标签分类
当前位置:首页 > 数据库电子书 > 数据挖掘电子书网盘下载
数据仓库与数据挖掘工程实例 数据仓库与数据挖掘工程实例
kxjrzyk

kxjrzyk 提供上传

资源
16
粉丝
40
喜欢
196
评论
16

    数据仓库与数据挖掘工程实例 PDF 高清版

    数据挖掘电子书
    • 发布时间:

    给大家带来的一篇关于数据挖掘相关的电子书资源,介绍了关于数据仓库、数据挖掘、工程实例方面的内容,本书是由清华大学出版社出版,格式为PDF,资源大小22.6 MB,张兴会编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.2,更多相关的学习资源可以参阅 数据库电子书、等栏目。

  • 数据仓库与数据挖掘工程实例 PDF 下载
  • 下载地址:https://pan.baidu.com/s/1OZ6fQU_wbFg7B8XfaAvDcw
  • 分享码:pjc9
  • 数据仓库与数据挖掘工程实例 pdf

    数据仓库与数据挖掘是与计算机、信息类等相关 专业的核心课程。张兴会等编著的《数据仓库与数据 挖掘工程实例》采用提出问题、分析问题、解决问题 的思路,通过工程实例介绍了SQL Server 2005和 Weka软件的使用方法以及联机分析处理技术、关联规 则方法、决策树方法、贝叶斯方法、人工神经网络方 法、聚类分析方法、线性回归方法等数据仓库与数据 挖掘技术。

    数据仓库与数据挖掘工程实例结构严谨,条理清晰,语言浅显易懂,循序 渐进地表达了知识内容;坚持理论与实际相结合,知 识理论与具体实现方法相结合,使技术实现具体化、 生动化、可操作化;工程实例的实现过程建立在 SQLServer2005和Weka软件的基础上,以帮助读者在 学习后达到学以致用的效果。本书可以和《数据仓库 与数据挖掘技术》教材配合使用,旨在帮助读者在学 习数据仓库与数据挖掘理论知识的基础上,通过学习 工程实例分析,较好地掌握数据挖掘与数据仓库构建 模型的操作过程,进一步提高对信息管理和利用能力 。

    数据仓库与数据挖掘工程实例可以作为计算机、信息类等专业本科生数据 挖掘课程的教材,也可以作为其他专业技术人员的自 学参考书。

    目录

    • 实例1 基于联机分析处理技术的税务审计分析
    • 1.1 任务描述
    • 1.2 技术原理
    • 1.2.1 联机分析处理的定义
    • 1.2.2 联机分析处理的一些具体操作
    • 1.3 具体实现
    • 1.3.1 建立数据库
    • 1.3.2 新建数据源
    • 1.3.3 新建数据源视图
    • 1.3.4 浏览数据
    • 1.3.5 数据分析
    • 1.4 案例总结
    • 实例2 基于关联规则方法的网上交易服务质量评价分析
    • 2.1 任务描述
    • 2.2 技术原理
    • 2.2.1 关联规则的概念
    • 2.2.2 Apriori算法
    • 2.3 具体实现
    • 2.4 案例小结
    • 实例3 基于Weka KnowledgFlow模块的大学生专业方向预测分析
    • 3.1 任务描述
    • 3.2 技术原理
    • 3.2.1 数据收集和准备
    • 3.2.2 模型选择
    • 3.3 具体实现
    • 3.3.1 数据预处理
    • 3.3.2 建立和使用知识流
    • 3.4 案例小结
    • 实例4 基于决策树方法的网球运动天气状况评价分析
    • 4.1 任务描述
    • 4.2 技术原理
    • 4.2.1 决策树的概念
    • 4.2.2 信息论的基本概念
    • 4.2.3 ID3建树算法
    • 4.3 具体实现
    • 4.4 案例小结
    • 实例5 基于Weka Experimenter模块的人力资源管理挖掘模型选择分析
    • 5.1 任务描述
    • 5.2 技术原理
    • 5.2.1 挖掘类型确定
    • 5.2.2 数据收集和准备
    • 5.3 具体实现
    • 5.3.1 数据预处理
    • 5.3.2 模型比较和选择
    • 5.4 案例小结
    • 实例6 基于贝叶斯方法的证券客户流失预警分析
    • 6.1 任务描述
    • 6.2 技术原理
    • 6.2.1 朴素贝叶斯分类算法
    • 6.2.2 朴素贝叶斯分类举例
    • 6.3 具体实现
    • 6.4 案例小结
    • 实例7 基于人工神经网络方法的信贷数据分析
    • 7.1 任务描述
    • 7.2 技术原理
    • 7.2.1 BP神经网络结构
    • 7.2.2 BP神经网络学习算法
    • 7.3 具体实现
    • 7.3.1 数据准备
    • 7.3.2 挖掘流程
    • 7.4 案例小结
    • 实例8 基于K-means方法的栀子花聚类分析
    • 8.1 任务描述
    • 8.2 技术原理
    • 8.3 具体实现
    • 8.4 案例小结
    • 实例9 基于线性回归方法的汽车油耗预测分析
    • 9.1 任务描述
    • 9.2 技术原理
    • 9.3 具体实现
    • 9.4 案例小结
    • 实例10 基于决策树方法的中文文本自动分类分析
    • 10.1 任务描述
    • 10.2 技术原理
    • 10.2.1 文本挖掘的概念
    • 10.2.2 文本分词技术
    • 10.2.3 文本特征表示
    • 10.3 具体实现
    • 10.4 案例小结
    • 附录A SQL Server 2005的安装
    • A1 任务描述
    • A2 具体实现
    • 附录B Weka软件的安装和数据转换
    • B1 任务描述
    • B2 具体实现
    • 参考文献

