数据挖掘导论 （英文版） azw3 lrf 下载 百度云 夸克云 snb pdf kindle

《数据挖掘导论》(英文版)对数据挖掘进行了全面介绍，旨在为读者提供将数据挖掘应用于实际问题所必需的知识。《数据挖掘导论》(英文版)涵盖五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都有两章：前面一章讲述基本概念、代表性算法和评估技术，而后面一章较深入地讨论高级概念和算法。目的是在使读者透彻地理解数据挖掘基础的同时，还能了解更多重要的高级主题。此外，书中还提供了大量例子、图表和习题。

1 Introduction

1.1 What Is Data Mining?

1.2 Motivating Challenges

1.3 The Origins of Data Mining

1.4 Data Mining Tasks

1.5 Scope and Organization of the Book

1.6 Bibliographic Notes

1.7 Exercises

2 Data

2.1 Types of Data

2.1.1 Attributes and Measurement

2.1.2 Types of Data Sets

2.2 Data Quality

2.2.1 Measurement and Data Collection Issues

2.2.2 Issues Related to Applications

2.3 Data Preprocessing

2.3.1 Aggregation

2.3.2 Sampling

2.3.3 Dimensionality Reduction

2.3.4 Feature Subset Selection

2.3.5 Feature Creation

2.3.6 Discretization and Binarization

2.3.7 Variable Transformation

2.4 Measures of Similarity and Dissimilarity

2.4.1 Basics

2.4.2 Similarity and Dissimilarity between Simple Attributes

2.4.3 Dissimilarities between Data Objects

2.4.4 Similarities between Data Objects

2.4.5 Examples of Proximity Measures

2.4.6 Issues in Proximity Calculation

2.4.7 Selecting the Right Proximity Measure

2.5 Bibliographic Notes

2.6 Exercises

……………………………………………

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：数据挖掘导论 （英文版）在线阅读

在线听书地址：数据挖掘导论 （英文版）在线收听

在线购买地址：数据挖掘导论 （英文版）在线购买

data mining is an integral part of knowledge discovery in databases(KDD), which is the overall process of converting raw data into useful information

精度通常用值集合的标准差度量

例27 澳大利亚降水量

设x和y是两个点，其中y是原来的点，而x是它的某个失真或近似，例如，x可能是由于添加了一些随机噪声到y上而产生的。损失函数的目的是度量用x近似y导致的失真或损失。当然，x和y越类似，失真或损失就越小，因而Bregman散度可以用作相异性函数。

是一个函数与该函数线性近似之差

像最近邻这样的消极学习方法不需要建立模型，然而，分类测试样例的开销很大，因为需要逐个计算测试样例和训练样例之间的相似度。

最近邻分类器基于局部信息进行预测，而决策树和基于规则的分类器试图找到一个拟合整个输入空间的全局模型。正式因为这样的局部分类决策，最近邻分类器（k很小时）对噪声非常敏感。

最近邻分类器可以生成任意形状的决策边界，这样的决策边界与决策树和基于规则的分类器通常所局限的直线决策边界相比，能提供更灵活的模型表示。

除非采用适当的临近性度量和数据预处理，否则最近邻分类器可能做出错误的决策。

书籍介绍

《数据挖掘导论》(英文版)对数据挖掘进行了全面介绍，旨在为读者提供将数据挖掘应用于实际问题所必需的知识。《数据挖掘导论》(英文版)涵盖五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都有两章：前面一章讲述基本概念、代表性算法和评估技术，而后面一章较深入地讨论高级概念和算法。目的是在使读者透彻地理解数据挖掘基础的同时，还能了解更多重要的高级主题。此外，书中还提供了大量例子、图表和习题。