
数据挖掘算法实践与案例详解
挖掘算法为大数据与人工智能的核心
¥35.00
加载中,请稍候……
作品简介
数据挖掘算法为大数据与人工智能的核心,掌握数据挖掘各算法的编程实现,有助于提升大数据的实践运用能力。本书详细阐述了数据挖掘常用算法与编程实现,同时,本书以多个经典的数据挖掘赛题为案例,详细论述了数据预处理、特征选择、可视化、算法选择等全流程数据挖掘过程的编程实现,有助于提升读者面对实际数据问题时灵活运用各类算法能力。
丁兆云,国防科技大学博士毕业后留校任教至今,长期教授数据挖掘课程,负责国防科技大学系统工程学院“数据挖掘”专业方向考博命题工作,主持湖南省教改课题1项、国防科技大学教改课题1项、发表教学论文3篇,获得国防科技大学研究生教学优秀奖。
作品目录
前言
第1章 绪论
1.1 数据挖掘技术的由来
1.2 数据挖掘的分类
1.3 Python的安装步骤
1.4 常见的数据集
1.5 本章小结
第2章 分类
2.1 分类的概念
2.2 分类中的训练集与测试集
2.3 分类的过程及验证方法
2.4 贝叶斯分类的编程实践
2.5 本章小结
第3章 数据的特征选择
3.1 直方图
3.2 直方图与柱状图的差异
3.3 特征选择实践
3.4 本章小结
第4章 数据预处理之数据清洗
4.1 案例概述
4.2 缺失值处理
4.3 噪声数据处理
4.4 数据预处理案例实践
4.5 本章小结
第5章 数据预处理之转换
5.1 数据的数值化处理
5.2 数据规范化
5.3 本章小结
第6章 数据预处理之数据降维
6.1 散点图可视化分析
6.2 主成分分析
6.3 本章小结
第7章 不平衡数据分类
7.1 不平衡数据分类问题的特征
7.2 重采样方法
7.3 不平衡数据分类实践
7.4 本章小结
第8章 回归分析
8.1 线性回归
8.2 回归分析检测
8.3 回归预测案例实践
8.4 本章小结
第9章 聚类分析
9.1k均值聚类
9.2 层次聚类
9.3 密度聚类
9.4 本章小结
第10章 关联分析
10.1 Apriori算法
10.2 关联分析案例实践
10.3 提升Apriori算法性能的方法
10.4 本章小结
第11章 KNN分类
11.1 KNN算法的步骤
11.2 KNeighborsClassifier函数
11.3 KNN的代码实现
11.4 结果分析
11.5 KNN案例实践
11.6 本章小结
第12章 支持向量机
12.1 支持向量机的可视化分析
12.2 SVM的代码实现
12.3 本章小结
第13章 神经网络分类
13.1 多层人工神经网络
13.2 多层人工神经网络的代码实现
13.3 神经网络分类案例实践
13.4 本章小结
第14章 集成学习
14.1 Bagging方法
14.2 随机森林
14.3 Adaboost
14.4 GBDT
14.5 XGBoost
14.6 房价预测案例实践
14.7 点击欺骗预测案例实践
14.8 本章小结
第15章 综合案例实践
15.1 员工离职预测综合案例
15.2 二手车交易价格预测综合案例
15.3 信息抽取综合案例
15.4 学术网络节点分类
推荐阅读