數據挖掘原理、算法與套用

《數據挖掘原理、算法與套用》是2015年機械工業出版社出版的圖書，作者是梁亞聲。

基本介紹

• 中文名：數據挖掘原理、算法與套用
• 作者：梁亞聲
• 出版時間：2015年04月23日
• 出版社：機械工業出版社
• ISBN：978-7-111-49632-8
• 定價：49.0
• 開本：16 開
• 裝幀：平裝

內容簡介

本書介紹了數據挖掘的基本概念和數據挖掘過程，以及數據挖掘發展歷程和趨勢，詳細介紹了數據存儲和組織、數據預處理、數據相似度與異常檢測等數據挖掘的基礎技術，詳細分類介紹了數據分類和預測、數據聚類分析、數據關聯分析等典型的數據挖掘技術，以及可信度評估技術，集中介紹了大數據環境下的數據挖掘技術。本書介紹了各種技術和算法的基本思想、基本原理、以及方法、步驟、模型和結構，分析其優點和局限性，給出典型套用實例

目錄

出版說明

前言

第1章概述

1 1從數據中獲取知識

1 2數據挖掘的基本概念

1 3數據挖掘的發展歷程

1 4數據挖掘的功能和數據挖掘

系統的分類

1 4 1分類與回歸

1 4 2聚類分析

1 4 3關聯規則

1 4 4時序模式

1 4 5異常檢測

1 4 6數據挖掘系統的分類

1 5數據挖掘的過程

1 5 1數據挖掘的一般流程

1 5 2跨行業數據挖掘標準過程

1 6數據挖掘與其他學科的關係

1 6 1數據挖掘與資料庫知識發現

1 6 2數據挖掘與資料庫查詢

1 6 3數據挖掘與統計分析

1 6 4數據挖掘與數據倉庫

1 6 5數據挖掘與在線上分析處理

1 6 6數據挖掘與人工智慧、專家系統、

機器學習

1 7數據挖掘的套用和發展趨勢

1 7 1商業的數據挖掘

1 7 2金融業的數據挖掘

1 7 3欺詐偵測中的數據挖掘

1 7 4DNA數據分析中的數據挖掘

1 7 5電信業中的數據挖掘

1 7 6科學和統計數據挖掘

1 7 7數據挖掘系統和軟體

1 7 8數據挖掘的發展趨勢

1 8小結

1 9習題

第2章數據存儲

2 1關係數據集

2 2數據倉庫

2 2 1數據倉庫的概念和特點

2 2 2數據倉庫的數據組織

2 2 3數據倉庫的關鍵技術

2 2 4數據倉庫與數據挖掘的關係

2 3NoSQL資料庫

2 3 1NoSQL概念與理論

2 3 2NoSQL數據模型

2 3 3NoSQL與關係資料庫

2 4分散式檔案系統

2 4 1分散式檔案系統的歷史

2 4 2分散式檔案系統的體系結構

2 4 3谷歌檔案系統（GoogleFS）

2 4 4Hadoop分散式檔案系統

(HDFS)

