123,123

內(nèi)容簡(jiǎn)介

　　本書(shū)介紹數(shù)據(jù)挖掘的基本技術(shù)和相應(yīng)的算法，突出案例的示范作用，并用R語(yǔ)言實(shí)現(xiàn).旨在緊扣重大科技突破和新興市場(chǎng)對(duì)大數(shù)據(jù)分析的需求，從高維海量數(shù)據(jù)中挖掘有用的信息，形成可運(yùn)行的智能算法，解決實(shí)際問(wèn)題，給業(yè)界帶來(lái)實(shí)際的豐厚回報(bào)，不斷拓展新的產(chǎn)業(yè)領(lǐng)域，延伸產(chǎn)業(yè)鏈條，形成集群發(fā)展、多點(diǎn)支撐的戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展格局.全書(shū)共9章，分別介紹了R語(yǔ)言基礎(chǔ)、關(guān)聯(lián)規(guī)則的挖掘、感知機(jī)、樸素貝葉斯算法、K近鄰法、決策樹(shù)、支持向量機(jī)、提升算法和隱馬爾可夫模型.本書(shū)為專(zhuān)業(yè)學(xué)位研究生所編寫(xiě)，也可以作為統(tǒng)計(jì)、金融數(shù)學(xué)、計(jì)算機(jī)科學(xué)和計(jì)算機(jī)軟件專(zhuān)業(yè)的本科生教材，還可以作為零基礎(chǔ)讀者的自學(xué)教材.各章自成體系，讀者可以從頭逐章學(xué)習(xí)，也可隨意挑選自己所需要的章節(jié)學(xué)習(xí).

作者簡(jiǎn)介

暫缺《數(shù)據(jù)挖掘與R語(yǔ)言》作者簡(jiǎn)介

圖書(shū)目錄

第1章R語(yǔ)言基礎(chǔ)
1.1R的安裝
1.2R數(shù)據(jù)結(jié)構(gòu)
1.3數(shù)據(jù)輸入
1.4程序控制流語(yǔ)句
1.5用戶(hù)自編函數(shù)
1.6運(yùn)算符
1.7數(shù)學(xué)統(tǒng)計(jì)函數(shù)
第2章關(guān)聯(lián)規(guī)則的挖掘
2.1關(guān)聯(lián)規(guī)則模型
2.2關(guān)聯(lián)規(guī)則的支持度、可信度和提升度
2.3關(guān)聯(lián)規(guī)則Apriori算法
第3章感知機(jī)
3.1數(shù)據(jù)集的線(xiàn)性可分性
3.2感知機(jī)模型
3.3感知機(jī)學(xué)習(xí)策略
3.4感知機(jī)學(xué)習(xí)算法
第4章樸素貝葉斯算法
4.1樸素貝葉斯頻次表
4.2樸素貝葉斯條件概率表
4.3樸素貝葉斯分類(lèi)器
4.4拉普拉斯校準(zhǔn)子
4.5連續(xù)型數(shù)據(jù)特征的處理
第5章K近鄰法
5.1近鄰的距離度量方法
5.2Kd樹(shù)——尋找K近鄰
5.3分類(lèi)決策規(guī)則
5.4K值的選擇
5.5K近鄰算法
第6章決策樹(shù)
6.1決策樹(shù)模型
6.2決策樹(shù)學(xué)習(xí)
6.3決策樹(shù)的生成
6.4決策樹(shù)的剪枝
6.5分類(lèi)與回歸樹(shù)模型
第7章支持向量機(jī)
7.1線(xiàn)性可分支持向量機(jī)與硬間隔最大化
7.2線(xiàn)性支持向量機(jī)與軟間隔最大化
7.3非線(xiàn)性支持向量機(jī)與核函數(shù)
7.4序列最小最優(yōu)化算法
第8章提升算法
8.1AdaBoost提升算法
8.2AdaBoost算法解釋
8.3提升樹(shù)
第9章隱馬爾可夫模型
9.1基本概念
9.2概率計(jì)算算法
9.3學(xué)習(xí)算法
9.4預(yù)測(cè)算法
參考文獻(xiàn)