您好,欢迎光临有路网!
数据挖掘:概念与技术(英文版·第2版)
QQ咨询:

数据挖掘:概念与技术(英文版·第2版)

  • 作者:(加)韩家炜
  • 出版社:机械工业出版社
  • ISBN:9787111188285
  • 出版日期:2006年04月01日
  • 页数:770
  • 定价:¥79.00
  • 砍价广告长条形
    城市
    店铺名称
    店主联系方式
    店铺售价
    库存
    店铺得分/总交易量
    发布时间
    操作

    新书比价

    网站名称
    书名
    售价
    优惠
    操作

    图书详情

    内容提要
    我们产生和收集数据的能力正在快速增长。除了大多数商业、科学和政府事务的日益计算机化会产生数据之外,数码相机、发布工具和条码的广泛应用也会产生数据。在数据收集方面,扫描的文体和图像平台、卫星遥感系统和国际互联网已经使我们的生活被巨大的数据量所包围。这种爆炸性的数据增长促使我们比以往更迫切地需要新技术和自动化工具来帮助我们将这些数据转换为有用的信息和知识。
    本书第1版曾被KDnuggets的读者评选为*受欢迎的数据挖掘专著,是一本可读性**的教材。它从数据库角度全面系统地介绍了数据挖掘的基本概念、基本方法和基本技术以及数据挖掘的技术研究进展,**关注其可行性、有用性、有效性和可伸缩性问题。但是,自第1版出版之后,数据挖掘领域的研究又取得了很大的进展,开发出了新的数据挖掘方法、系统和应用。第2版在这一方面进行了加强,增加了多个章节讲述*新的数据挖掘方法,以便能够挖掘出复杂类型的数据,包括流数据、序列数据、图结构数据、社群网络数据和多重关系数据。
    本书适合作为高等院校计算及相关专业高年级本科生的选修课教材,特别适合作为研究生的专业课教材,同时也可供从事数数据挖掘研究和应用开发工作的相关
    目录
    Foreword vii
    Preface ix
    Chapter1 Introduction
    1.1 What Motivated Data Mining? Why Is It Important?
    1.2 So, What Is Data Mining?
    1.3 Data Mining-On What Kind of Data?
    1.3.1 Relational Databases
    1.3.2 Data Warehouses
    1.3.3 TransactionalDatabases
    1.3.4 Advanced Data and Information Systems and Advanced Applications
    1.4 Data Mining Functionalities---What Kinds of Patterns Can Be Mined?
    1.4.1 Concept/Class Description: Characterization and Discrimination
    1.4.2 Mining Frequent Patterns, Associations, and Correlations
    1.4.3 Classification and Prediction 24 1.4.4 Cluster Analysis
    1.4.5 Outlier Analysis 26 1.4.6 Evolution Analysis
    1.5 Are All of the Patterns Interesting?
    1.6 Classification of Data Mining Systems
    1.7 Data Mining Task Primitives
    1.8 Integration of a Data Mining System with a Database or Data Warehouse System
    1.9 Major Issues in Data Mining
    1.10 Summary
    Exercises
    Bibliographic Notes
    Chapter2 Data Preprocessing
    2.1 Why Preprocess the Data?
    2.2 Descriptive Data Summarization
    2.2.1 Measuring the Central Tendency
    2.2.2 Measuring the Dispersion of Data
    2.2.3 Graphic Displays of Basic Descriptive Data Summaries
    2.3 Data Cleaning
    2.3.1 Missing Values
    2.3.2 Noisy Data
    2.3.3 Data Cleaning as a Process
    2.4 Data Integration and Transformation
    2.4.1 Data Integration
    2.4.2 Data Transformation
    2.5 Data Reduction
    2.5.1 Data Cube Aggregation
    2.5.2 Attribute Subset Selection
    2.5.3 DimensionalityReduction
    2.5.4 Numerosity Reduction
    2.6 Data Discretization and Concept Hierarchy Generation
    2.6.1 Discretization and Concept Hierarchy Generation for Numerical Data
    2.6.2 Concept Hierarchy Generation for Categorical Data
    2.7 Summary 97 Exercises 97 Bibliographic Notes
    Chapter3 Data Warehouse and OLAP Technology: An Overview
    3.1 What Is a Data Warehouse?
    3.1.1 Differences between Operational Database Systems and Data Warehouses
    3.1.2 But, Why Have a Separate Data Warehouse?
    3.2 A Multidimensional Data Model
    3.2.1 From Tables and Spreadsheets to Data Cubes
    3.2.2 Stars, Snowflakes, and Fact Constellations: Schemas for Multidimensional Databases
    3.2.3 Examples for Defining Star, Snowflake, and Fact Constellation Schemas
    ……
    Chapter4 Data Cube Computation and Data Generalization
    Chapter5 Mining Frequent Patterns, Associations, and Correlations
    Chapter6 Classification adn Predidction
    Chapter7 Cluster Analysis
    Chapter8 Mining Stream, Time-Series, and Sepuence Data
    Chapter9 Graph Mining, Social Network Analysis, and Multirelational
    Chapter10 Mining Object, Spatial, Multimedia, Test, and Wed Data
    Chapter11 Applications and Trends in Data Mining
    An Introduction to Microsoft's OLE DB for
    Bibliography
    Index
    北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 台湾 香港 澳门 海外