数据挖掘与R语言
￥29.80定价
作者： 易正俊，赵品勇，辛巧等
出版时间：2018年1月
出版社：清华大学出版社
- 清华大学出版社
- 9787302491859
- 1-1
- 262890
- 61236391-1
- 平装
- 16开
- 2018年1月
- 工学
- 计算机科学与技术
- TP274
- 数学
- 本科
内容简介
本书介绍数据挖掘的基本技术和相应的算法，突出案例的示范作用，并用R语言实现.旨在紧扣重大科技突破和新兴市场对大数据分析的需求，从高维海量数据中挖掘有用的信息，形成可运行的智能算法，解决实际问题，给业界带来实际的丰厚回报，不断拓展新的产业领域，延伸产业链条，形成集群发展、多点支撑的战略性新兴产业发展格局.
目录
目录
第1章R语言基础
1.1R的安装
1.2R数据结构
1.3数据输入
1.4程序控制流语句
1.5用户自编函数
1.6运算符
1.7数学统计函数
第2章关联规则的挖掘
2.1关联规则模型
2.2关联规则的支持度、可信度和提升度
2.3关联规则Apriori算法
第3章感知机
3.1数据集的线性可分性
3.2感知机模型
3.3感知机学习策略
3.4感知机学习算法
第4章朴素贝叶斯算法
4.1朴素贝叶斯频次表
4.2朴素贝叶斯条件概率表
4.3朴素贝叶斯分类器
4.4拉普拉斯校准子
4.5连续型数据特征的处理
第5章K近邻法
5.1近邻的距离度量方法
5.2Kd树——寻找K近邻
5.3分类决策规则
5.4K值的选择
5.5K近邻算法
第6章决策树
6.1决策树模型
6.2决策树学习
6.3决策树的生成
6.4决策树的剪枝
6.5分类与回归树模型
第7章支持向量机
7.1线性可分支持向量机与硬间隔最大化
7.2线性支持向量机与软间隔最大化
7.3非线性支持向量机与核函数
7.4序列最小最优化算法
第8章提升算法
8.1AdaBoost提升算法
8.2AdaBoost算法解释
8.3提升树
第9章隐马尔可夫模型
9.1基本概念
9.2概率计算算法
9.3学习算法
9.4预测算法
参考文献
第1章R语言基础
1.1R的安装
1.2R数据结构
1.3数据输入
1.4程序控制流语句
1.5用户自编函数
1.6运算符
1.7数学统计函数
第2章关联规则的挖掘
2.1关联规则模型
2.2关联规则的支持度、可信度和提升度
2.3关联规则Apriori算法
第3章感知机
3.1数据集的线性可分性
3.2感知机模型
3.3感知机学习策略
3.4感知机学习算法
第4章朴素贝叶斯算法
4.1朴素贝叶斯频次表
4.2朴素贝叶斯条件概率表
4.3朴素贝叶斯分类器
4.4拉普拉斯校准子
4.5连续型数据特征的处理
第5章K近邻法
5.1近邻的距离度量方法
5.2Kd树——寻找K近邻
5.3分类决策规则
5.4K值的选择
5.5K近邻算法
第6章决策树
6.1决策树模型
6.2决策树学习
6.3决策树的生成
6.4决策树的剪枝
6.5分类与回归树模型
第7章支持向量机
7.1线性可分支持向量机与硬间隔最大化
7.2线性支持向量机与软间隔最大化
7.3非线性支持向量机与核函数
7.4序列最小最优化算法
第8章提升算法
8.1AdaBoost提升算法
8.2AdaBoost算法解释
8.3提升树
第9章隐马尔可夫模型
9.1基本概念
9.2概率计算算法
9.3学习算法
9.4预测算法
参考文献
