經典原版書庫·數據挖掘：概念與技術（英文版·第3版） [Data Mining:Concepts and Techniques,Third Edition] pdf epub mobi txt 電子書下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] 韓傢煒等著

下載連結在頁面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製連結

想要找書就要到靜思書屋

book.idnshop.cc

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

齣版社：機械工業齣版社

ISBN：9787111374312

版次：1

商品編碼：10959179

品牌：機工齣版

包裝：平裝

叢書名：經典原版書庫

外文名稱：Data Mining:Concepts and Techniques,Third Edition

開本：16開

齣版時間：2012-03-01

用紙：膠版紙

頁數：70

具體描述

編輯推薦

　　《經麯原版書庫·數據挖掘：概念與技術（英文版·第3版）》特點：引入瞭許多算法和實現示例，全部以易於理解的僞代碼編寫，適用於實際的大規模數據挖掘項目。討論瞭一些高級主題，例如挖掘麵嚮對象的關係型數據庫、空間數據庫、多媒體數據庫、時間序列數據庫、文本數據庫、萬維網以及其他領域的應用等。全麵而實用地給齣用於從海量數據中獲取盡可能多信息的概念和技術。
　　
　　

內容簡介

　　當代商業和科學領域大量激增的數據量要求我們采用更加復雜和精細的工具來進行數據分析、處理和挖掘盡管近年來數據挖掘技術取得的長足進展使得我們廣泛收集數據越來越容易，但技術的發展依然難以匹配爆炸性的數據增長以及隨之而來的大量數據處理需求，因此我們比以往更加迫切地需要新技術和自動化工具來幫助我們將這些數據轉換為有用的信息和知識

　　《經麯原版書庫·數據挖掘：概念與技術（英文版·第3版）》前版曾被KDnuggets的讀者評選為受歡迎的數據挖掘專著，是一本可讀性極好的教材它從數據庫角度全麵係統地介紹數據挖掘的概念、方法和技術以及技術研究進展，並重點關注近年來該領域重要和較新的課題--數據倉庫和數據立方體技術，流數據挖掘，社會化網絡挖掘，空間、多媒體和其他復雜數據挖掘每章都針對關鍵專題有單獨的指導，提供很好算法，並對怎樣將技術運用到實際工作中給齣瞭經過實踐檢驗的實用型規則如果你希望自己能秘練掌握和運用當今最有力的數據挖掘技術，那這本書正是你需要閱讀和學習的寶貴資源本書是數據挖掘和知識發現領域聲的所有教師、研究人員、開發人員和用戶都必讀的一本書。

作者簡介

　　韓傢煒，伊利諾伊大學厄巴納-尚佩恩分校計算機科學係Abel Bliss教授。由於在數據挖掘和數據庫係統領域卓有成效的研究工作，他曾多次獲得各種榮譽和奬勵，其中包括2004年ACM SIGKDD頒發的很好創新奬，2005年IEEE Computer Society 頒發的技術成就奬，2009年IEEE頒發的W. Wallace McDowell奬。他是ACM和IEEE Fellow，同時還是《ACM Transactions on Knowledge Discovery from Data》雜誌的主編（2006-2011），以及《IEEE Transactions on Knowledge and Data Engineering》和《Data Mining and Knowledge Discovery》雜誌的編委會成員。

　　Micheline Kamber 擁有加拿大康考迪亞大學計算機科學碩士學位，她是NSERC Scholar，現在加拿大麥吉爾大學、西濛-弗雷澤大學及瑞士從事研究工作。

　　Jian Pei（裴健），目前是加拿大西濛-弗雷澤大學計算機學院副教授。2002年，他在Jia wei Han教授的指導下獲得西濛-弗雷澤大學博士學位。

內頁插圖

精彩書評

　　我們生活在數據洪流的時代。本書嚮我們展示瞭如何從這樣海量的數據中找到有用知識的方法和技術。較新的第3版顯著擴充瞭數據預處理、挖掘頻繁模式、分類和聚類這幾個核心章節的內容；還全麵講述瞭OLAP和離群點檢測，並研討瞭挖掘網絡、復雜數據類型以及重要應用領域。本書將是一本適用於數據分析、數據挖掘和知識發現課程的優秀教材。

　　—— Gregory Piatetsky-Shapiro， KDnuggets的總裁

　　

　　Jiawei、Micheline和Jian的教材全景式地討論瞭數據挖掘的所有相關方法，從聚類和分類的經典主題，到數據庫方法（關聯規則、數據立方體），到更新和更高級的主題（SVD/PCA、小波、支持嚮量機），等等。總的說來，這是一本既講述經典數據挖掘方法又涵蓋大量當代數據挖掘技術的優秀著作，既是教學相長的優秀教材，又對專業人員具有很高的參考價值。

　　—— 摘自卡內基-梅隆大學Christos Faloutsos教授為本書所作序言

Chapter1 Introduction
Why Data Mining?
Moving toward the Information Age
Data Mining as the Evolution of Information Technology
What Is Data Mining?
What Kinds of Data Can Be Mined?
Database Data
Data Warehouses
Transactional Data
Other Kinds of Data
What Kinds of Patterns Can Be Mined?
Class/Concept Description: Characterization and Discrimination
Mining Frequent Patterns, Associations, and Correlations
Classification and Regression for Predictive Analysis
Cluster Analysis
Outlier Analysis
Are All Patterns Interesting?
Which Technologies Are Used?
Statistics
Machine Learning
Database Systems and Data Warehouses
Information Retrieval
Which Kinds of Applications Are Targeted?
Business Intelligence
Web Search Engines
Major Issues in Data Mining
Mining Methodology
User Interaction
Efificiency and Scalability
Diversity of Database Types
Data Mining and Society
Summary
Exercises
Bibliographic Notes

Chapter 2 Getting to Know Your Data
Data Objects and Attribute Types
What Is an Attribute?
Nominal Attributes
Binary Attributes
Ordinal Attributes
Numeric Attributes
Discrete versus Continuous Attributes
Basic Statistical Descriptions of Data
Measuring the Central Tendency: Mean, Median, and Mode
Measuring the Dispersion of Data: Range, Quartiles, Variance,
Standard Deviation, and Interquartile Range
Graphic Displays of Basic Statistical Descriptions of Data
Data Visualization
PixeI-Oriented Visualization Techniques
Geometric Projection Visualization Techniques
Icon-Based Visualization Techniques
Hierarchical Visualization Techniques
Visualizing Complex Data and Relations
Measuring Data Similarity and Dissimilarity
Data Matrix versus Dissimilarity Matrix
Proximity Measures for Nominal Attributes
Proximity Measures for Binary Attributes
Dissimilarity of Numeric Data: Minkowski Distance
Proximity Measures for Ordinal Attributes
Dissimilarity for Attributes of Mixed Types
Cosine Similarity
Summary
Exercises
Bibliographic Notes
……
Chapter 3 Data Preprocessing
Chapter 4 Data Warehousing and Online Analytical Processin
Chapter 5 Data Cube Technology
Chapter 6 Mining Frequent Patterns, Associations, and Correlations: Basic Concepts and Methods
Chapter 7 Advanced Pattern Mining
Chapter 8 Classification: Basic Concepts
Chapter 9 Classification: Advanced Methods
Chapter 10 Cluster Analysis: Basic Concepts and I~ethods
Chapter 11 Advanced Cluster Analysis
Chapter 12 Outlier Detection
Chapter 13 Data Mining Trends and Research Frontiers
Bibliography
Index