登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　運費計算　 |　聯絡我們　 |　幫助中心　|　 加入書簽
會員登入   新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2024年度TOP分類瀏覽雜誌 臺灣用戶
品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心 服務：香港／台灣／澳門／海外 送貨：速遞／郵局／服務站

新書上架：簡體書 繁體書
暢銷書架：簡體書 繁體書
好書推介：簡體書 繁體書

三月出版：大陸書 台灣書
二月出版：大陸書 台灣書
一月出版：大陸書 台灣書
12月出版：大陸書 台灣書
11月出版：大陸書 台灣書
十月出版：大陸書 台灣書
九月出版：大陸書 台灣書
八月出版：大陸書 台灣書
七月出版：大陸書 台灣書
六月出版：大陸書 台灣書
五月出版：大陸書 台灣書
四月出版：大陸書 台灣書
三月出版：大陸書 台灣書
二月出版：大陸書 台灣書
一月出版：大陸書 台灣書

『簡體書』数据挖掘技术与应用

書城自編碼： 3703276
分類：簡體書→大陸圖書→教材→研究生/本科/专科教材
作者： 由育阳 编著
國際書號(ISBN)： 9787568292573
出版社： 北京理工大学出版社
出版日期： 2021-06-01

頁數/字數： /
書度/開本： 16开 釘裝： 平装

售價：HK$ 78.2

我要買 件

share:

** 我創建的書架 **
未登入.

新書推薦：
翻篇是一种能力
《 翻篇是一种能力 》
售價：HK$ 63.8
刘伯温与哪吒城：北京建城的传说
《 刘伯温与哪吒城：北京建城的传说 》
售價：HK$ 96.8
文化的故事：从岩画艺术到韩国流行音乐（译林思想史）哈佛大学教授沉淀之作 获奖不断 全球热销 亲历文化史上的15个关键点 从史前艺术到当代韩流的人类文化全景
《 文化的故事：从岩画艺术到韩国流行音乐（译林思想史）哈佛大学教授沉淀之作 获奖不断 全球热销 亲历文化史上的15个关键点 从史前艺术到当代韩流的人类文化全景 》
售價：HK$ 85.8
不结婚的社会：双亲如何成为特权，以及家庭为何很重要
《 不结婚的社会：双亲如何成为特权，以及家庭为何很重要 》
售價：HK$ 63.8
怎样决定大事
《 怎样决定大事 》
售價：HK$ 109.9
蓝色机器：感受海洋引擎的深沉脉动
《 蓝色机器：感受海洋引擎的深沉脉动 》
售價：HK$ 96.8
美元霸权的兴衰：它将如何影响全球经济、金融市场和我们的财富（梳理美元发展历程，剖析崛起与衰退的根源）
《 美元霸权的兴衰：它将如何影响全球经济、金融市场和我们的财富（梳理美元发展历程，剖析崛起与衰退的根源） 》
售價：HK$ 63.8
纸上博物馆·文明的崩溃：庞贝+玛雅+美索不达米亚（法国伽利玛原版引进，450+资料图片，16开全彩印刷）
《 纸上博物馆·文明的崩溃：庞贝+玛雅+美索不达米亚（法国伽利玛原版引进，450+资料图片，16开全彩印刷） 》
售價：HK$ 279.4

