數(shù)據(jù)挖掘方法與應(yīng)用

目錄
第1章　數(shù)據(jù)挖掘?qū)д摗?
1.1　數(shù)據(jù)挖掘的概念　1
1.2　數(shù)據(jù)挖掘的產(chǎn)生背景及意義　2
1.3　數(shù)據(jù)挖掘的功能及步驟　3
1.4　數(shù)據(jù)挖掘的常用方法　5
1.5　小結(jié)　7
思考題與練習(xí)題　7
第2章　數(shù)據(jù)預(yù)處理　8
2.1　數(shù)據(jù)預(yù)處理簡(jiǎn)介　8
2.2　數(shù)據(jù)清洗　9
2.3　數(shù)據(jù)集成　11
2.4　數(shù)據(jù)變換　11
2.5　數(shù)據(jù)規(guī)約　14
2.6　基于R語言的數(shù)據(jù)預(yù)處理　17
2.7　小結(jié)　28
思考題與練習(xí)題　29
第3章　關(guān)聯(lián)規(guī)則挖掘　30
3.1　關(guān)聯(lián)規(guī)則的基本概念　30
3.2　簡(jiǎn)單關(guān)聯(lián)規(guī)則挖掘　32
3.3　序列關(guān)聯(lián)規(guī)則挖掘　36
3.4　基于R語言的關(guān)聯(lián)規(guī)則挖掘　40
3.5　小結(jié)　47
思考題與練習(xí)題　48
第4章　聚類分析　49
4.1　聚類分析的簡(jiǎn)介　49
4.2　距離與相似度的度量　49
4.3　K均值聚類　53
4.4　密度聚類　56
4.5　層次聚類　58
4.6　基于R語言的聚類分析　60
4.7　小結(jié)　66
思考題與練習(xí)題　67
第5章　決策樹及組合算法　68
5.1　決策樹簡(jiǎn)介　68
5.2　決策樹的生長(zhǎng)　70
5.3　決策樹的剪枝　76
5.4　基于決策樹的組合算法　78
5.5　基于R語言的決策樹建?！?1
5.6　小結(jié)　89
思考題與練習(xí)題　90
第6章　貝葉斯分類　91
6.1　貝葉斯定理　91
6.2　樸素貝葉斯　93
6.3　貝葉斯信念網(wǎng)絡(luò)　96
6.4　貝葉斯信念網(wǎng)絡(luò)特點(diǎn)及應(yīng)用　100
6.5　基于R語言的貝葉斯分類建?！?00
6.6　小結(jié)　105
思考題與練習(xí)題　105
第7章　支持向量機(jī)　107
7.1　支持向量機(jī)簡(jiǎn)介　107
7.2　線性支持向量機(jī)　110
7.3　非線性支持向量機(jī)　116
7.4　基于R語言的支持向量機(jī)建模　121
7.5　小結(jié)　134
思考題與練習(xí)題　134
第8章　人工神經(jīng)網(wǎng)絡(luò)　135
8.1　人工神經(jīng)網(wǎng)絡(luò)概述　135
8.2　感知機(jī)模型　138
8.3　BP算法原理　140
8.4　BP神經(jīng)網(wǎng)絡(luò)的R語言實(shí)現(xiàn)　145
8.5　小結(jié)　151
思考題與練習(xí)題　151