最簡數據挖掘

本書是數據挖掘精髓的濃縮。第1章用通俗易懂的語言回答五個基本問題，包括什麼是數據，什麼是大數據，什麼是數據挖掘，以及數據挖掘能挖掘出哪些東西和會產生什麼價值。然後用6章的篇幅介紹k-均值、k-近鄰、樸素貝葉斯、決策樹、迴歸分析和關聯規則挖掘等6種方法。第8章介紹一些實際的應用，演示簡單的數據挖掘方法如何產生巨大的價值。本書可供高校的數據科學與大數據、智能科學與技術、人工智能、計算機科學與技術和統計類、應用數學等相關專業的學生作為教材使用，也可供高校的商科大數據、金融等專業的學生、優秀的中學生、科技企業的管理者和相關行業的投資人學習參考。 ^[1] 

目 錄

第1章 概述1

1.1 什麼是數據1

1.2 什麼是大數據3

1.3 什麼是數據挖掘6

1.4 能挖掘出什麼8

1.5 會產生什麼價值10

第2章 k-均值12

2.1 基本算法13

2.2 k-均值示例15

2.3 k-均值算法的侷限性21

練習賽21

第3章 k-近鄰24

3.1 k-近鄰基本算法25

3.2 評價分類效果的常見指標26

3.3 影響算法精確度的若干問題28

3.4 k-近鄰算法示例31

練習賽35

第4章 樸素貝葉斯36

4.1 貝葉斯定理36

4.2 貝葉斯基本算法39

4.3 貝葉斯算法案例41

4.4 處理連續特徵45

練習賽46

第5章 迴歸47

5.1 線性迴歸的最簡示例47

5.2 線性迴歸的一般形式53

5.3 邏輯迴歸的最簡示例55

5.4 邏輯迴歸的一般形式59

5.5 小結和討論60

練習賽62

第6章 決策樹63

6.1 構建決策樹63

6.2 經典決策樹：ID3、C4.5和CART66

6.3 連續值、缺失值和剪枝70

6.4 小結和討論75

練習賽77

第7章 關聯規則挖掘78

7.1 基本算法思想78

7.2 Apriori算法示例80

7.3 小結和討論85

練習賽86

第8章 數據挖掘應用創新案例87

8.1 提升生產製造過程的良品率87

8.2 刻畫全球化對碳排放的影響89

8.3 捕捉電商評論中的用户情感91

8.4 實時發現微博中的熱點事件94

推薦閲讀材料96 ^[1]