资源名称：数据挖掘导论(完整版)

内容简介：

本书全面介绍了数据挖掘的理论和方法，旨在为读者提供将数据挖掘应用于实际问题所必需的知识。本书涵盖五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都包含两章：前面一章讲述基本概念、代表性算法和评估技术，后面一章较深入地讨论高级概念和算法。目的是使读者在透彻地理解数据挖掘基础的同时，还能重要的高级主题。此外，书中还提供了大量示例、图表和习题。

　　本书适合作为相关专业高年级本科生和研究生数据挖掘课程的教材，同时也可作为数据挖掘研究和应用开发人员的参考书。

资源目录：

第1章 绪论

　1.1 什么是数据挖掘

　1.2 数据挖掘要解决的问题

　1.3 数据挖掘的起源

　1.4 数据挖掘任务

　1.5 本书的内容与组织

　文献注释

　参考文献

　习题

第2章 数据

　2.1 数据类型

　　2.1.1 属性与度量

　　2.1.2 数据集的类型

　2.2 数据质量

　　2.2.1 测量和数据收集问题

　　2.2.2 关于应用的问题

　2.3 数据预处理

　　2.3.1 聚集

　　2.3.2 抽样

　　2.3.3 维归约

　　2.3.4 特征子集选择

　　2.3.5 特征创建

　　2.3.6 离散化和二元化

　　2.3.7 变量变换

　2.4 相似性和相异性的度量

　　2.4.1 基础

　　2.4.2 简单属性之间的相似度和相异度

　　2.4.3 数据对象之间的相异度

　　2.4.4 数据对象之间的相似度

　　2.4.5 邻近性度量的例子

　　2.4.6 邻近度计算问题

　　2.4.7 选取正确的邻近性度量

　文献注释

　参考文献

　习题

第3章 探索数据

第4章 分类：基本概念、决策树与模型评估

第5章 分类：其他技术

第6章 关联分析：基本概念和算法

第7章 关联分析：高级概念

第8章 聚类分析：基本概念和算法

第9章 聚类分析：其他问题与算法

第10章 异常检测

文献注释

参考文献

习题

附录a 线性代数

附录b 维归约

附录c 概率统计

附录d 回归

附录e 优化

资源截图：