标签
内容简介
编辑推荐
从专业角度看，本书的优势在于其清晰的逻辑框架和适中的理论深度。它没有陷入繁琐的数学推导，而是侧重于方法的原理阐述与实际意义解读，这使读者能够快速建立起对数据挖掘领域的整体认知。书中的案例选择贴近现实，有助于读者理解技术如何解决商业与科学问题。
然而，本书的局限性在于对前沿进展（如深度学习在数据挖掘中的应用）涉及较少，更适合作为入门阶段的体系化读物。其价值在于为读者打下坚实基础，培养数据思维，而非提供尖端技术手册。整体而言，这是一本可靠的教学参考书，尤其适合需要系统入门或教授相关课程的读者。
适合谁读
适合
- 计算机或数据科学相关专业的本科低年级学生
- 希望系统了解数据挖掘基础概念与方法的技术爱好者
- 从事业务分析工作、需理解数据挖掘逻辑的非技术背景人员
- 讲授相关课程、需要一本结构清晰教材的高校教师
不适合
- 寻求高级算法实现细节或最新研究动态的资深研究人员
- 希望快速掌握编程实战技巧、急需代码范例的纯实践开发者
阅读建议
- 建议按章节顺序阅读，重点理解各方法的核心思想与适用场景
- 可结合书中提供的简单数据集或公开标准数据集进行初步实践
- 遇到算法描述时，可尝试用自己熟悉的业务场景重新解读其应用价值
出版社简介
电子工业出版社是一家以电子信息及相关领域为出版特色的综合性出版社。从库内三千余种图书来看，其出版方向覆盖编程设计、人工智能、计算机综合、财经、摄影与社科等门类，既关注技术前沿，也兼顾大众阅读。代表图书包括《因子投资：方法与实践》《x86汇编语言：从实模式到保护模式》《RISC-V开放架构设计之道》《人工智能：语音识别理解与实践》《相控阵雷达技术》《雷达目标特性》及《100个Go语言典型错误》等，多围绕技术方法与工程实践展开。作者资源方面，有石川、李忠、王晓波、大卫·帕特森、安德鲁·沃特曼、余子濠等中外作者。受公开资料所限，暂不展开更多出版特色。
目录
- 版权信息
- 内容简介
- 编写组
- 总序
- 前言
- 第1章 绪论
- 1.1 数据挖掘概述
- 1.2 数据挖掘起源及发展历史
- 1.3 数据挖掘常用工具
- 1.4 数据挖掘应用场景
- 习题
- 参考文献
- 第2章 数据预处理与相似性
- 2.1 数据类型
- 2.2 数据预处理
- 2.3 数据的相似性
- 习题
- 参考文献
- 第3章 分类
- 3.1 分类的基本概念、分类过程及分类器性能的评估
- 3.2 决策树
- 3.3 贝叶斯分类
- 3.4 支持向量机
- 3.5 实战：决策树算法在Weka中的实现
- 习题
- 参考文献
- 第4章 回归
- 4.1 回归概述
- 4.2 一元回归分析
- 4.3 多元线性回归分析
- 4.4 逻辑回归分析
- 4.5 其他回归分析
- 4.6 实战：用回归分析方法给自己的房子定价
- 习题
- 参考文献
- 第5章 聚类
- 5.1 聚类概述
- 5.2 划分方法
- 5.3 层次方法
- 5.4 基于密度的方法
- 5.5 实战：聚类分析
- 习题
- 参考文献
- 第6章 关联规则
- 6.1 概述
- 6.2 Apriori算法：通过限制候选项集产生发现频繁项集
- 6.3 FP-growth算法
- 6.4 其他关联规则算法
- 6.5 实战：个人信用关联规则挖掘
- 习题
- 参考文献
- 第7章 常用大数据挖掘算法优化改进
- 7.1 分类算法
- 7.2 聚类算法
- 7.3 关联规则
- 习题
- 参考文献
- 第8章 推荐系统
- 8.1 推荐系统概述
- 8.2 基于内容的推荐
- 8.3 协同过滤
- 8.4 其他推荐技术
- 8.5 实战：基于协同过滤算法推荐电影
- 习题
- 参考文献
- 第9章 互联网数据挖掘
- 9.1 链接分析与网页排序
- 9.2 互联网信息抽取
- 9.3 日志挖掘与查询分析
- 习题
- 参考文献
- 附录A 数据挖掘工具Weka
- A.1 Weka简介
- A.2 Explorer界面
- A.3 Knowledge Flow界面
- A.4 Experimenter界面
- 习题
- 参考文献
- 附录B Spark 机器学习库MLlib
- B.1 Spark简介
- B.2 Spark RDD
- B.3 Spark MLlib简介
- B.4 Spark MLlib数据类型
- B.5 Spark MLlib算法库
- 习题
- 参考文献
- 附录C 大数据和人工智能实验环境
常见问题
这本书需要很强的数学基础吗？
书中包含编程代码或软件操作指导吗？
这本书与同类入门教材相比有什么特点？
读者评论
查询本书
本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。
作者简介
王朝霞的公开资料有限，现有信息主要来自其署名的六种作品。从这些作品看，她的写作与编写横跨两个方向：一是计算机与数据领域，包括《数据挖掘》及其第2版，内容偏重方法与技术，服务于相关课程与考试；二是音乐教育与美育，涉及学校音乐教育的导论与教材教法、高校音乐教师教育与基础音乐教育的对接，以及音乐教师职业素养。其中农村音乐支教与美育浸润的主题，反映出她对高师音乐教育与乡村实践结合的持续关注。总体而言，她的作品兼具教材的规范性与实践取向，适合教学与参考阅读。
