图书介绍
数据挖掘方法与模型PDF|Epub|txt|kindle电子书版本网盘下载
- （美）拉罗斯著；刘燕权等译 著
- 出版社： 北京：高等教育出版社
- ISBN：9787040309683
- 出版时间：2011
- 标注页数：287页
- 文件大小：53MB
- 文件页数：304页
- 主题词：数据采集－数学模型－研究
PDF下载
下载说明
数据挖掘方法与模型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章降维方法1
1.1数据挖掘中降低维度的必要性1
1.2主成分分析法2
1.2.1主成分分析应用于房屋数据集4
1.2.2应提取多少个主成分9
1.3因子分析法16
1.3.1因子分析法在成年人数据集中的应用16
1.3.2因子旋转19
1.4用户自定义合成21
总结23
参考文献25
练习题26
第2章回归模型30
2.1简单线性回归实例30
2.2最小二乘法估计33
2.3决定系数36
2.4估计值的标准误差40
2.5相关系数41
2.6方差分析表43
2.7异常点、高杠杆点和强影响观测值44
2.8回归模型50
2.9回归推断52
2.9.1x和y之间线性关系的t检验53
2.9.2回归直线斜率的置信区间54
2.9.3给定x条件下，y均值的置信区间55
2.9.4给定x条件下，y随机选择值的预测区间55
2.10回归假设检验58
2.11实例：棒球数据集62
2.12实例：加利福尼亚州数据集68
2.13线性变换实现72
总结77
参考文献79
练习题79
第3章多元回归和建模85
3.1多元回归实例85
3.2多元回归模型90
3.3多元回归推断91
3.3.1y和xi之间关系的t检验91
3.3.2营养级别和糖之间关系的t检验92
3.3.3营养级别和纤维之间关系的t检验92
3.3.4整体回归模型的显著性水平检验：F检验93
3.3.5营养级别（糖和纤维）的综合因素的F检验94
3.3.6特定回归系数的置信区间95
3.3.7给定x1，x2，…，xm下，y均值的置信区间95
3.3.8给定x1，x2，…，xm下，y随机选择值的预测区间95
3.4含有分类预测变量的回归96
3.4.1调整R2：对包含无用预测变量的惩罚模式103
3.4.2序贯的误差平方和104
3.5多重共线性106
3.6变量选择方法112
3.6.1偏F检验113
3.6.2向前选择程序114
3.6.3向后排除程序114
3.6.4逐步选择程序115
3.6.5最优子集程序115
3.6.6所有可能的子集选择程序115
3.7变量选择方法的应用116
3.7.1向前选择程序应用于谷物数据集116
3.7.2向后排除程序应用于谷物数据集118
3.7.3逐步选择程序应用于谷物数据集120
3.7.4最优子集程序应用于谷物数据集120
3.8Mallows’Cp统计量121
3.9变量选择标准123
3.10用主成分作为预测变量131
总结136
参考文献137
练习题137
第4章逻辑回归143
4.1逻辑回归的简单实例143
4.2最大似然估计146
4.3解读逻辑回归模型的输出146
4.4推论：预测变量都显著吗147
4.5解读逻辑回归模型149
4.5.1解读一个两分预测变量的模型150
4.5.2解读一个多分预测变量的模型153
4.5.3解读一个连续预测变量的模型157
4.6线性假设161
4.7空值问题164
4.8多元逻辑回归166
4.9引入高阶项处理非线性问题170
4.10验证逻辑回归模型176
4.11WEKA：运用逻辑回归进行实际应用分析180
总结184
参考文献186
练习题186
第5章朴素贝叶斯估计和贝叶斯网络191
5.1贝叶斯方法191
5.2最大后验概率分类193
5.2.1后验让步比197
5.2.2平衡数据198
5.3朴素贝叶斯分类201
5.4WEKA：运用朴素贝叶斯进行实际应用分析208
5.5贝叶斯信念网络212
5.5.1购买服装实例212
5.5.2使用贝叶斯网络寻找概率214
5.6WEKA：运用贝叶斯网络分类器进行实际应用分析216
总结218
参考文献220
练习题220
第6章遗传算法223
6.1遗传算法简介223
6.2遗传算法的基本框架224
6.3遗传算法运用简单实例225
6.3.1第一次循环225
6.3.2第二次循环227
6.4修改和改进：选择227
6.5修改和改进：交叉228
6.6实值变量的遗传算法230
6.7使用遗传算法训练神经网络231
6.8WEKA：使用遗传算法进行实际操作分析235
总结242
参考文献243
练习题244
第7章案例研究：直邮营销的回应建模问题246
7.1跨行业的数据挖掘标准流程246
7.2业务理解阶段248
7.2.1直邮营销回应问题248
7.2.2建立成本/收益表248
7.3数据理解和数据准备阶段250
7.3.1服装店数据集250
7.3.2变换以实现数据的正态性或对称性252
7.3.3标准化和标志变量254
7.3.4衍生新的变量255
7.3.5探索预测变量和回应变量之间的关系256
7.3.6对预测变量之间关联结构的考察262
7.4建模和评估阶段264
7.4.1主成分分析266
7.4.2聚类分析：BIRCH聚类算法268
7.4.3平衡训练数据集271
7.4.4建立基线模型性能272
7.4.5模型集A：使用主成分273
7.4.6失衡作为错误分类成本的替代275
7.4.7组合模型：投票277
7.4.8模型集B：非主成分分析模型279
7.4.9利用均值回应概率组合模型281
总结284
参考文献287