基本信息

• 商品名称：数据挖掘基础(大数据应用人才培养系列教材)
• 作者：编者:陶建辉|总主编:刘鹏//张燕
• 定价：48
• 出版社：清华大学
• ISBN号：9787302502197

其他参考信息（以实物为准）

• 出版时间：2018-06-01
• 印刷时间：2018-06-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：170
• 字数：266千字

编辑推荐语

本书讲述了数据挖掘概念，数据挖掘的常用算法，包括分类方法、聚类方法和关联规则方法。本书注重实战，给出了综合实战方法和在不同行业的应用案例。

内容提要

\"本书介绍了数据挖掘的基本概念，包括数据挖掘的常用算法、常用工具、用途和应用场景及应用状况， 讲述了常用数据挖掘方法，如分类、聚类、关联规则的概念、思想、典型算法、应用场景等。此外，本书 还从实际应用出发，讲解了基于日志的大数据挖掘技术的原理、工具、应用场景和成功案例。日志挖掘技 术现在已得到了广泛的运用。
    通过以上内容的学习，读者将了解数据挖掘的基本概念、思想和算法，并掌握其应用要领。本书可以 作为培养应用型人才的课程教材，也可作为相关开发人员的自学教材和参考手册。\"

作者简介

陶建辉，现任IT信息科技公司总经理，历任数据服务公司（上海市大数据产业技术创新战略联盟成员单位）副总经理、DEC/Compaq/HP技术顾问、 技术顾问、部署研究所课题组长等。 复旦大学计算机软件学士、硕士，27年IT从业经验，包括信息系统的分析、设计、开发和运维等。

目录

第1章 数据挖掘概念
1.1 数据挖掘概述
1.1.1 什么是数据挖掘
1.1.2 数据挖掘常用算法概述
1.1.3 数据挖掘常用工具概述
1.2 数据探索
1.2.1 数据概述
1.2.2 数据质量
1.2.3 数据预处理
1.3 数据挖掘的应用
1.3.1 数据挖掘现状及发展趋势
1.3.2 数据挖掘需要解决的问题
1.3.3 数据挖掘的应用场景
1.4 作业与练习
参考文献
第2章 分类
2.1 分类概述
2.1.1 分类的基本概念
2.1.2 解决分类问题的一般方法
2.1.3 决策树
案例：Web机器人检测
2.1.4 模型的过分拟合
2.2 贝叶斯决策与分类器
2.2.1 规则分类器
2.2.2 分类中贝叶斯定理的应用
2.2.3 分类中朴素贝叶斯的应用
2.3 支持向量机
2.3.1 大边缘超平面
2.3.2 线性支持向量机SVM
2.3.3 非线性支持向量机SVM
2.4 分类在实际场景中的应用案例
案例一：如何解决文章主题关键字与搜索引擎关键字带来的检索结果差异
案例二：甄别新金融交易方式的欺诈行为
案例三：在线广告 中的分类
2.5 作业与练习
参考文献
第3章 聚类
3.1 聚类概述
3.1.1 聚类的基本概念
3.1.2 聚类算法
3.2 聚合分析方法
3.2.1 欧氏距离
3.2.2 聚合过程
3.2.3 聚类树
3.2.4 聚合分析方法应用例子
3.3 聚类在实际场景中的应用案例
3.4 聚类的实现例子
3.5 作业与练习
参考文献
第4章 关联规则