書馨卡幫你省薪 2024個(gè)人購書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請 | 注冊

數(shù)據(jù)挖掘與數(shù)學(xué)建模

作者：廖芹
出版社：國防工業(yè)出版社出版時(shí)間：2010-02-01
開本： 16開 頁數(shù)： 352
中 圖 價(jià):¥16.8(4.3折) 定價(jià)  ¥39.0 登錄后可看到會(huì)員價(jià)
暫時(shí)缺貨 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個(gè)別圖書品相8-9成新、切口
有劃線標(biāo)記、光盤等附件不全詳細(xì)品相說明>>
本類五星書更多>

數(shù)據(jù)挖掘與數(shù)學(xué)建模 版權(quán)信息

數(shù)據(jù)挖掘與數(shù)學(xué)建模 本書特色

《數(shù)據(jù)挖掘與教學(xué)建！罚含F(xiàn)代計(jì)算機(jī)科學(xué)與技術(shù)教材系列。

數(shù)據(jù)挖掘與數(shù)學(xué)建模 內(nèi)容簡介

本書以國際數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程（grisp-dm）為依據(jù)，以企業(yè)管理面臨的現(xiàn)實(shí)問題為應(yīng)用案例，由淺入深介紹數(shù)據(jù)挖掘方法及其解決問題過程的數(shù)據(jù)理解、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)學(xué)建模、模型結(jié)果評(píng)估等內(nèi)容，并引人應(yīng)用廣泛的數(shù)據(jù)挖掘clementine軟件輔助問題案例的解決，使讀者不僅可以集中地學(xué)習(xí)數(shù)據(jù)挖據(jù)的主要理論方法，而且可以了解基于數(shù)據(jù)挖掘的數(shù)學(xué)建模過程，可以學(xué)習(xí)應(yīng)用軟件輔助解決問題的操作方法。
本書把理論、案例、建模、軟件輔助結(jié)合一體統(tǒng)一敘述，簡述理論，突出應(yīng)用，詳細(xì)分析，展示過程，既考慮高校學(xué)生的學(xué)習(xí)需要，分本科生與研究生學(xué)習(xí)層次，又考慮企業(yè)管理者的應(yīng)用與實(shí)踐需要。
　　本書可作為數(shù)據(jù)挖掘理論與技術(shù)的教學(xué)、實(shí)踐、應(yīng)用和提高的教科書或參考書。適合高等學(xué)校本科高年級(jí)學(xué)生、研究生以及學(xué)習(xí)數(shù)據(jù)挖掘、數(shù)學(xué)模型課程的學(xué)生使用，也適合相關(guān)的企業(yè)管理與決策支持技術(shù)人員使用。

