數(shù)據(jù)挖掘與應(yīng)用

定　價：￥22.00

作　者：	張俊妮編著
出版社：	北京大學出版社
叢編項：	北京大學光華管理學院教材·商務(wù)統(tǒng)計系列
標　簽：	數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

購買這本書可以去

ISBN：	9787301152393	出版時間：	2009-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	185	字數(shù)：

內(nèi)容簡介

　　《數(shù)據(jù)挖掘與應(yīng)用》全面地介紹了數(shù)據(jù)挖掘的相關(guān)主題.包括數(shù)據(jù)理解與數(shù)據(jù)準備、關(guān)聯(lián)規(guī)則挖掘、多元統(tǒng)計中的降維方法、聚類分析、神經(jīng)網(wǎng)絡(luò)、決策樹方法、模型評估等內(nèi)容。全書體系完整，文字精煉，注重對數(shù)據(jù)挖掘方法的直覺理解及其應(yīng)用：同時，保持了一定的嚴謹性，為學生理解和運用這些方法提供了堅實的基礎(chǔ)?！稊?shù)據(jù)挖掘與應(yīng)用》實例豐富，并附有相應(yīng)SAS程序，以便于學生盡快理解相關(guān)內(nèi)容并用以解決實際問題?！稊?shù)據(jù)挖掘與應(yīng)用》配有教輔，可以免費提供給任課教師使用。如需要，歡迎填寫書后的“教師反饋及課件申請表’索取。

作者簡介

　　張俊妮，美國哈佛大學統(tǒng)計學博士，現(xiàn)為北京大學光華管理學院商務(wù)統(tǒng)計及經(jīng)濟計量系副教授。研究領(lǐng)域包括因果推斷、貝葉斯分析、蒙特卡洛方法、數(shù)據(jù)挖掘。在Journal of American Statistical Association、Statistica Sinica、Journal ofEducational and BehavioralStatistics、　《經(jīng)濟學（季刊）》、　《數(shù)理統(tǒng)計與管理》、　《管理世界》等期刊上發(fā)表論文十余篇。

圖書目錄

第一章數(shù)據(jù)挖掘概述
1.1 什么是數(shù)據(jù)挖掘
1.2 數(shù)據(jù)挖掘的應(yīng)用
1.3 數(shù)據(jù)挖掘方法論
第二章數(shù)據(jù)理解和數(shù)據(jù)準備
2.1 數(shù)據(jù)理解
2.2 數(shù)據(jù)準備
2.3 使用SAS進行數(shù)據(jù)理解和數(shù)據(jù)準備：FNBA信用卡數(shù)據(jù)
第三章關(guān)聯(lián)規(guī)則挖掘
3.1 關(guān)聯(lián)規(guī)則的實際意義
3.2 關(guān)聯(lián)規(guī)則的基本概念及Apriori算法
3.3 負關(guān)聯(lián)規(guī)則
3.4 序列關(guān)聯(lián)規(guī)則
3.5 使用SAS進行關(guān)聯(lián)規(guī)則挖掘
第四章多元統(tǒng)計中的降維方法
4.1 主成分分析
4.2 探索性因子分析
4.3 多維標度分析
第五章聚類分析
5.1 距離與相似度的度量
5.2 k均值聚類法
5.3 層次聚類法
第六章預(yù)測性建模的一些基本方法
6.1 判別分析
6.2 樸素貝葉斯分類算法
6.3 k近鄰法
6.4 線性模型與廣義線性模型
第七章神經(jīng)網(wǎng)絡(luò)
7.1 神經(jīng)網(wǎng)絡(luò)架構(gòu)及基本組成
7.2 誤差函數(shù)
7.3 神經(jīng)網(wǎng)絡(luò)訓練算法
7.4 提高神經(jīng)網(wǎng)絡(luò)模型的可推廣性
7.5 數(shù)據(jù)預(yù)處理
7.6 使用SAS建立神經(jīng)網(wǎng)絡(luò)模型
7.7 自組織圖
第八章決策樹
8.1 決策樹簡介
8.2 決策樹的生長與修剪
8.3 對缺失數(shù)據(jù)的處理
8.4 變量選擇
8.5 決策樹的優(yōu)缺點
第九章模型評估
9.1 因變量為二分變量的情形
9.2 因變量為多分變量的情形
9.3 因變量為連續(xù)變量的情形
9.4 使用SAS評估模型
第十章模型組合與兩階段模型
10.1 模型組合
10.2 隨機森林
10.3 兩階段模型
參考文獻