內容簡介
《數據挖掘算法與Clementine實踐》主要介紹了幾種最成熟的數據挖掘方法，並針對每種方法，介紹了套用最廣泛的幾種實現算法。書中以Clementine 12．0為平台，用實例介紹了每種算法的具體套用。全書各章分別介紹了數據挖掘和Clementine軟體、決策樹分類方法(包括ID3、C4．5、C5．0、CART等算法)、聚類分析方法(包括K-Means算法和TwoStep算法)、關聯規則挖掘方法(包括APRIORI算法、CARMA算法和序列模式挖掘算法)、數據篩選算法(包括特徵選擇算法和異常檢測算法)、回歸分析方法(包括線性回歸算法和二項Logistic回歸)、神經網路構建方法(包括多層感知器網路、RBF網路以及Kohonen網路的構建算法)、時間序列分析方法(包括指數平滑法和ARIMA模型構建方法)。
目錄
《數據挖掘算法與clementine實踐》
第1章 數據挖掘概述
1.1 數據挖掘簡介
1.1.1 數據、信息和知識
1.1.2 數據挖掘的定義
1.2 數據挖掘過程
1.3 數據挖掘方法
1.4 數據挖掘工具及軟體
第2章 clementine概述
2.1 clementine簡介
2.2 clementine基本操作
2.2.1 clementine主視窗
2.2.2 數據流的基本操作
第3章 決策樹
3.1 分類與決策樹概述
3.1.1 分類與預測
3.1.2 決策樹的基本原理
3.2 id3、c4.5與c5.0
3.2.1 id3
3.2.2 c4.5
.3.2.3 c5.0
3.2.4 在clementine中套用c5.0
3.3 cart
3.3.1 生成最大樹
3.3.2 樹的修剪
3.3.3 子樹評估
3.3.4 在clementine中套用cart
第4章 聚類分析
4.1 聚類分析概述
4.1.1 聚類分析的概念
4.1.2 聚類分析的基本方法
4.2 k-means算法
4.2.1 數據預處理
4.2.2 k-means算法流程
4.2.3 在clementine中套用k-means
4.3 twostep算法
4.3.1 構建cf樹
4.3.2 聚類
4.3.3 在clementine中套用twostep
第5章 關聯規則
5.1 關聯規則概述
5.1.1 關聯規則的定義
5.1.2 關聯規則的基本概念
5.1.3 關聯規則挖掘算法
5.2 apriori算法
5.2.1 apriori算法原理
5.2.2 在clementine中套用apriori算法
5.3 carma算法
5.3.1 carma算法原理
5.3.2 在clementine中套用carma算法
5.4 序列模式
5.4.1 序列與序列模式
5.4.2 序列模式挖掘算法
5.4.3 在clementine中套用序列模式挖掘
第6章 數據篩選
6.1 特徵選擇
6.1.1 特徵選擇算法概述
6.1.2 篩選
6.1.3 分級
6.1.4 選擇
6.1.5 在clementine中套用特徵選擇
6.2 異常檢測
6.2.1 異常數據挖掘概述
6.2.2 異常檢測算法
6.2.3 在clementine中套用異常檢測
第7章 統計模型
7.1 線性回歸
7.1.1 線性回歸的基本原理
7.1.2 在clementine中套用線性回歸
7.2 項logistic回歸
7.2.1 項logistic回歸的基本原理
7.2.2 在clementine中套用logistic回歸
第8章 神經網路
8.1 神經網路原理
8.1.1 神經網路基本概念
8.1.2 神經網路及其學習
8.2 多層感知器與rbf網路
8.2.1 多層感知器
8.2.2 徑向基函式網路
8.2.3 在clementine中套用神經網路
8.3 kohonen網路
8.3.1自組織神經網路
8.3.2 自組織特徵映射網路
8.3.3 在clementine中套用kohonen網路
第9章 時間序列分析與預測
9.1 時間序列概述
9.1.1 時間序列基本概念
9.1.2 時間序列預測的傳統方法
9.2 指數平滑法
9.2.1 指數平滑法概述
9.2.2 指數平滑模型
9.3 arima模型
9.3.1 arma模型
9.3.2 差分運算與arima模型
9.3.3 arima建模過程
9.3.4 在clementine中套用時間序列分析
參考文獻