數(shù)據(jù)挖掘與數(shù)學(xué)建模 目錄

第1章 數(shù)據(jù)挖掘與數(shù)學(xué)建模關(guān)系概述
　1.1 當(dāng)前信息化發(fā)展的趨勢與面對(duì)問題
　1.2 數(shù)據(jù)挖掘發(fā)展及其應(yīng)用
　1.3 基于數(shù)據(jù)挖掘的數(shù)學(xué)建模
　1.4 數(shù)據(jù)挖掘軟件clementine的基本操作概述
　參考文獻(xiàn)
第2章 統(tǒng)計(jì)分析
　2.1 問題概述
　2.2 回歸分析及其應(yīng)用
　2.3 二項(xiàng)邏輯回歸
　2.4 主成分分析
　2.5 因子分析
　2.6 管理勝任力的案例分析和數(shù)學(xué)建模
　參考文獻(xiàn)
第3章 聚類分析
　3.1 問題概述
　3.2 聚類分析概述
　3.3 基于距離的聚類相似度
　3.4 系統(tǒng)聚類法
　3.5 c-均值(c-means)聚類算法
　3.6 clementine輔助k-means聚類
　3.7 模糊聚類
　3.8 聚類有效性
　3.9 醫(yī)療建設(shè)評(píng)價(jià)的案例分析與數(shù)學(xué)建模
　參考文獻(xiàn)
第4章 神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
　4.1 問題概述
　4.2 神經(jīng)網(wǎng)絡(luò)概述
　4.3 神經(jīng)網(wǎng)絡(luò)的基本模型
　4.4 誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)模型
　4.5 rbf神經(jīng)網(wǎng)絡(luò)
　4.6 自組織特征映射(som)神經(jīng)網(wǎng)絡(luò)
　4.7 神經(jīng)網(wǎng)絡(luò)的案例分析與數(shù)學(xué)建模
　4.8 模糊神經(jīng)網(wǎng)絡(luò)
　參考文獻(xiàn)
第5章 決策樹及其應(yīng)用
　5.1 問題概述
　5.2 決策樹概述
　5.3 id3算法
　5.4 c4.5算法
　5.5 cart算法
　5.6 clementine輔助決策樹建立
　5.7 決策樹的評(píng)價(jià)標(biāo)準(zhǔn)
　5.8 決策樹的剪枝
　5.9 決策樹的優(yōu)化
　5.10 燃?xì)夤芫W(wǎng)安全預(yù)測案例分析與數(shù)學(xué)建模
　5.11 模糊決策樹
　參考文獻(xiàn)
第6章 關(guān)聯(lián)分析
　6.1 問題概述
　6.2 關(guān)聯(lián)分析概述
　6.3 apriori關(guān)聯(lián)規(guī)則算法
　6.4 clementine輔助apriori算法實(shí)現(xiàn)關(guān)聯(lián)分析
　6.5 基于apriori算法的改進(jìn)算法
　6.6 基于分類搜索的關(guān)聯(lián)規(guī)則算法
　6.7 基于頻繁樹的關(guān)聯(lián)規(guī)則算法
　6.8 關(guān)聯(lián)規(guī)則的推廣
　6.9 時(shí)序關(guān)聯(lián)規(guī)則算法
　6.10 clememtin輔助時(shí)序關(guān)聯(lián)分析
　6.11 多值屬性關(guān)聯(lián)規(guī)則算法
　6.12 增量關(guān)聯(lián)規(guī)則算法
　6.13 基于關(guān)聯(lián)規(guī)則的分類算法
　6.14 關(guān)聯(lián)分類算法的改進(jìn)
　6.15 模糊關(guān)聯(lián)分類算法與應(yīng)用
　6.16 關(guān)聯(lián)規(guī)則案例分析與數(shù)學(xué)建模
　參考文獻(xiàn)
第7章 遺傳算法
　7.1 問題概述
　7.2 遺傳算法概述
　7.3 模式定理
　7.4 改進(jìn)的遺傳算法
　7.5 遺傳算法案例分析與數(shù)學(xué)建模
　參考文獻(xiàn)
第8章 貝葉斯網(wǎng)絡(luò)與知識(shí)推理
　8.1 問題概述
　8.2 貝葉斯網(wǎng)絡(luò)原理概述
　8.3 主要貝葉斯網(wǎng)絡(luò)模型
　8.4 管理勝任力的貝葉斯網(wǎng)絡(luò)知識(shí)推理模型建立
　8.5 clementine輔助貝葉斯網(wǎng)絡(luò)的建立
　8.6 地下燃?xì)夤芫W(wǎng)安全風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)知識(shí)推理與診斷
　8.7 模糊貝葉斯網(wǎng)絡(luò)
　8.8 電子商務(wù)發(fā)展水平的模糊貝葉斯網(wǎng)絡(luò)知識(shí)推理模型
　8.9 數(shù)據(jù)挖掘軟件weka輔助無約束貝葉斯網(wǎng)絡(luò)的建立
　參考文獻(xiàn)
展開全部

數(shù)據(jù)挖掘與數(shù)學(xué)建模 節(jié)選

《數(shù)據(jù)挖掘與教學(xué)建！芬試H數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程（GRISP-DM）為依據(jù)，以企業(yè)管理面臨的現(xiàn)實(shí)問題為應(yīng)用案例，由淺入深介紹數(shù)據(jù)挖掘方法及其解決問題過程的數(shù)據(jù)理解、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)學(xué)建模、模型結(jié)果評(píng)估等內(nèi)容，并引人應(yīng)用廣泛的數(shù)據(jù)挖掘Clementine軟件輔助問題案例的解決，使讀者不僅可以集中地學(xué)習(xí)數(shù)據(jù)挖據(jù)的主要理論方法，而且可以了解基于數(shù)據(jù)挖掘的數(shù)學(xué)建模過程，可以學(xué)習(xí)應(yīng)用軟件輔助解決問題的操作方法！稊(shù)據(jù)挖掘與教學(xué)建！钒牙碚摗咐、建模、軟件輔助結(jié)合一體統(tǒng)一敘述，簡述理論，突出應(yīng)用，詳細(xì)分析，展示過程，既考慮高校學(xué)生的學(xué)習(xí)需要，分本科生與研究生學(xué)習(xí)層次，又考慮企業(yè)管理者的應(yīng)用與實(shí)踐需要！稊(shù)據(jù)挖掘與教學(xué)建模》可作為數(shù)據(jù)挖掘理論與技術(shù)的教學(xué)、實(shí)踐、應(yīng)用和提高的教科書或參考書。適合高等學(xué)校本科高年級(jí)學(xué)生、研究生以及學(xué)習(xí)數(shù)據(jù)挖掘、數(shù)學(xué)模型課程的學(xué)生使用，也適合相關(guān)的企業(yè)管理與決策支持技術(shù)人員使用。