 
內容簡介：
本书在数据挖掘领域介绍的内容全面，讲解细致，保留了相当的篇幅讲述数据挖掘各方面的基本概念和方法，如数据挖掘的概述、数据描述和处理、基本统计分析方法、常用的统计学习算法和深度学习算法。本书还介绍了数据挖掘技术应用实例，如数据挖掘技术在睡眠分期中的应用。因此既适合初学者学习又适合专业人员参考。除了包含国内外教材中的内容和特点外，还包括了应用实例的介绍，其内容具有合理性、丰富性和先进性的特点。尤其在数据挖掘应用实例方面，针对具体问题提出解决方案，并附有关键代码，对理解数据、进行数据分析、理解算法实现等非常有帮助。
關於作者：
由育阳，硕士研究生导师，2013年12月入职北京理工大学自动化学院。清华大学智能技术与系统国家重点实验室博士后，美国Georgetown University 访问学者，主要从事机器学习、人工智能相关领域研究工作。作为课题负责人完成课题8项，发表EI/SCI检索论文10余篇，国家发明专利10余项，获航空科技进步奖1项。
目錄：
第1章 绪论 1
1.1 数据挖掘的定义 1
1.2 为什么进行数据挖掘 1
1.2.1 数据挖掘的背景 2
1.2.2 数据挖掘的意义 2
1.3 数据挖掘的应用 3
1.4 数据挖掘的对象和常用方法 6
1.4.1 数据挖掘的对象 6
1.4.2 常用方法 8
1.5 数据挖掘的主要问题 12
1.6 数据挖掘在睡眠分期中的体现 14
1.6.1 睡眠分期背景介绍 15
1.6.2 常用睡眠分期数据库简介 17
1.6.3 睡眠分期中的数据挖掘 20
第2章 数据描述和预处理 24
2.1 数据描述 24
2.2 数据类型 25
2.2.1 数据的一般特性 25
2.2.2 记录数据 25
2.2.3 基于图形的数据 26
2.2.4 有序数据 27
2.3 数据质量 27
2.4 数据可视化 29
2.4.1 柱形图 29
2.4.2 直方图与核密度估计图 31
2.4.3 箱形图 32
2.5 数据预处理 33
2.5.1 标准化（Standardization） 33
2.5.2 非线性转换 35
2.5.3 归一化（Normalization） 38
2.5.4 离散化 39
2.6 睡眠分期中的数据描述和预处理 40
第3章 基本统计分析方法 44
3.1 正态分布参数的假设检验和区间估计 44
3.1.1 对均值μ的估计 44
3.1.2 对方差σ2的假设检验和置信区间 45
3.2 两组数据的比较 46
3.2.1 数据成对 46
3.2.2 数据相互独立 49
3.3 二维数据检验 51
3.4 回归分析 52
3.4.1. 主要定理 53
3.4.2. 非线性转换 54
3.4.3. 分类属性预测 54
3.5 方差分析 54
3.5.1 单因素ANOVA 54
3.5.2 多因素ANOVA 56
3.6 睡眠脑电特征基本统计方法示例 57
第4章 决策树算法与随机森林 61
4.1 决策树模型与学习 61
4.1.1 决策树模型 61
4.1.2 决策树与if-then规则 63
4.1.3 决策树与条件概率分布 63
4.1.4 决策树学习 64
4.2 特征选择 65
4.2.1 特征选择的问题 65
4.2.2 信息增益 65
4.2.3 信息增益比 68
4.3 决策树的生成 68
4.3.1 ID3算法 68
4.3.2 C4.5的生成算法 69
4.4 决策树的剪枝 69
4.5 CART算法 71
4.5.1 CART的生成 72
4.5.2 CART剪枝 75
4.6 集成学习和随机森林 77
4.6.1 集成学习 77
4.6.2 Bagging与随机森林 79
4.7 随机森林算法在睡眠分期中的应用 81
第5章 贝叶斯网络 86
5.1 朴素贝叶斯法的学习与分类 86
5.1.1 基本方法 86
5.1.2 后验概率化的含义 87
5.2 朴素贝叶斯的参数估计 88
5.2.1 极大似然估计 88
5.2.2 学习与分类算法 88
5.2.3 贝叶斯估计 89
5.3 贝叶斯网络 89
5.3.1 模型表示 90
5.3.2 建立模型 91
5.3.3 使用BNN进行推理举例 92