2 5小結

2 6習題

第3章數據預處理

3 1數據預處理的必要性

3 2數據清理

3 2 1缺失數據處理方法

3 2 2噪聲數據平滑技術

3 2 3時間相關數據的處理

3 3數據集成

3 3 1實體識別與匹配

3 3 2冗餘和相關分析

3 3 3元組重複數據的檢測

3 3 4衝突數據的檢測與處理

3 4數據轉換

3 4 1數據標準化

3 4 2數據泛化

3 5數據歸約

3 5 1數據立方體聚集

3 5 2維度歸約

3 5 3數據壓縮

3 5 4數值歸約

3 6數據離散化

3 6 1分箱方法

3 6 2直方圖分析

3 6 3基於熵的離散化

3 6 4ChiMerge技術

3 6 5人工劃分分段

3 7特徵提取、選擇和構造

3 7 1特徵提取

3 7 2特徵選擇

3 7 3特徵構造

3 8小結

3 9習題

第4章數據相似度與異常檢測

4 1相似度度量

4 1 1對象與屬性類型

4 1 2相似度度量的定義

4 1 3由距離度量變換而來的

相似度度量

4 1 4屬性之間的相似度度量

4 1 5對象之間的相似度度量

4 2傳統度量方法

4 2 1二值屬性的相似度度量

4 2 2歐氏距離

4 2 3餘弦距離

4 2 4Mahalanobis距離

4 2 5Jaccard距離

4 2 6海明距離

4 3大數據度量方法

4 3 1文檔的Shingling

4 3 2局部敏感散列算法

4 4異常檢測

4 4 1基於統計的檢測方法

4 4 2基於距離的檢測方法

4 4 3基於密度的檢測方法

4 4 4基於聚類的檢測方法

4 4 5基於分類的檢測方法

4 4 6高維數據中的異常點檢測

4 5小結

4 6習題

第5章數據分類和預測

5 1分類和預測的基本概念

5 1 1準備數據

5 1 2分類和預測方法的評估標準

5 2決策樹分類

5 2 1ID3算法生成決策樹

5 2 2C4 5算法生成決策樹

5 2 3CART算法和Gini指標

5 2 4決策樹歸納的可擴展性

5 2 5數據倉庫與決策樹

5 2 6決策樹和決策規則的局限性

5 3貝葉斯分類

5 3 1貝葉斯定理

5 3 2樸素貝葉斯分類

5 3 3貝葉斯信念網路

5 3 4訓練貝葉斯信念網路

5 4神經網路

5 4 1多層前饋神經網路

5 4 2定義神經網路的拓撲結構

5 4 3後向傳播

5 4 4後向傳播和可理解性

5 5其他分類方法

5 5 1基於關聯的分類方法

5 5 2K-最近鄰分類

5 5 3基於案例推理

5 5 4遺傳算法

5 5 5粗糙集方法

5 5 6模糊集合方法

5 6預測算法

5 6 1預測算法分類

5 6 2預測算法選擇

5 6 3線性和多元回歸

5 6 4非線性回歸

5 6 5其他回歸模型

5 7分類預測套用實例

5 7 1樣本選取

5 7 2建立預測模型

5 7 3模型評估

5 7 4實用價值

5 8小結

5 9習題

第6章數據聚類分析

6 1基本概念

6 1 1對聚類分析的要求

6 1 2聚類分析方法分類

6 2劃分聚類算法

6 2 1K-means算法（基於質心的技術）

6 2 2K-medoids算法（基於代表對象的技術）

6 3層次聚類算法

6 3 1BIRCH算法

6 3 2CURE算法

6 3 3ROCK算法

6 3 4Chameleon算法

6 4基於密度的聚類算法

6 4 1DBSCAN算法

6 4 2OPTICS算法

6 4 3DENCLUE算法

6 5基於格線的聚類算法

6 5 1STING算法

6 5 2WaveCluster算法

6 5 3CLIQUE算法

6 6基於模型的聚類算法

6 6 1EM算法

6 6 2COBWEB算法

6 6 3SOM算法

6 7聚類評估

6 7 1估計聚類趨勢

6 7 2確定簇數

6 7 3測定聚類質量

6 8聚類分析套用實例

6 8 1問題理解與提出

6 8 2數據收集與選擇

6 8 3數據預處理

6 8 4套用K-means聚類算法建模

6 9小結

6 10習題

第7章數據關聯分析

7 1數據關聯分析的基本概念

7 2頻繁項集產生

7 2 1先驗原理

7 2 2Apriori算法的頻繁項集產生

7 2 3支持度計數

7 2 4計算複雜度

7 3規則產生

7 3 1基本步驟

7 3 2Apriori算法中規則的產生

7 4頻繁項集的緊湊表示

7 4 1最大頻繁項集

7 4 2閉頻繁項集

7 5產生頻繁項集的其他方法

7 5 1項集格遍歷

7 5 2事務數據集的表示

7 6FP-Growth算法

7 6 1FP樹構造

7 6 2頻繁項集產生

7 7關聯評估

7 7 1興趣度客觀度量

7 7 2多個二元變數的度量

7 7 3傾斜支持度分布的影響

7 8關聯分析套用實例

7 8 1關聯分析學生成績

7 8 2數據處理

7 8 3算法的套用

7 8 4挖掘結果的分析

7 9小結

7 10習題

第8章性能評估和提升

8 1評分函式

8 1 1預測性評分函式

8 1 2描述性評分函式

8 1 3一致性評價

8 2成本評價

8 2 1成本評價曲線

8 2 2Cost-Sensitive學習

8 3複雜度評估

8 4驗證

8 4 1交叉驗證

8 4 2Bootstrap

8 4 3模型比較

8 5性能提升

8 5 1效率提升

8 5 2準確率提升

8 6小結

8 7習題

第9章複雜數據挖掘

9 1文本數據挖掘

9 1 1文本數據預處理

9 1 2文本數據挖掘技術

9 1 3文本數據挖掘的套用

9 2圖像數據挖掘

9 2 1圖像數據的特點和挖掘

技術現狀

9 2 2圖像數據預處理

9 2 3圖像數據挖掘技術

9 2 4圖像數據挖掘的套用

9 3語音識別挖掘

9 3 1語音數據特點及挖掘

技術現狀

9 3 2語音信號預處理

9 3 3語音識別技術

9 3 4語音識別技術的套用

9 4視頻數據挖掘

9 4 1視頻數據特點及挖掘

技術現狀

9 4 2視頻數據預處理

9 4 3視頻數據挖掘技術

9 4 4視頻數據挖掘的套用

9 5網路拓撲挖掘

9 5 1拓撲發現的技術現狀及網路

數據的採集

9 5 2基於挖掘技術的網路

拓撲發現

9 6網路輿情挖掘

9 6 1輿情研究發展現狀及輿情

特點

9 6 2網路輿情數據預處理

9 6 3網路輿情挖掘技術

9 7推薦系統

9 7 1推薦系統發展現狀

9 7 2相關技術

9 7 3推薦系統

9 8空間數據挖掘

9 8 1空間數據的特點

9 8 2空間數據預處理

9 8 3空間數據挖掘技術

9 8 4空間數據挖掘工具

9 9數據流挖掘

9 9 1數據流的特點

9 9 2數據流預處理

9 9 3數據流挖掘技術

9 9 4數據流挖掘技術的套用

9 10小結

9 11習題

參考文獻