世界著名计算机教材精选 数据挖掘十大算法PDF|Epub|txt|kindle电子书版本网盘下载

世界著名计算机教材精选 数据挖掘十大算法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 C4.51

1.1引言2

1.2算法描述3

1.3算法特性6

1.3.1决策树剪枝6

1.3.2连续型属性8

1.3.3缺失值处理8

1.3.4规则集诱导9

1.4软件实现10

1.5示例10

1.5.1 Golf数据集10

1.5.2 Soybean数据集11

1.6高级主题11

1.6.1二级存储12

1.6.2斜决策树12

1.6.3特征选择12

1.6.4集成方法12

1.6.5分类规则13

1.6.6模型重述13

1.7习题14

参考文献15

第2章 k-means18

2.1引言19

2.2算法描述19

2.3可用软件22

2.4示例23

2.5高级主题27

2.6小结28

2.7习题28

参考文献29

第3章 SVM：支持向量机31

3.1支持向量分类器32

3.2支持向量分类器的软间隔优化34

3.3核技巧35

3.4理论基础38

3.5支持向量回归器40

3.6软件实现41

3.7当前和未来的研究41

3.7.1计算效率41

3.7.2核的选择41

3.7.3泛化分析42

3.7.4结构化支持向量机的学习42

3.8习题43

参考文献44

第4章 Apriori47

4.1引言48

4.2算法描述48

4.2.1挖掘频繁模式和关联规则48

4.2.2挖掘序列模式52

4.2.3讨论53

4.3软件实现54

4.4示例55

4.4.1可行示例55

4.4.2性能评估60

4.5高级主题61

4.5.1改进Apriori类型的频繁模式挖掘61

4.5.2无候选的频繁模式挖掘62

4.5.3增量式方法63

4.5.4稠密表示：闭合模式和最大模式63

4.5.5量化的关联规则64

4.5.6其他的重要性/兴趣度度量方法65

4.5.7类别关联规则66

4.5.8使用更丰富的形式：序列、树和图66

4.6小结67

4.7习题67

参考文献68

第5章 EM72

5.1引言73

5.2算法描述74

5.3软件实现74

5.4示例75

5.4.1例5.1：多元正态混合75

5.4.2例5.2：混合因子分析78

5.5高级主题80

5.6习题81

参考文献87

第6章 PageRank90

6.1引言91

6.2算法描述92

6.3一个扩展：Timed-PageRank95

6.4小结96

6.5习题96

参考文献97

第7章 AdaBoost98

7.1引言99

7.2算法描述99

7.2.1符号定义99

7.2.2通用推举过程100

7.2.3 AdaBoost算法101

7.3示例103

7.3.1异或问题求解103

7.3.2真实数据上的性能104

7.4实际应用105

7.5高级主题107

7.5.1理论问题107

7.5.2多类别AdaBoost110

7.5.3其他高级主题111

7.6软件实现111

7.7习题112

参考文献113

第8章 kNN：k-最近邻115

8.1引言116

8.2算法描述116

8.2.1宏观描述116

8.2.2若干议题117

8.2.3软件实现118

8.3示例118

8.4高级主题120

8.5习题121

致谢121

参考文献122

第9章 Naive Bayes124

9.1引言125

9.2算法描述125

9.3独立给力127

9.4模型扩展128

9.5软件实现130

9.6示例130

9.6.1例1130

9.6.2例2132

9.7高级主题133

9.8习题133

参考文献134

第10章 CART：分类和回归树136

10.1前身137

10.2概述138

10.3示例138

10.4算法描述140

10.5分裂准则141

10.6先验概率和类别均衡142

10.7缺失值的处理144

10.8属性的重要度145

10.9动态特征构造146

10.10代价敏感学习147

10.11停止准则、剪枝、树序列和树选择147

10.12概率树149

10.13理论基础150

10.14 CART之后的相关研究150

10.15可用软件151

10.16习题152

参考文献153