数据挖掘
  1. 首页
  2. 数据挖掘

列表

数据挖掘 实用案例分析_数据库教程

数据挖掘 实用案例分析_数据库教程

资源名称：数据挖掘 实用案例分析 内容简介： 《数据挖掘：实用案例分析》是数据挖掘实战领域颇具特色的一部作品，作者曾为 余个行业上百家大型企业提供数据挖掘服务，本书是其在数据挖掘领域探索近 年的经验总结之作。全书以实践和实用为宗旨，深度与广度兼顾，实践与理论并举。 《数据挖掘：实用案例分析》共 章，分三个部分。第一部分是基础篇（第 ～ 章），主要对数据挖掘的基本概念、应用分类、建模方法及常用的建模工具进行了介绍，并对本书所用到的数据挖掘建模平台 进行了说明。第二部分是实战篇（第 ～ 章），以案例的形式对数
网络资源 2025年08月27日
数据挖掘 概念与技术（原书第3版）中文完整PDF_数据库教程

数据挖掘 概念与技术（原书第3版）中文完整PDF_数据库教程

资源名称：数据挖掘 概念与技术（原书第 版）中文完整 第 章　引论 　为什么进行数据挖掘 　迈向信息时代 　数据挖掘是信息技术的进化 　什么是数据挖掘 　可以挖掘什么类型的数据 　数据库数据 　数据仓库 　事务数据 　其他类型的数据 　可以挖掘什么类型的模式 　类 概念描述：特征化与区分 　挖掘频繁模式、关联和相关性 　用于预测分析的分类与回归 　聚类分析 　离群点分析 　所有模式都是有趣的吗 　使用什么技术 　统计学 　机器学习 　数据库系统与数据仓库 　信息检索 　面向什么类型的应用 　商务智能 　
网络资源 2025年08月27日
大数据：互联网大规模数据挖掘与分布式处理

大数据：互联网大规模数据挖掘与分布式处理

资源名称：大数据：互联网大规模数据挖掘与分布式处理 内容简介： 本书源自作者在斯坦福大学教授多年的 挖掘 课程材料，主要关注大数据环境下数据挖掘的实际算法。书中分析了海量数据集数据挖掘常用的算法，介绍了目前 应用的许多重要话题。主要内容包括： 　　 分布式文件系统以及 工具； 　　 相似性搜索； 　　 数据流处理以及针对易丢失数据等特殊情况的专用处理算法； 　　 搜索引擎技术，如谷歌的 ； 　　 频繁项集挖掘； 　　 大规模高维数据集的聚类算法； 　　 应用中的关键问题：广告管理和推荐系统。 资源目录：
网络资源 2025年08月27日
数据挖掘实用机器学习技术（中文第二版）_数据库教程

数据挖掘实用机器学习技术（中文第二版）_数据库教程

资源名称：数据挖掘实用机器学习技术 中文第二版 内容简介： 《数据挖掘实用机器学习技术 原书第 版 》介绍数据挖掘的基本理论与实践方法。主要内容包括：各种模型 决策树、关联规则、线性模型、聚类、贝叶斯网以及神经网络 以及在实践中的运用，所存在缺陷的分析。安全地清理数据集、建立以及评估模型的预测质量的方法，并且提供了一个公开的数据挖掘工作平台 。 系统拥有进行数据挖掘任务的图形用户界面，有助于理解模型，是一个实用并且深受欢迎的工具。 资源截图：
网络资源 2025年08月27日
数据挖掘 R语言实战

数据挖掘 R语言实战

资源名称：数据挖掘 语言实战 内容简介： 数据挖掘技术是当下大数据时代最关键的技术，其应用领域及前景不可估量。 是一款极其优秀的统计分析和数据挖掘软件，《数据挖掘： 语言实战》侧重使用 进行数据挖掘，重点讲述了 的数据挖掘流程、算法包的使用及相关工具的应用，同时结合大量精选的数据挖掘实例对 软件进行深入潜出和全面的介绍，以便读者能深刻理解 的精髓并能快速、高效和灵活地掌握使用 进行数据挖掘的技巧。 通过《数据挖掘： 语言实战》，读者不仅能掌握使用 及相关的算法包来快速解决实际问题的方法，而且能得到从实际问
网络资源 2025年08月27日
实战大数据 MATLAB数据挖掘详解与实践 中文pdf

实战大数据 MATLAB数据挖掘详解与实践 中文pdf

资源名称：实战大数据 数据挖掘详解与实践 中文 第 章 绪论 数据挖掘概述 数据挖掘的分类 数据挖掘的过程 数据挖掘的任务 数据挖掘的对象 数据库 文本 图像与视频数据 数据 数据挖掘建模方法 业务理解 数据理解 数据准备 建模 评估 部署 数据挖掘的应用 在金融领域的应用 在零售业中的应用 在电信业的应用 在管理中的应用 在化学研究领域中的应用 在材料研究、生产方面的应用 在机械故障诊断与监测中的应用 在医疗领域中的应用 第 章 数据挖掘算法 决策树算法 决策树基本算法 算法 算法 算法 决策树的评价标
网络资源 2025年08月27日
数据挖掘：实用机器学习工具与技术 原书第3版_数据库教程

数据挖掘：实用机器学习工具与技术 原书第3版_数据库教程

资源名称：数据挖掘：实用机器学习工具与技术 原书第 版 内容简介： 大数据时代应用机器学习方法解决数据挖掘问题的实用指南。 洞察隐匿于大数据中的结构模式，有效指导数据挖掘实践和商业应用。 系统的主要开发者将丰富的研发、商业应用和教学实践的经验和技术融会贯通。 广泛覆盖在数据挖掘实践中采用的算法和机器学习技术，着眼于解决实际问题 避免过分要求理论基础和数学知识，重点在于告诉读者 如何去做 ，同时包括许多算法、代码以及具体实例的实现。 将所有的概念都建立在具体实例的基础之上，促使读者首先考虑使用简单的技术。如
网络资源 2025年08月27日