5.3.4 BNN的特点 94
5.4 贝叶斯网络在睡眠分期中的应用 94
第6章 支持向量机 98
6.1 线性可分问题的SVM方法 99
6.2 线性不可分问题的SVM方法 102
6.3 核函数 107
6.4 支持向量机在睡眠分期中的应用 108
第7章 神经网络算法 113
7.1 概述 113
7.1.1 人工神经网络发展历史 113
7.1.2 神经网络分类 116
7.2 单层神经网络 116
7.2.1 生物神经网络 116
7.2.2 人工神经网络 118
7.3 多层感知器和反向传播算法 120
7.3.1 反向传播算法和 BP 网络简介 120
7.3.2 信息前向传播 121
7.3.3 误差反向传播 122
7.3.4 梯度消失问题及其解决办法 129
7.4 深度学习 129
7.4.1 深度学习与神经网络 129
7.4.2 CNN——AlexNet模型 130
7.5 神经网络在睡眠分期中的应用 138
第8章 遗传算法 141
8.1 遗传算法基本原理 141
8.1.1 遗传与进化的系统观 141
8.1.2 遗传算法的特点 141
8.1.3 遗传算法基本术语 142
8.1.4 遗传算法主要步骤 142
8.1.5 基本遗传算法的构成要素 143
8.2 遗传算法基本实现技术 144
8.2.1 编码方法 144
8.2.2 适应度函数 148
8.2.3 选择算子 149
8.2.4 交叉算子 152
8.2.5 变异算子 153
8.2.6 遗传算法的运行参数 155
8.2.7 约束条件的处理方法 155
8.3 遗传算法优化举例 156
8.3.1 优化实例1 156
8.3.2 优化实例2 158
第9章 聚类算法 162
9.1 K-Means聚类 162
9.2 Mean-Shift聚类 163
9.3 基于密度的聚类方法 164
9.4 基于高斯混合模型的期望化聚类 167
9.5 聚类算法在睡眠分期中的应用 168
9.5.1 k-means方法 168
9.5.2 DBSCAN方法 172
第10章 主成分分析 177
10.1 数据降维 177
10.2 主成分分析原理 178
10.3 PCA算法实例 183
10.4 PCA在睡眠分期中的应用 185
第11章 其他数据挖掘算法 188
11.1 隐马尔科夫模型 188
11.1.1 什么样的问题需要HMM模型 188
11.1.2 HMM模型 188
11.1.3 一个HMM模型实例 190
11.1.4 HMM观测序列的生成 192
11.1.5 HMM模型的三个基本问题 192
11.1.6 代码示例 192
11.2 关联规则挖掘 197
11.2.1 关联规则介绍 197
11.2.2 Apriori算法 199
11.2.3 FP-growth算法 200
11.2.4 幸存者偏差 200
11.2.5 代码示例 201
內容試閱：
大数据时代，数据挖掘技术被越来越广泛应用于解决工程应用和科学领域的复杂问题。近年来数据科学相关技术更新较快，但 “ 数据挖掘” 课程的教材出版较少。 从探索培养应用型人才所需要的数据挖掘知识体系的角度出发，我们组织编写了这本质量过硬、新颖实用的教材。 本教材适用于数据科学相关的本科、研究生相关专业 包括自动化、计算机、生物信息、机械类、材料类等。
本教材编写的指导思想是面向应用型数据挖掘人才的相关知识体系，充分考虑应用能力与理论知识相结合。 书中大部分内容参考了英文资料，大部分专业术语给出了中文介绍，但仍有一些术语保留英文原文，以供读者参考。
北京理工大学动力学与先进控制实验室的硕士研究生刘国正、俞云开、单文娟、刘玉征同学参加了本书的部分图表制作和文字校对工作。
欢迎广大数据科学工作者和感兴趣的读者对本书提出宝贵意见，以促进本教材质量的提高。

 

 

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式 香港用户　 |　台灣用户　|　海外用户
megBook.com.hk
Copyright © 2013 - 2025 （香港）大書城有限公司　 All Rights Reserved.