.2 连续型属性1.3.3 缺失值处理1.3.4 规则集诱导1.4 软件实现1.5 示例1.5.1 Golf数据集1.5.2 Soybean数据集1.6 高级主题1.6.1 二级存储1.6.2 斜决策树1.6.3 特征选择1.6.4 集成方法1.6.5 分类规则1.6.6 模型重述1.7 习题参考文献第2章 k-means2.1 引言2.2 算法描述2.3 可用软件2.4 示例2.5 高级主题2.6 小结2.7 习题参考文献第3章 SVM：支持向量机3.1 支持向量分类器3.2 支持向量分类器的软间隔优化3.3 核技巧3.4 理论基础3.5 支持向量回归器3.6 软件实现3.7 当前和未来的研究3.7.1 计算效率3.7.2 核的选择3.7.3 泛化分析3.7.4 结构化支持向量机的学习3.8 习题参考文献第4章 Apriori4.1 引言4.2 算法描述4.2.1 挖掘频繁模式和关联规则4.2.2 挖掘序列模式4.2.3 讨论4.3 软件实现4.4 示例4.4.1 可行示例4.4.2 性能评估4.5 高级主题4.5.1 改进Apriori类型的频繁模式挖掘4.5.2 无候选的频繁模式挖掘4.5.3 增量式方法4.5.4 稠密表示：闭合模式和最大模式4.5.5 量化的关联规则4.5.6 其他的重要性／兴趣度度量方法4.5.7 类别关联规则4.5.8 使用更丰富的形式：序列、树和图4.6 小结4.7 习题参考文献第5章 EM 5．1 引言 5．2 算法描述5．3 软件实现5．4 示例5．4．1 例5．1：多元正态混合5．4．2 例5．2：混合因子分析5．5 高级主题5．6 习题参考文献第6章 PageRank6．1 引言6．2 算法描述6．3 一个扩展：Timed-PageRank6．4 小结6．5 习题参考文献第7章 AdaBoost7．1 引言7．2 算法描述7．2．1 符号定义7．2．2 通用推举过程7．2．3 AdaBoost算法7．3 示例7．3．1 异或问题求解7．3．2 真实数据上的性能7．4 实际应用 7．5 高级主题 7．5．1 理论问题7．5．2 多类别AdaBoost 7．5．3 其他高级主题 7．6 软件实现 7．7 习题参考文献第8章 kNN：k一最近邻8．1 引言8．2 算法描述8．2．1 宏观描述8．2．2 若干议题8．2．3 软件实现8．3 示例8．4 高级主题8．5 习题致谢参考文献第9章 Naive Bayes9．1 引言9．2 算法描述9．3 独立给力9．4 模型扩展9．5 软件实现9．6 示例9．6．1 例19．6．2 例29．7 高级主题9．8 习题参考文献第10章 CART：分类和回归树10．1 前身10．2 概述10．3 示例10．4 算法描述10．5 分裂准则10．6 先验概率和类别均衡10．7 缺失值的处理10．8 属性的重要度10．9 动态特征构造10．10 代价敏感学习10．11 停止准则、剪枝、树序列和树选择10．12 概率树10．13 理论基础10．14 CART之后的相关研究10．15 可用软件10．16 习题参考文献

编辑推荐

吴信东和库玛尔编著的《数据挖掘十大算法》详细介绍了在实际中用途最广、影响最大的十种数据挖掘算法，这十种算法是数据挖掘领域的顶级专家进行投票筛选的，覆盖了分类、聚类、统计学习、关联分析和链接分析等重要的数据挖掘研究和发展主题。在每章最后还给出了丰富的习题和精挑细选的参考文献，对于读者掌握算法基本知识和进一步研究都非常有价值，对数据挖掘、机器学习和人工智能等学科的课程的设计有指导意义。