    上一篇:有趣的二进制:软件安全与逆向分析  下一篇:卡尔曼滤波原理及应用:MATLAB仿真

    展开 +

    收起 -

    码小辫二维码
     

    数据挖掘相关电子书
    学习笔记
    网友NO.848498

    python数据挖掘需要学什么

    只要能解决实际问题,用什么工具来学习数据挖掘都是无所谓,这里首推Python。 需要掌握Python中的哪些知识? (推荐学习:Python视频教程) 1、Pandas库的操作 Panda是数据分析特别重要的一个库,我们要掌握以下三点: · pandas 分组计算; · pandas 索引与多重索引; 索引比较难,但是却是非常重要的 · pandas 多表操作与数据透视表 2、numpy数值计算 numpy数据计算主要应用是在数据挖掘,对于以后的机器学习,深度学习,这也是一个必须掌握的库,我们要掌握以下内容: · Numpy array理解; · 数组索引操作; · 数组计算; · Broadcasting(线性代数里面的知识) 3、数据可视化-matplotlib与seaborn · Matplotib语法 python最基本的可视化工具就是matplotlib。咋一看Matplotlib与matlib有点像,要搞清楚二者的关系是什么,这样学习起来才会比较轻松。 · seaborn的使用 seaborn是一个非常漂亮的可视化工具。 · pandas绘图功能 前面说过pandas是做数据分析的,但它也提供了一些绘图的API。 4、数据挖掘入门 这部分是最难也是最有意思的一部分,要掌握以下几个部分: · 机器学习的定义 在这里跟数据挖掘先不做区别 · 代价函数的定义 · Train/Test/Validate · Overfitting的定义与避免方法 5、数据挖掘算法 数据挖掘发展到现在,算法已经非常多,下面只需掌握最简单的,最核……

    网友NO.331591

    深入分析python数据挖掘 Json结构分析

    这篇文章通过实例给大家分析总结了python数据挖掘以及Json结构分析的相关知识点,对此有兴趣的朋友参考下。 json是一种轻量级的数据交换格式,也可以说是一种配置文件的格式 这种格式的文件是我们在数据处理经常会遇到的 python提供内置的模块json,只需要在使用前导入即可 你可以通过帮助函数查看json的帮助文档 json常用的方法有load、loads、dump以及dumps,这个都属于python初级,我不做过多解释 json可以结合数据库一起使用,在这以后要处理大量数据时非常有用 下面我们正式来利用数据挖掘对json文件进行处理 现在很多网站都运用了Ajax,所以一般很多都是XHR文件 通过这里我想利用一个地图网站来演示 我们通过浏览器的调试获取了相关url https://ditu.amap.com/service/poiInfo?id=B001B0IZY1query_type=IDQ 下面我们通过requests模块中的get方法,模拟浏览器发出的http请求,并返回的到的结果对象 代码如下 # coding=utf-8__Author__ = susmoteimport requestsurl = https://ditu.amap.com/service/poiInfo?id=B001B0IZY1query_type=IDQresp = requests.get(url)print(resp.text[0:200]) 在终端中运行结果如下 数据已经获取到了,但是为了接下来能使用这些数据,我们需要利用json模块对这些数据进行分析 代码如下 import requestsimport jsonurl = https://ditu.amap.com/service/poiInfo?id=B001B0IZY1query_type=IDQresp = request……

    网友NO.930511

    python数据挖掘需要学的内容

    1、Pandas库的操作 Panda是数据分析特别重要的一个库,我们要掌握以下三点: · pandas 分组计算; · pandas 索引与多重索引; 索引比较难,但是却是非常重要的 · pandas 多表操作与数据透视表 2、numpy数值计算 numpy数据计算主要应用是在数据挖掘,对于以后的机器学习,深度学习,这也是一个必须掌握的库,我们要掌握以下内容: · Numpy array理解; · 数组索引操作; · 数组计算; · Broadcasting(线性代数里面的知识) 3、数据可视化-matplotlib与seaborn · Matplotib语法 python最基本的可视化工具就是matplotlib。咋一看Matplotlib与matlib有点像,要搞清楚二者的关系是什么,这样学习起来才会比较轻松。 · seaborn的使用 seaborn是一个非常漂亮的可视化工具。 · pandas绘图功能 前面说过pandas是做数据分析的,但它也提供了一些绘图的API。 4、数据挖掘入门 这部分是最难也是最有意思的一部分,要掌握以下几个部分: · 机器学习的定义 在这里跟数据挖掘先不做区别 · 代价函数的定义 · Train/Test/Validate · Overfitting的定义与避免方法 5、数据挖掘算法 数据挖掘发展到现在,算法已经非常多,下面只需掌握最简单的,最核心的,最常用的算法: · 最小二乘算法; · 梯度下降; · 向量化; · 极大似然估计; · Logistic Regression; · Decision Tree; · RandomForesr;……

    Copyright 2018-2019 xz577.com 码农之家

    版权责任说明