图书介绍
数据挖掘与应用 以SAS和R为工具 第2版PDF|Epub|txt|kindle电子书版本网盘下载
- 张俊妮著 著
- 出版社：
- ISBN：
- 出版时间：2018
- 标注页数：0页
- 文件大小：30MB
- 文件页数：358页
- 主题词：
PDF下载
下载说明
数据挖掘与应用 以SAS和R为工具 第2版PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 数据挖掘概述1
1.1 什么是数据挖掘2
1.2 统计思想在数据挖掘中的重要性2
1.3 数据挖掘的应用案例7
1.4 CRISP-DM数据挖掘方法论14
1.5 SEMMA数据挖掘方法论15
第2章 数据理解和数据准备17
2.1 数据理解19
2.2 数据准备22
2.3 数据理解和数据准备示例：FNBA信用卡数据35
第3章 缺失数据51
3.1 缺失数据模式和缺失数据机制52
3.2 缺失数据机制对数据分析的影响53
3.3 缺失值插补62
3.4 缺失数据插补及分析示例：纽约空气质量64
第4章 关联规则挖掘73
4.1 关联规则的实际意义74
4.2 关联规则的基本概念及Apriori算法74
4.3 序列关联规则80
4.4 关联规则挖掘示例81
4.5 关联规则挖掘的其他讨论85
第5章 多元统计中的降维方法88
5.1 主成分分析89
5.2 探索性因子分析97
5.3 多维标度分析104
第6章 聚类分析111
6.1 距离与相似度的度量113
6.2 κ均值聚类算法117
6.3 层次聚类法122
第7章 预测性建模的一些基本方法130
7.1 判别分析131
7.2 朴素贝叶斯分类算法134
7.3 κ近邻法137
7.4 线性回归141
7.5 广义线性模型149
第8章 回归模型中的规则化和变量选择168
8.1 线性回归中的规则化和变量选择169
8.2 广义线性模型中的规则化和变量选择181
第9章 神经网络的基本方法184
9.1 神经网络架构及基本组成185
9.2 误差函数190
9.3 神经网络训练算法193
9.4 提高神经网络模型的可推广性198
9.5 数据预处理200
9.6 神经网络建模示例201
9.7 自组织图222
第10章 卷积神经网络230
10.1 深度神经网络231
10.2 卷积神经网络架构232
10.3 卷积神经网络示例：Fashion-MNIST数据239
第11章 决策树245
11.1 决策树简介246
11.2 决策树的生长与修剪248
11.3 对缺失数据的处理255
11.4 变量选择256
11.5 决策树的优缺点257
第12章 支持向量机274
12.1 支持向量机用于二分类问题275
12.2 支持向量机用于多分类问题284
12.3 支持向量机用于回归问题285
第13章 模型评估290
13.1 因变量为二分变量的情形291
13.2 因变量为多分变量的情形301
13.3 因变量为连续变量的情形303
13.4 模型评估示例：德国信用数据的模型评估304
第14章 模型组合与两阶段模型312
14.1 模型组合313
14.2 随机森林321
14.3 两阶段模型324
第15章 协同过滤326
15.1 基于用户（User-based）的协同过滤327
15.2 基于物品（Item-based）的协同过滤328
15.3 基于SVD的协同过滤328
15.4 基于Funk SVD的协同过滤329
15.5 协同过滤示例：动漫片推荐331
参考文献337