数据挖掘方法与应用，作者吕晓玲，数据挖掘系列教材之一，本书分为7章，分别讲述数据挖掘概述、关联规则、聚类分析、决策树建模、神经网络建模、回归分析、时间序列，每章附有案例分析与练习题，是数据挖掘专业教学的有益教材。

图书信息

内容简介

图书目录

图书信息

书 名: 数据挖掘方法与应用

作　者：吕晓玲

出版社： 中国人民大学出版社

出版时间： 2009年01月

ISBN: 9787300099705

开本： 16开

定价: 23元

内容简介

随着社会经济的不断发展、科学技术的不断进步，统计方法越来越成为人们必不可少的式具和手段。在教学过程中，老师们也越来越感到运用统计方法解决实际问题的重要，不少人在探索如何运用统计软件介绍和学习统计方法。谢邦昌教授、黄登源教授在多年的教学中，积累了丰富的经验，他们热情倡议，将他们的讲稿提供出来并编写成教材，供更多的人学习和使用。这正与我们的初衷不谋而合。2005年开始着手这套系列教材的编写，经过不断讨论、反复的论证，形成了现在的模式。

图书目录

第1章 数据挖掘概述

1．1 数据挖掘定义

1．1．1 数据挖掘的技术定义

1．1．2 数据挖掘的商业定义

1．2 数据挖掘的重要性及意义

1．3 数据挖掘功能

1．4 数据挖掘步骤和标准

1．4．1 数据挖掘步骤

1．4．2 数据挖掘需要的人员

1．5 数据挖掘常用方法

1．5．1 数据挖掘的对象

1．5．2 数据挖掘的常用方法

练习题

第2章 关联规则

2．1 关联规则介绍

2．2 关联规则种类

2．2．1 一般意义上的关联规则

2．2．2 带有时间性的序列关联分析

2．3 关联规则算法

2．3．1 普通的关联规则算法

2．3．2 序列关联规则算法

2．4 STATISl"ICA中的关联规则

2．5 案例分析

练习题

第3章 聚类分析

3．1 聚类分析介绍

3．2 距离定义

3．2．1 点之间的距离

3．2．2 类之间的距离

3．3 聚类分析算法

3．3．1 层次聚类

3．3．2 基于划分的聚类

3．3．3 EM聚类

3．4 STATISTICA中的聚类分析

3．5 案例分析

练习题

第4章 决策树建模

4．1 决策树介绍

4．1．1 决策树的基本知识

4．1．2 决策树的应用和发展趋势

4．2 树的建模过程

4．2．1 数据要求

4．2．2 树的生长

4．2．3 有效性和风险性

4．2．4 属性选择

4．3 STATISTICA中的决策树

4．4 案例分析

练习题

第5章 神经网络建模

5．1 神经网络介绍

5．2 神经网络的基本概念和原理

5．2．1 基本组成单元

5．2．2 神经网络的训练过程

5．2．3 基本的神经网络模型

5．3 STATISTlCA中的神经网络模型

5．4 案例分析

练习题

第6章 回归分析

6．1 回归分析介绍

6．2 线性回归模型

6．2．1 模型的建立及未知参数的估计

6．2．2 回归方程与回归参数的检验及变量的选择问题

6．2．3 回归诊断和决定系数

6．3 Logistic回归模型

6．3．1 Logistic回归模型的建立

6．3．2 Logistic回归模型的参数估计

6．3．3 Logistic回归模型的检验及诊断

6．3．4 Logistic回归模型结果的解释

6．3．5 Logistic回归模型的扩展

6．4 STATISTlCA中的回归

6．5 案例分析

练习题

第7章 时间序列

7．1 时间序列介绍

7．2 时间序列算法

7．2．1 传统时间序列分析

7．2．2 ARIMA模型

7．3 sTATIsTICA中的时间序列

7．4 案例分析

练习题

参考文献

……