數據挖掘概念與技術

數據挖掘概念與技術 pdf epub mobi txt 電子書 下載2025

Jiawei Han(韓傢煒),是伊利諾伊大學厄巴納-尚佩恩分校計算機科學係的Bliss教授。他因知識發現和數據挖掘研究方麵的貢獻而獲得許多奬勵,包括ACM SIGKDD創新奬(2004)、IEEE計算機學會技術成就奬(2005)和IEEE W.Wallace McDowell奬(2009)。他是ACM和IEEE會士。他還擔任《ACM Transactions on Knowledge Discovery from Data》的執行主編(2006—2011)和許多雜誌的編委,包括《IEEE Transactions on Knowledge and Data Engineering》和《Data Mining Knowledge Discovery》。

擁有加拿大康考迪亞大學計算機科學碩士學位,現在加拿大西濛弗雷澤大學從事博士後研究工作。

出版者:機械工業
作者:(加)Jiawei Han;Micheline Kamber
出品人:
頁數:488
译者:範明
出版時間:2007-3
價格:55.00元
裝幀:平裝
isbn號碼:9787111205388
叢書系列:計算機科學叢書
圖書標籤:
  • 數據挖掘 
  • Data-Mining 
  • 計算機 
  • 數據分析 
  • 數據倉庫 
  • 算法 
  • 計算機科學 
  • 統計學 
  •  
想要找書就要到 圖書目錄大全
立刻按 ctrl+D收藏本頁
你會得到大驚喜!!

《數據挖掘概念與技術(原書第2版)》全麵地講述數據挖掘領域的重要知識和技術創新。在第1版內容相當全麵的基礎上,第2版展示瞭該領域的最新研究成果,例如挖掘流、時序和序列數據以及挖掘時間空間、多媒體、文本和Web數據。本書可作為數據挖掘和知識發現領域的教師、研究人員和開發人員的一本必讀書。 《數據挖掘概念與技術(原書第2版)》第1版曾是受讀者歡迎的數據挖掘專著,是一本可讀性極佳的教材。第2版充實瞭數據挖掘領域研究新進展的題材,增加瞭講述最新的數據挖掘方法的若乾章節。本書適閤作為高等院校計算機及相關專業高年級本科生的選修課教材,特彆適閤作為研究生的專業課教材。

海報:

具體描述

讀後感

評分

简单来说几句吧。 很高兴看到这本书的作者之一Jiawei Han是中国人,先自豪一下。这本书最大的特点就是概念性强(相对于http://book.douban.com/subject/1820179/,《数据挖掘中的实用机器学习工具及技术》),从数据仓库到关联规则,从聚类到神经网络,最后几个章节还有数据挖...  

評分

評分

简单来说几句吧。 很高兴看到这本书的作者之一Jiawei Han是中国人,先自豪一下。这本书最大的特点就是概念性强(相对于http://book.douban.com/subject/1820179/,《数据挖掘中的实用机器学习工具及技术》),从数据仓库到关联规则,从聚类到神经网络,最后几个章节还有数据挖...  

評分

对于刚入门数据挖掘的人来说,这书绝对会让你感觉自己是个折翼的天使。,因为一开始就各种各样的理论扑面而来,而对于那些经典的算法却只是做一个感性的介绍,并没有那种流程图式的清晰解说。总之就是,不易上手。 但是在这种不面善的情况,为什么该书却被国内外...  

評分

这是一本从数据库角度阐述数据挖掘的书,主要关注从商业数据库的大量事务数据中寻找有用信息的各种方法。数据库和大数据是贯穿全书的核心。 全书大致可以分成两部分。前一部分重点是数据仓库的构建以及在此过程中的数据整合与化简,对于数据库的设计与数据整理很有启发...  

用戶評價

评分

這個世界上有兩個操蛋的天纔 第一個把default翻譯成瞭缺省 第二個把robust翻譯成瞭魯棒性 我隻想說 真的很操蛋 小波和傅裏葉原理不必懂 反正就是壓縮數據的一種手段 理論多瞭點 但總要給個例子讓模仿下吧 就像是遊泳教材一樣的 反正看完瞭也不大會 哦 我的萬能的主 我真心不該拋棄你的 求您大人不記小人過 拯救下我吧

评分

曾一度做這行,想一直做下去。留著做見證吧。

评分

翻譯奇爛,氣死人

评分

7.3 主要聚類方法的分類  7.4 劃分方法   7.4.1 典型的劃分方法:k均值和k中心點   7.4.2 大型數據庫的劃分方法:從k中心點到CLARANS  7.5 層次方法   7.5.1 凝聚和分裂層次聚類   7.5.2 BIRCH:利用層次方法的平衡迭代歸約和聚類   7.5.3 ROCK:分類屬性的層次聚類算法   7.5.4 Chameleon:利用動態建模的層次聚類算法  7.6 基於密度的方法   7.6.1 DBSCAN:一種基於高密度連通區域的基於密度的聚類方法   7.6.2 OPTICS:通過點排序識彆聚類結構   7.6.3 DENCLUE:基於密度分布函數的聚類  7.7 基於網格的方法   7.7.1 STING:統計信息網格   7.7.2 Wave

评分

當初囫圇吞棗咯。不過DM以及ML完全可以當工具來用。

本站所有內容均為互聯網搜索引擎提供的公開搜索信息,本站不存儲任何數據與內容,任何內容與數據均與本站無關,如有需要請聯繫相關搜索引擎包括但不限於百度google,bing,sogou

© 2025 qciss.net All Rights Reserved. 小哈圖書下載中心 版权所有