數(shù)據(jù)挖掘與數(shù)學(xué)建模 相關(guān)資料

插圖：如果檢驗(yàn)結(jié)果達(dá)到期望的目標(biāo)，表示模型建立完畢，如果檢驗(yàn)發(fā)現(xiàn)有較大的偏差，即模型計(jì)算的目標(biāo)值與實(shí)際樣本目標(biāo)值不一致，表示模型的結(jié)果不符合實(shí)際需要，此時(shí)要返回?cái)?shù)據(jù)處理環(huán)節(jié)，檢查提取樣本特征和定義樣本取值的合理性，當(dāng)學(xué)習(xí)樣本不足以代表檢驗(yàn)樣本信息或擬合模型偏離時(shí)，可能導(dǎo)致建立模型的失效性。5）結(jié)果評(píng)估建立的模型通過模型檢驗(yàn)后，要對(duì)模型結(jié)果反映的數(shù)據(jù)關(guān)系的變化規(guī)律進(jìn)行科學(xué)分析與評(píng)估，使與實(shí)際應(yīng)用問題的物理意義與現(xiàn)實(shí)機(jī)理反映的特征規(guī)律相一致，如果模型結(jié)果反映的變化規(guī)律與實(shí)際的不一致，表示盡管學(xué)習(xí)樣本、檢驗(yàn)樣本與模型結(jié)果一致，但反映的變化規(guī)律仍與問題研究的目標(biāo)有差異，此時(shí)應(yīng)返回?cái)?shù)據(jù)理解環(huán)節(jié)，分析可能存在但忽略的影響因素變量，通過補(bǔ)充，重新定義新的樣本與模型結(jié)構(gòu)，通過再學(xué)習(xí)使模型結(jié)果與實(shí)際問題的變化規(guī)律和物理意義相一致。6）結(jié)果應(yīng)用當(dāng)建立的數(shù)學(xué)模型不僅通過指定樣本檢驗(yàn)，而且通過應(yīng)用問題的結(jié)果評(píng)估時(shí)，模型可以應(yīng)用于問題領(lǐng)域，一般分為試應(yīng)用和完善應(yīng)用兩個(gè)階段。由于基于數(shù)據(jù)挖掘的數(shù)學(xué)建模，是從數(shù)據(jù)切入，數(shù)據(jù)獲取的部分性和定義樣本的非全局代表性，可能使模型結(jié)果的應(yīng)用也帶有局部而非全局的特征，需要不斷地?cái)U(kuò)大數(shù)據(jù)收集范圍，擴(kuò)大模型吸取學(xué)習(xí)樣本的特征信息，才能擴(kuò)展模型應(yīng)用的全局性質(zhì)，因此，試應(yīng)用是不斷補(bǔ)充樣本特征信息使模型自適應(yīng)學(xué)習(xí)修正模型參數(shù)的過程；完善應(yīng)用是不斷比較模型結(jié)果與專家經(jīng)驗(yàn)，使模型結(jié)果與實(shí)際的期望結(jié)果更接近的完善過程。1.4 數(shù)據(jù)挖掘軟件Clemerttine的基本操作概述目前，各領(lǐng)域應(yīng)用的數(shù)據(jù)挖掘軟件輔助決策有許多，較常用的一個(gè)軟件是由SPSS生產(chǎn)商推出的數(shù)據(jù)挖掘軟件Clementine。該軟件按照國際定義的數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程設(shè)計(jì)，包含了基本的數(shù)據(jù)挖掘方法，具有較強(qiáng)的數(shù)據(jù)與模型集成功能，使用方便直觀，是一種較好的數(shù)據(jù)挖掘教學(xué)與應(yīng)用分析工具。1.4.1 Clementine數(shù)據(jù)挖掘的基本思想Clementine提供了大量的人工智能、統(tǒng)計(jì)分析的模型（神經(jīng)網(wǎng)絡(luò)，關(guān)聯(lián)分析，聚類分析、因子分析等），并用基于圖形化的界面為認(rèn)識(shí)、了解、熟悉這個(gè)軟件提供了方便。除了這些，Clementine還擁有優(yōu)良的數(shù)據(jù)挖掘設(shè)計(jì)思想，正是因?yàn)橛辛诉@個(gè)思想，每一步的工作也變得很清晰，如圖1.1 所示。如圖1.1 所示，CRISP-DM Model包含了6個(gè)步驟，并用箭頭指示了步驟間的執(zhí)

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
編輯推薦
返回頂部
中圖網(wǎng)
在線客服