圖書信息
叢書名： 計算機科學叢書
作 者： （紐西蘭）威滕（Witten,I.H.），（紐西蘭）弗蘭克（Frank,E.） 著，董琳 等譯
出 版 社： 機械工業出版社
出版時間： 2006-7-1
版 次： 1
頁 數： 362
紙 張： 膠版紙
I S B N ： 9787111182054
包 裝： 平裝
分類： 圖書 >> 計算機/網路 >> 資料庫 >>數據倉庫與數據挖掘
定價：￥48.00
內容簡介
本書介紹數據挖掘的基本理論與實踐方法。主要內容包括：各種模型(決策樹，關聯規則、線性模型、聚類、貝葉斯網以及神經網路)以及在實踐中的運用，所存任缺陷的分析。安全地清理數據集、建立以及評估模型的預測質量的方法，並且提供了一個公開的數據挖掘工作平台WEKA。Weka系統擁有進行數據挖掘仟務的圖形用戶界面，有助於理解模型，是一個實用並且深受歡迎的工具。
本書邏輯嚴密、內容翔實、極富實踐性，適合作為高等學校本科生或研究生的教材，也可供相關技術人員參考。
作者簡介
Ian H.Witten，紐西蘭懷卡托大學計算機科學系教授，ACM和紐西蘭皇（IFIP）頒發的Namur獎項。他的著作包括《Managing Gigabytes:Compressing and Indexing Documents and Images》、《How to Build a Digital Library》以及眾多的期刊和學會文章。
目錄
出版者的話
專家指導委員會
譯者序
中文版前言
序
前言
第一部分 機器學習工具與技術
第1章 緒論
1.l 數據挖掘和機器學習
l.2 簡單的例子：天氣問題和其他
l.3 套用領域-
1.4 機器學習和統計學
1.5 用於搜尋的概括
l.6 數據挖掘和道德
1.7 補允讀物
第2章 輸入概念、實例和屬性
2.1 概念
2.2 樣本
2.3 屬性
2.4 輸入準備
2.5 補充讀物
第3章 輸出：知識表達
3.1 決策表
3.2 決策樹
3.3 分類規則
3.4 關聯規則
3.5 包含例外的規則
3.6 包含關係的規則
3.7 數值預測樹
3.8 基於實例的表達
3.9 聚類
3.10 補充讀物
第4章 算法基本方法
4.1 推斷基本規則
4.2統計建模
4.3分治法：創建決策樹
4.4 覆蓋算法：建立規則
4.5 挖掘關聯規州
4.6 線性模型
4.7 基於實例的學習
4.8 聚類
4.9 補充讀物
第5章 可信度：評估機器學習結果
5.1 訓練和測試
5.2 預測性能
5.3交叉驗證
5.4 其他估計法
5.5 可信度：評估機器學習結果
5.6 預測機率
5.7 計算成本
5.8 評估數值預測
5.9 最短描述長度原理
5.10 聚類方法中套用MDL原理
5.1l 補充讀物
第6章 實現：真正的機器學習方案
……
第7章 轉換：處理輸入和輸出
第8章 繼續擴展和套用
第9章 Weka簡介
第10章 Explorer界面
第1l章 Knowledge Flow界面
第12章 Experimenter界面
第13章 命令行界面
第14章 嵌入式機器學習
第15章 編寫新學習方案
參考文獻
索引
