数据挖掘教程pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

数据挖掘教程PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1部分 导论 3

第1章 概述 3

目录 3

1.1 基本数据挖掘任务 5

1.1.1 分类 5

1.1.2 回归 5

1.1.3 时间序列分析 6

1.1.4 预测 6

1.1.5 聚类 7

1.1.6 汇总 7

1.1.7 关联规则 7

1.2 数据挖掘与数据库中的知识发现 8

1.1.8 序列发现 8

1.2.1 数据挖掘的发展 10

1.3 数据挖掘问题 12

1.4 数据挖掘度量 13

1.5 数据挖掘的社会影响 14

1.6 从数据库观点看数据挖掘 14

1.7 数据挖掘的未来发展 15

1.8 练习 16

1.9 参考文献注释 17

第2章 相关概念 19

2.1 数据库／OLTP系统 19

2.2 模糊集和模糊逻辑 21

2.3 信息检索 23

2.4 决策支持系统 25

2.5 维数据建模 25

2.5.1 多维模式 27

2.5.2 索引 30

2.6 数据仓储 31

2.7 OLAP 34

2.8 Web搜索引擎 35

2.9 统计学 36

2.10 机器学习 37

2.11 模式匹配 38

2.14 参考文献注释 39

2.13 练习 39

2.12 小结 39

第3章 数据挖掘技术 41

3.1 引言 41

3.2 数据挖掘的统计方法 42

3.2.1 点估计 42

3.2.2 基于汇总的模型 45

3.2.3 贝叶斯定理 46

3.2.4 假设检验 48

3.2.5 回归和相关 49

3.3 相似性度量 50

3.4 决策树 51

3.5 神经网络 53

3.5.1 激励函数 56

3.6 遗传算法 57

3.7 练习 60

3.8 参考文献注释 61

第2部分 核心课题 65

第4章 分类 65

4.1 引言 65

4.1.1 分类中的问题 67

4.2 基于统计的算法 69

4.2.1 回归 69

4.2.2 贝叶斯分类 74

4.3.1 简单方法 76

4.3 基于距离的算法 76

4.3.2 K最近邻 77

4.4 基于决策树的算法 79

4.4.1 ID3 83

4.4.2 C4.5和C5.0 85

4.4.3 CART 87

4.4.4 可伸缩的决策树技术 88

4.5 基于神经网络的算法 88

4.5.1 传播 90

4.5.2 神经网络有指导学习 91

4.5.3 径向基函数网络 95

4.5.4 感知器 96

4.6 基于规则的算法 96

4.6.1 从决策树生成规则 97

4.6.2 从神经网络生成规则 98

4.6.3 不用决策树或神经网络生成规则 98

4.7 组合技术 101

4.8 小结 103

4.9 练习 103

4.10 参考文献注释 104

第5章 聚类 107

5.1 引言 107

5.2 相似性和距离度量 110

5.3 异常点 111

5.4 层次算法 112

5.4.1 凝聚算法 113

5.4.2 分裂聚类 117

5.5 划分算法 118

5.5.1 最小生成树 118

5.5.2 平方误差聚类算法 119

5.5.3 K均值聚类 120

5.5.4 最近邻算法 121

5.5.5 PAM算法 122

5.5.6 结合能量算法 125

5.5.7 基于遗传算法的聚类 125

5.5.8 基于神经网络的聚类 126

5.6 大型数据库聚类 128

5.6.1 BIRCH 129

5.6.2 DBSCAN 130

5.6.3 CURE算法 132

5.7 对类别属性进行聚类 135

5.8 比较 137

5.9 练习 138

5.10 参考文献注释 138

第6章 关联规则 141

6.1 引言 141

6.2 大项目集 144

6.3 基本算法 145

6.3.1 Apriori算法 145

6.3.2 抽样算法 149

6.3.3 划分 152

6.4.1 数据并行 154

6.4 并行和分布式算法 154

6.4.2 任务并行 155

6.5 方法比较 157

6.6 增量规则 158

6.7 高级关联规则技术 159

6.7.1 泛化关联规则 159

6.7.2 多层关联规则 160

6.7.3 数量关联规则 160

6.7.4 使用多个最小支持度 161

6.7.5 相关规则 162

6.8 度量规则的质量 162

6.10 参考文献注释 164

6.9 练习 164

第3部分 高级课题 169

第7章 Web挖掘 169

7.1 引言 169

7.2 Web内容挖掘 170

7.2.1 爬虫 171

7.2.2 Harvest系统 174

7.2.3 虚拟Web视图 174

7.2.4 个性化 175

7.3 Web结构挖掘 176

7.3.1 PageRank 177

7.3.2 Clever 177

7.4 Web使用挖掘 178

7.4.1 预处理 179

7.4.2 数据结构 181

7.4.3 模式发现 182

7.4.4 模式分析 187

7.5 练习 188

7.6 参考文献注释 188

第8章 空间数据挖掘 190

8.1 引言 190

8.2 空间数据概述 191

8.2.1 空间查询 191

8.2.2 空间数据结构 191

8.3 空间数据挖掘原语 195

8.2.3 主题地图 195

8.2.4 图像数据库 195

8.4 般化和特殊化 196

8.4.1 渐进求精 196

8.4.2 一般化 197

8.4.3 最近邻 199

8.4.4 STING 199

8.5 空间规则 201

8.5.1 空间关联规则 201

8.6 空间分类算法 203

8.6.1 对ID3的扩展 203

8.6.2 空间决策树 203

8.7 空间聚类算法 204

8.7.1 对CLARANS的扩展 205

8.7.2 SD(CLARANS) 206

8.7.3 DBCLASD 206

8.7.4 BANG 207

8.7.5 WaveCluster 208

8.7.6 近似 208

8.8 练习 209

8.9 参考文献注释 209

第9章 时序数据挖掘 211

9.1 引言 211

9.2 时序事件建模 213

9.3.1 时间序列分析 217

9.3 时间序列 217

9.3.2 趋势分析 218

9.3.3 变换 219

9.3.4 相似性 219

9.3.5 预测 220

9.4 模式检测 221

9.4.1 串匹配 222

9.5 时序序列 224

9.5.1 AprioriAll 225

9.5.2 SPADE 226

9.5.3 一般化 227

9.6 时序关联规则 229

9.5.4 特征抽取 229

9.6.1 事务间关联规则 230

9.6.2 情节规则 230

9.6.3 趋势依赖 231

9.6.4 序列关联规则 233

9.6.5 日历关联规则 233

9.7 练习 234

9.8 参考文献注释 234

附录A 数据挖掘产品 236

A.1 参考文献注释 252

附录B 参考文献 253

词汇表 268