数据挖掘

《数据挖掘:概念与技术(原书第3版)》PDF 下载_数据库教程

资源名称:《数据挖掘:概念与技术(原书第 版)》 下载 内容简介: 数据挖掘领域最具里程碑意义的经典著作 完整全面阐述该领域的重要知识和技术创新 这是一本数据挖掘和知识发现的优秀教材,结构合理、条理清晰。本书既保留了相当篇幅讲述数据挖掘的基本概念和方法,又增加了若干章节介绍数据挖掘领域最新的技术和发展,因此既适合初学者学习又适合专业人员和实践者参考。本书视角广阔、资料翔实、内容全面,能够为有意深入研究相关技术的读者提供足够的参考和支持。总之, 强烈推荐从高年级本科生到专业人员和实践者都来阅读这本书! 美国

大话数据挖掘

资源名称:大话数据挖掘 内容简介: 西安美林电子有限责任公司编写的《大话数据挖掘》以 班的 数据挖掘技术及其应用 教学为场景,带领读者步入数据挖掘的神秘殿堂,领略数据挖掘的神奇魅力。 《大话数据挖掘》共 章。第 章,揭开数据挖掘的面纱,从三个真实而有趣的故事开始,让读者了解数据挖掘的概念、数据挖掘产生与发展、数据挖掘的功能和数据挖掘技术,本章深入浅出地介绍了关联规则、聚类分析、预测 分类和回归 、时间序列等数据挖掘方法及常用算法;第 章简述数据挖掘流程,以某冶金企业生产中遇到的质量控制技术攻关难题的解决过

Python数据挖掘入门与实践 中文_Python教程

资源名称: 数据挖掘入门与实践 中文 第 章 开始数据挖掘之旅 第 章 用 估计器分类 第 章 用决策树预测获胜球队 第 章 用亲和性分析方法推荐电影 第 章 用转换器抽取特征 第 章 使用朴素贝叶斯进行社会媒体挖掘 第 章 用图挖掘找到感兴趣的人 第 章 用神经网络破解验证码 第 章 作者归属问题 第 章 新闻语料分类 第 章 用深度学习方法为图像中的物体进行分类 第 章 大数据处理 资源截图:

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

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  

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:

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

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: