登入帳戶　 |　訂單查詢　 |　購物車/收銀台( 0 )　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入 新註冊 |　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2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / EMS，時效：出貨後2-3日

新書推薦： 《 修昔底德与政治秩序 》 售價：NT$ 386.0 《 大学问·魏晋清谈史 》 售價：NT$ 549.0 《 区域经济与产业发展研究 》 售價：NT$ 381.0 《 正念心理学：全面开启自我觉察与接纳的疗愈之旅 》 售價：NT$ 391.0 《 车用锂离子动力电池碰撞安全 》 售價：NT$ 885.0 《 中国近代史（中国史学大家蒋廷黻典作品） 》 售價：NT$ 223.0 《 先跳了再说： 仓本聪的工作与生活哲学 》 售價：NT$ 314.0 《 抗焦虑饮食（赠实践手册） 》 售價：NT$ 498.0

建議一齊購買： + NT$ 368 《 表哥的Access入门：以Excel视角快速学习数据库知识 》 + NT$ 891 《 精通Oracle SQL（第2版） 》 + NT$ 538 《 MySQL数据库应用从入门到精通（第2版含盘） 》 + NT$ 456 《 数据挖掘的应用与实践——大数据时代的案例分析 》 + NT$ 270 《 SQL必知必会（第4版）（全球技术人员SQL入门首选） 》 編輯推薦： 1. 由资深数据挖掘技术专家撰写，深入学习数据挖掘技术并进行工程实践的必读之作。 2. 从基本概念到数据挖掘应用系统的开发，包含数据挖掘实践的全过程与经验总结。 內容簡介： 数据挖掘是当前最活跃的领域之一。本书作者根据自己20年数据挖掘方面的经验，总结了数据挖掘的理论知识和实践经验，提供了大量一线资料。本书首先介绍数据挖掘的概念和误区，然后介绍数据探索的方法，包括数据查探、数据描绘、数据变换、数据优化等，重点介绍了相关算法，包括：相关因子算法、聚类算法、分类算法、回归与测试算法等。不仅列举了详细示例，还介绍了算法在工程实践中的具体应用，特别是总结了自己独特的一些新算法，例如秩相关因子选择算法、矢量相关因子选择算法、密度分布聚类算法、概率特征模型算法等。还剖析了几个热门领域的实际应用，涉及医药学、信息安全、新闻分析、商品推荐、证券预测等领域的应用。最后归纳总结了数据挖掘应用系统的开发方案，并介绍一个数据挖掘工具的应用。本书可供数据挖掘、数据仓库、数据库等领域的技术人员参考，也可供想建立智能计算系统的企业信息系统管理人员参考。 關於作者： Hong Song Lin（洪松林） 福安易数据技术（天津）有限公司（FE DATA TECHNOLOGY CORP. ）创始人，外国专家局引智技术专家，加拿大OCP认证专家，有20年智能计算（数据仓库、商务智能及数据挖掘）方面的研究、设计、开发和培训经验。掌握北美先进的项目经验，曾在加拿大安大略省卫生部OMH、蒙特利尔银行（BMO）、加拿大研科电讯公司（TELUS ）、安省高教委（OCAS）等大型机构参与多个大型智能计算项目。近年来在国内主持多个智能计算产品的总体设计和研发工作，将北美的智能计算技术及业务经验与中国的专业需求和数据环境有效地结合起来，开发了以数据仓库、数据挖掘和数据统计为技术核心的智能数据分析产品，国内首创，并在北京、天津等地得到成功应用。 目錄： 前言 第1章 数据挖掘应用绪论 1.1 认识数据挖掘 1.1.1 数据挖掘概念 1.1.2 数据挖掘与生活 1.1.3 数据挖掘与知识 1.2 数据挖掘应用基础 1.2.1 事物与维度 1.2.2 分布与关系 1.2.3 描绘与预测 1.2.4 现象和知识 1.2.5 规律与因果 1.3 数据挖掘应用系统工程 1.3.1 数据层 1.3.2 算法层 1.3.3 应用层 1.4 数据挖掘应用体会 1.4.1 项目关键点 1.4.2 技术与应用创新 1.4.3 经验积累与应用 1.5 无限三维嵌套空间假说 1.5.1 一维空间 1.5.2 二维空间 1.5.3 三维空间 1.5.4 突破三维空间 1.5.5 五维空间 1.5.6 六维空间 1.6 本章小结 第2章 数据探索与准备 2.1 数据关系探索 2.1.1 业务发现 2.1.2 关系发现 2.1.3 数据质量探索 2.1.4 数据整合 2.2 数据特征探索 2.2.1 数据的统计学特征 2.2.2 统计学特征应用 2.3 数据选择 2.3.1 适当的数据规模 2.3.2 数据的代表性 2.3.3 数据的选取 2.4 数据处理 2.4.1 数据标准化 2.4.2 数据离散化 2.5 统计学算法的数量条件 2.5.1 样本量估计概念 2.5.2 单样本总体均值比较的样本量估计（T-Test） 2.5.3 两样本总体均值比较的样本量估计 2.5.4 多样本总体均值比较的样本量估计 2.5.5 区组设计多样本总体均值比较的样本量估计（F-Test） 2.5.6 