数据挖掘基础PDF|Epub|txt|kindle电子书版本网盘下载

数据挖掘基础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 数据挖掘概念1

1.1 数据挖掘概述1

1.1.1 什么是数据挖掘2

1.1.2 数据挖掘常用算法概述2

1.1.3 数据挖掘常用工具概述4

1.2 数据探索5

1.2.1 数据概述5

1.2.2 数据质量7

1.2.3 数据预处理10

1.3 数据挖掘的应用11

1.3.1 数据挖掘现状及发展趋势11

1.3.2 数据挖掘需要解决的问题12

1.3.3 数据挖掘的应用场景14

1.4 作业与练习18

参考文献18

第2章 分类19

2.1 分类概述19

2.1.1 分类的基本概念19

2.1.2 解决分类问题的一般方法20

2.1.3 决策树21

案例：Web机器人检测23

2.1.4 模型的过分拟合24

2.2 贝叶斯决策与分类器25

2.2.1 规则分类器25

2.2.2 分类中贝叶斯定理的应用26

2.2.3 分类中朴素贝叶斯的应用27

2.3 支持向量机28

2.3.1 最大边缘超平面29

2.3.2 线性支持向量机SVM30

2.3.3 非线性支持向量机SVM33

2.4 分类在实际场景中的应用案例36

案例一：如何解决文章主题关键字与搜索引擎关键字带来的检索结果差异36

案例二：甄别新金融交易方式的欺诈行为36

案例三：在线广告推荐中的分类37

2.5 作业与练习40

参考文献41

第3章 聚类42

3.1 聚类概述42

3.1.1 聚类的基本概念42

3.1.2 聚类算法45

3.2 聚合分析方法48

3.2.1 欧氏距离48

3.2.2 聚合过程49

3.2.3 聚类树51

3.2.4 聚合分析方法应用例子52

3.3 聚类在实际场景中的应用案例53

3.4 聚类的实现例子54

3.5 作业与练习61

参考文献61

第4章 关联规则63

4.1 关联规则概述63

4.1.1 经典案例导入63

4.1.2 关联规则的基本概念和定义64

4.1.3 关联规则的分类67

4.2 关联规则的挖掘过程68

4.2.1 知识回顾68

4.2.2 频繁项集产生69

4.2.3 强关联规则71

4.2.4 关联规则评价标准71

4.3 关联规则的Apriori算法73

4.3.1 知识回顾73

4.3.2 Apriori算法的核心思想74

4.3.3 Apriori算法描述74

4.3.4 Apriori算法评价76

4.3.5 Apriori算法改进77

4.4 关联规则的FP-growth算法78

4.4.1 构建FP树79

4.4.2 从FP树中挖掘频繁项集82

4.5 实战：关联规则挖掘实例83

4.5.1 关联规则挖掘技术在国内外的应用现状83

4.5.2 关联规则应用实例83

4.5.3 关联规则在大型超市中应用的步骤86

4.6 作业与练习88

参考文献88

第5章 综合实战——日志的挖掘与应用90

5.1 日志概念90

5.1.1 日志是什么91

5.1.2 日志能做什么91

5.2 日志处理93

5.2.1 产生日志93

5.2.2 传输日志93

5.2.3 存储日志96

5.2.4 分析日志100

5.2.5 日志规范与标准111

5.3 日志分析原理及工具113

5.3.1 日志分析原理114

5.3.2 日志分析工具120

5.3.3 日志分析系统规划建设123

5.4 日志挖掘应用127

5.4.1 安全运维127

5.4.2 系统健康分析128

5.4.3 用户行为分析129

5.4.4 业务分析设计130

5.5 日志分析挖掘实例131

5.6 作业与练习133

参考文献133

第6章 数据挖掘应用案例134

6.1 电力行业采用聚类方法进行主变油温分析134

6.1.1 需求背景及采用的大数据分析方法134

6.1.2 大数据分析方法的实现过程135

6.1.3 大数据分析方法的实现结果137

6.2 银行信贷评价138

62.1 简介138

6.2.2 神经网络模型138

6.2.3 实证检验139

6.3 指数预测140

6.3.1 金融时间序列概况140

6.3.2 小波消噪141

6.3.3 向量机142

6.3.4 指数预测143

6.4 客户分群的精准智能营销143

6.4.1 挖掘目标143

6.4.2 分析方法和过程144

6.4.3 建模仿真148

6.5 使用WEKA进行房屋定价150

6.6 作业与练习154

参考文献155