关注微信

推荐商品

    加载中... 正在为您读取数据...
分享到:
  • 计算机科学丛书:数据挖掘:实用机器学习技术(原书第2版)[平装]
  • 共5个商家     33.60元~40.80
  • 作者:威滕(作者),弗兰克(作者)
  • 出版社:机械工业出版社;第1版(2006年3月1日)
  • 出版时间:
  • 版次 :
  • 印刷时间:
  • 包装:
  • ISBN:9787111182054

  • 商家报价
  • 简介
  • 评价
  • 加载中... 正在为您读取数据...
  • 商品描述

    编辑推荐

    正如所有受到商业注目的新兴技术一样,数据挖掘的运用也是极其多样化的。言过其实的报导声称可以建立算法,在数据的海洋里发现秘密。但事实上机器学习中没有魔术,没有隐藏的力量,没有炼金术。有的只是一些可以将有用的信息从原始数据中提炼出来的清晰明了的实用技术。《数据挖掘实用机器学习技术》(原书第2版)叙述了这些技术并展示了它们是如何工作的。
      《数据挖掘实用机器学习技术》(原书第2版)对1999年的初版做了重大的改动。虽说核心概念没有变化,但《数据挖掘实用机器学习技术》(原书第2版)做了更新,反映出过去五年的变化。《数据挖掘实用机器学习技术》(原书第2版)提供了机器学习理论概念的完整基础,此外还对实际工作中应用的相关工具和技术提了一些建议。


      《数据挖掘实用机器学习技术》(原书第2版)逻辑严密、内容翔实、极富实践性,适合作为高等学校本科生或研究生的教材,也可供相关技术人员参考。

    作者简介

    作者:(新西兰)威滕 弗兰克

    Ian H.Witten,新西兰怀卡托大学计算机科学系教授,ACM和新西兰皇家学会成员,曾荣获2004年国际信息处理研究协会(IFIP)颁发的Namur奖项。他的著作包括《Managing Gigabytes:Compressirlg and Indexing Documents and Images》、《How to Build a Digital Library》以及众多的期刊和学会文章。

    目录

    出版者的话
    专家指导委员会
    译者序
    中文版前言

    前言

    第一部分 机器学习工具与技术
    第1章 绪论
    1.1数据挖掘和机器学习
    1.1.1描述结构模式
    1.1.2机器学习
    1.1.3数据挖掘
    1.2简单的例子:天气问题和其他
    1.2.1天气问题
    1.2.2隐形眼镜:一个理想化的问题
    1.2.3鸢尾花:一个经典的数值型数据集
    1.2.4CPU性能:介绍数值预测
    1.2.5劳资协商:一个更真实的例子
    1.2.6大豆分类:一个经典的机器学习的成功例子
    1.3应用领域
    1.3.1决策包含评判
    1.3.2图像筛选
    1.3.3负载预测
    1.3.4诊断
    1.3.5市场和销售
    1.3.6其他应用
    1.4机器学习和统计学
    1.5用于搜索的概括
    1.5.1枚举概念空间
    1.5.2偏差
    1.6数据挖掘和道德
    1.7补充读物
    第2章 输入:概念、实例和属性
    2.1概念
    2.2样本
    2.3属性
    2.4输入准备
    2.4.1数据收集
    2.4.2 ARFF格式
    2.4.3稀疏数据
    2.4.4属性类型
    2.4.5残缺值
    2.4.6不正确的值
    2.4.7了解数据
    2.5补充读物
    第3章 输出:知识表达
    3.1决策表
    3.2决策树
    3.3分类规则
    3.4关联规则
    3.5包含例外的规则
    3.6包含关系的规则
    3.7数值预测树
    3.8基于实例的表达
    3.9聚类
    3.10补充读物
    第4章 算法:基本方法
    4.1推断基本规则
    4.1.1残缺值和数值属性
    4.1.2讨论
    4.2统计建模
    4.2.1残缺值和数值属性
    4.2.2用于文档分类的贝叶斯模型
    4.2.3讨论
    4.3分治法:创建决策树
    4.3.1计算信息量
    4.3.2高度分支属性
    4.3.3讨论
    ……
    第5章 可信度:评估机器学习结果
    第6章 实现:真正的机器学习方案
    第7章 转换:处理输入和输出
    第8章 继续:扩展和应用
    第二部分 Weka机器学习平台
    第9章 weka简介
    第10章 Explorer界面
    第11章 Knowledge Flow界面
    第12章 Experimenter界面
    第13章 命令行界面
    第14章 嵌入式机器学习
    第15章 编写新学习方案
    参考文献
    索引