直线回归与相关的样本量估计 2.5.7 对照分析的样本量估计 2.6 数据探索应用 2.6.1 检验项的疾病分布 2.6.2 疾病中检验项的分布 2.6.3 成对检验项的相关分析 2.6.4 两种药物的应用分析 2.7 本章小结 第3章 数据挖掘应用算法 3.1 聚类分析 3.1.1 划分聚类算法（K均值） 3.1.2 层次聚类算法（组平均） 3.1.3 密度聚类算法 3.2 特性选择 3.2.1 特性选择概念 3.2.2 线性相关算法 3.2.3 相关因子SRCF算法 3.3 特征抽取 3.3.1 主成分分析算法 3.3.2 因子分析算法 3.3.3 非负矩阵因子分解NMF算法 3.4 关联规则 3.4.1 关联规则概念 3.4.2 Apriori算法 3.4.3 FP树频集算法 3.4.4 提升 3.5 分类和预测 3.5.1 支持向量机 3.5.2 Logistic回归算法 3.5.3 朴素贝叶斯分类算法 3.5.4 决策树 3.5.5 人工神经网络 3.5.6 分类与聚类的关系 3.6 时间序列 3.6.1 灰色系统预测模型 3.6.2 ARIMA模型预测 3.7 本章小结 第4章 数据挖掘应用案例 4.1 特性选择的应用 4.1.1 数据整合 4.1.2 数据描绘 4.1.3 数据标准化 4.1.4 特性选择探索 4.2 分类模型的应用——算法比较 4.2.1 数据整合 4.2.2 数据描绘 4.2.3 数据标准化 4.2.4 特性选择探索 4.2.5 分类模型 4.3 分类模型的应用——网络异常侦测 4.3.1 计算机网络异常行为 4.3.2 网络异常数据模型 4.3.3 分类模型算法应用 4.4 算法的综合应用——肿瘤标志物的研究 4.4.1 样本选取 4.4.2 癌胚抗原临床特征主题分析 4.4.3 癌胚抗原临床特征规则分析 4.4.4 癌胚抗原临床特征规则的比较分析 4.4.5 癌胚抗原相关因子分析 4.4.6 不同等级癌胚抗原组差异分析 4.5 数据挖掘在其他领域中的应用 4.6 本章小结 第5章 数据挖掘行业应用原理 5.1 传统医学科研方法的现状 5.1.1 传统医学科研的命题与假说 5.1.2 传统医学科研的数据应用 5.1.3 传统的医学科研的统计学应用 5.1.4 传统医学科研的流程 5.2 智能医学科研系统的需求 5.2.1 临床医学科研的问题 5.2.2 临床医学科研的解决思路 5.3 智能医学科研系统的设计思想 5.3.1 科研立题 5.3.2 科研设计与统计分析 5.3.3 样本数据收集与分析 5.4 智能医学科研系统的核心技术方法 5.5 智能医学科研系统的科研数据仓库建设 5.5.1 医学科研数据仓库建设的技术方法 5.5.2 医学科研数据仓库的建设过程 5.5.3 科研数据仓库的数据安全 5.6 智能医学科研系统的核心功能设计 5.7 智能医学科研系统的整体功能设计 5.7.1 智能医学科研系统主要功能 5.7.2 智能医学科研系统的模块设计和应用实现 5.7.3 智能医学科研系统的评估方法 5.8 智能医学科研系统的应用价值 5.9 本章小结 第6章 数据挖掘应用系统的开发 6.1 数据挖掘应用系统的意义 6.2 IMRS系统设计 6.2.1 对数据源的分析 6.2.2 数据挖掘应用系统IMRS的总体设计 6.3 IMRS异常侦测模型的开发 6.3.1 异常侦测模型的功能展示 6.3.2 数据挖掘技术开发要点 6.4 IMRS特征抽取模型的开发 6.4.1 特征抽取模型的功能展示 6.4.2 数据挖掘技术开发要点 6.5 IMRS智能统计模型的开发 6.5.1 回归模型的开发实现 6.5.2 线性相关模型的开发实现 6.6 IMRS的算法开发 6.6.1 相关因子算法SRCF的实现 6.6.2 朴素贝叶斯分类算法的实现 6.7 本章小结 第7章 数据挖掘应用系统的应用 7.1 分布探索 7.1.1 两维度聚类模型应用 7.1.2 高维度聚类模型应用 7.2 关系探索 7.2.1 关联规则的应用 7.2.2 特性选择的应用 7.3 特征探索 7.3.1 不稳定心绞痛的特征总结 7.3.2 动脉硬化心脏病的临床特征 7.4 异常探索 7.4.1 生理指标的异常侦测 7.4.2 异常侦测模型的比较 7.5 推测探索 7.6 应用系统的高级应用 7.6.1 异常侦测的高级用法 7.6.2 关联规则的高级应用 7.7 本章小结 第8章 数据挖掘工具的应用 8.1 应用Oracle Data 8.1.1 ODM数据挖掘流程 8.1.2 ODM算法模型 8.1.3 ODM算法应用 8.2 应用IBM SPSS M 8.2.1 IBM SPSS Modeler介绍 8.2.2 SPSS Modeler独立应用 8.2.3 SPSS Modeler与应用系统的联合应用 8.3 本章小结 参考文献

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.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.