数据挖掘导论读书介绍

数据挖掘,数据分析,机器学习,计算机,Data-Mining,算法,计算机科学,统计,

Pang-Ning Tan      ISBN:9787115241009    原作名/别名:《》

数据挖掘导论摘要

本书全面介绍了数据挖掘，涵盖了五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都有两章。前一章涵盖基本概念、代表性算法和评估技术，而后一章讨论高级概念和算法。这样读者在透彻地理解数据挖掘的基础的同时，还能够了解更多重要的高级主题。

本书是明尼苏达大学和密歇根州立大学数据挖掘课程的教材，由于独具特色，正式出版之前就已经被斯坦福大学、得克萨斯大学奥斯汀分校等众多名校采用。

本书特色

 与许多其他同类图书不同，本书将重点放在如何用数据挖掘知识解决各种实际问题。

 只要求具备很少的预备知识——不需要数据库背景，只需要很少的统计学或数学背景知识。

 书中包含大量的图表、综合示例和丰富的习题，并且使用示例、关键算法的简洁描述和习题，尽可能直接地聚焦于数据挖掘的主要概念。

 教辅内容极为丰富，包括课程幻灯片、学生课题建议、数据挖掘资源（如数据挖掘算法和数据集）、联机指南（使用实际的数据集和数据分析软件，为本书介绍的部分数据挖掘技术提供例子讲解）。

 向采用本书作为教材的教师提供习题解答。

作者简介

Pang-Ning Tan现为密歇根州立大学计算机与工程系助理教授，主要教授数据挖掘、数据库系统等课程。此前，他曾是明尼苏达大学美国陆军高性能计算研究中心副研究员（2002-2003）。

Michael Steinbach 明尼苏达大学计算机与工程系研究员，在读博士。

Vipin Kumar明尼苏达大学计算机科学与工程系主任，曾任美国陆军高性能计算研究中心主任。他拥有马里兰大学博士学位，是数据挖掘和高性能计算方面的国际权威，IEEE会士。

未发行或暂未收录

数据挖掘 数据挖掘,机器学习,人工智能,weka,Data-Mining,数据分析,IT,计算机,　2020-02-20 …

数据挖掘与机器学习——WEKA应用技术与实践 数据挖掘,WEKA,机器学习,Java,入门,袁梅宇,2014,计算机,　2020-02-20 …

数据挖掘 数据挖掘,数据分析,计算机,计算机科学,数据,算法,机器学习,教材,　2020-02-20 …

社交网站的数据挖掘与分析 数据挖掘,社交网站,数据分析,互联网,统计学,机器学习,web2.0,social_media,　2020-02-20 …

数据挖掘 数据挖掘,计算机,已入柜,G,　2020-02-20 …

数据挖掘导论 数据挖掘,机器学习,算法,Data-Mining,计算机科学,计算机,数据研究,Mining,　2020-02-20 …

数据挖掘实用机器学习技术 数据挖掘,机器学习,人工智能,计算机,weka,计算机科学,人工智能与信息处理,数据采集,　2020-02-20 …

数据挖掘中的新方法：支持向量机 SVM,数据挖掘,机器学习,支持向量机,人工智能,数学,数据挖掘中的新方法--支持向量机,算法,　2020-02-20 …

IBM SPSS数据分析与挖掘实战案例精粹 数据分析,SPSS,数据挖掘,统计学,统计,大数据,数据分析挖掘,计量经济学,　2020-02-20 …

文本数据挖掘 自然语言处理,人工智能,数据挖掘,NLP,　2019-05-01 …

数据挖掘导论大结局

剧情呢，免费看分享剧情、挑选影视作品、精选好书简介分享。