數(shù)據(jù)挖掘方法與應用

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
思考題與練習題　7
第2章　數(shù)據(jù)預處理　8
2.1　數(shù)據(jù)預處理簡介　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)預處理　17
2.7　小結(jié)　28
思考題與練習題　29
第3章　關聯(lián)規(guī)則挖掘　30
3.1　關聯(lián)規(guī)則的基本概念　30
3.2　簡單關聯(lián)規(guī)則挖掘　32
3.3　序列關聯(lián)規(guī)則挖掘　36
3.4　基于R語言的關聯(lián)規(guī)則挖掘　40
3.5　小結(jié)　47
思考題與練習題　48
第4章　聚類分析　49
4.1　聚類分析的簡介　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
思考題與練習題　67
第5章　決策樹及組合算法　68
5.1　決策樹簡介　68
5.2　決策樹的生長　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語言的決策樹建模　81
5.6　小結(jié)　89
思考題與練習題　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　96
6.4　貝葉斯信念網(wǎng)絡特點及應用　100
6.5　基于R語言的貝葉斯分類建?！?00
6.6　小結(jié)　105
思考題與練習題　105
第7章　支持向量機　107
7.1　支持向量機簡介　107
7.2　線性支持向量機　110
7.3　非線性支持向量機　116
7.4　基于R語言的支持向量機建?！?21
7.5　小結(jié)　134
思考題與練習題　134
第8章　人工神經(jīng)網(wǎng)絡　135
8.1　人工神經(jīng)網(wǎng)絡概述　135
8.2　感知機模型　138
8.3　BP算法原理　140
8.4　BP神經(jīng)網(wǎng)絡的R語言實現(xiàn)　145
8.5　小結(jié)　151
思考題與練習題　151