数据挖掘算法与Clementine实践2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据挖掘算法与Clementine实践PDF格式电子书版下载

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

第1章 数据挖掘概述1

1.1数据挖掘简介1

1.1.1数据、信息和知识1

1.1.2数据挖掘的定义2

1.2数据挖掘过程2

1.3数据挖掘方法5

1.4数据挖掘工具及软件7

第2章 Clementine概述10

2.1 Clementine简介10

2.2 Clementine基本操作11

2.2.1 Clementine主窗口11

2.2.2 数据流的基本操作13

第3章 决策树15

3.1分类与决策树概述15

3.1.1分类与预测15

3.1.2决策树的基本原理15

3.2 ID3、C4.5与C5.018

3.2.1 ID318

3.2.2 C4.523

3.2.3 C5.026

3.2.4在Clementine中应用C5.027

3.3 CART40

3.3.1生成最大树40

3.3.2树的修剪43

3.3.3子树评估45

3.3.4在Clementine中应用CART46

第4章 聚类分析54

4.1聚类分析概述54

4.1.1聚类分析的概念54

4.1.2聚类分析的基本方法55

4.2 K-Means算法57

4.2.1数据预处理57

4.2.2K-Means算法流程59

4.2.3在Clementine中应用K-Means60

4.3 TwoStep算法68

4.3.1构建CF树68

4.3.2聚类70

4.3.3在Clementine中应用TwoStep72

第5章 关联规则75

5.1 关联规则概述75

5.1.1关联规则的定义75

5.1.2关联规则的基本概念76

5.1.3关联规则挖掘算法77

5.2 Apriori算法78

5.2.1 Apriori算法原理78

5.2.2在Clementine中应用Apriori算法83

5.3 CARMA算法90

5.3.1 CARMA算法原理90

5.3.2在Clementine中应用CARMA算法95

5.4序列模式105

5.4.1序列与序列模式105

5.4.2序列模式挖掘算法106

5.4.3在Clementine中应用序列模式挖掘110

第6章 数据筛选116

6.1特征选择116

6.1.1特征选择算法概述116

6.1.2筛选117

6.1.3分级118

6.1.4选择128

6.1.5在Clementine中应用特征选择129

6.2异常检测133

6.2.1异常数据挖掘概述133

6.2.2异常检测算法136

6.2.3在Clementine中应用异常检测141

第7章 统计模型149

7.1线性回归149

7.1.1线性回归的基本原理149

7.1.2在Clementine中应用线性回归154

7.2二项Logistic回归162

7.2.1二项Logistic回归的基本原理162

7.2.2在Clementine中应用Logistic回归167

第8章 神经网络175

8.1神经网络原理175

8.1.1神经网络基本概念175

8.1.2神经网络及其学习177

8.2多层感知器与RBF网络179

8.2.1多层感知器179

8.2.2径向基函数网络184

8.2.3在Clementine中应用神经网络187

8.3 Kohonen网络195

8.3.1自组织神经网络195

8.3.2自组织特征映射网络196

8.3.3在Clementine中应用Kohonen网络200

第9章 时间序列分析与预测205

9.1时间序列概述205

9.1.1时间序列基本概念205

9.1.2时间序列预测的传统方法206

9.2指数平滑法208

9.2.1指数平滑法概述208

9.2.2指数平滑模型208

9.3 ARIMA模型213

9.3.1 ARMA模型214

9.3.2差分运算与ARIMA模型219

9.3.3 ARIMA建模过程221

9.3.4在Clementine中应用时间序列分析225

参考文献236