数据挖掘十大算法 吴信东pdf扫描版

数据挖掘十大算法是一本数据挖掘领域的著作，由美国数据挖掘专家吴信东和库玛尔编著。本书详细介绍了在实际中用途影响十种数据挖掘算法，包括C4.5、k-means、SVM、Apriori、EM、PageRank、AdaBoost、kNN、Naive Bayes和CART十个算法，这十种算法是数据挖掘领域的专家进行投票筛选的，覆盖了分类、聚类、统计学习、关联分析和链接分析等重要的数据挖掘研究和发展主题，并且每一种算法都进行了多个角度的深入剖析，包括算法历史、算法过程、算法特性、软件实现、前沿发展等，另外每章末尾给出了丰富的习题和精挑细选的参考文献，对数据挖掘、机器学习和人工智能等学科的课程的设计有指导意义。

内容介绍

《数据挖掘十大算法》详细介绍了在实际中用途影响十种数据挖掘算法，这十种算法是数据挖掘领域的专家进行投票筛选的，覆盖了分类、聚类、统计学习、关联分析和链接分析等重要的数据挖掘研究和发展主题。全书对每一种算法都进行了多个角度的深入剖析，包括算法历史、算法过程、算法特性、软件实现、前沿发展等，此外，在每章最后还给出了丰富的习题和精挑细选的参考文献，对于读者掌握算法基本知识和进一步研究都非常有价值，对数据挖掘、机器学习和人工智能等学科的课程的设计有指导意义。

本书的每一章都邀请两位独立审稿人和本书的一位编辑来审核，有的章节在此基础上要在最终定稿前再重审一遍。我们希望这十个算法的遴选能有助于在世界范围推动数据挖掘的应用，激励更多数据挖掘领域的学者去扩大这些算法的影响，探索新的研究内容。

章节目录

第1章 C4.5

1.1 引言

1.2 算法描述

1.3 算法特性

1.3.1 决策树剪枝

1.3.2 连续型属性

1.3.3 缺失值处理

1.3.4 规则集诱导

1.4 软件实现

1.5 示例

1.5.1 Golf数据集

1.5.2 Soybean数据集

1.6 高级主题

1.6.1 二级存储

1.6.2 斜决策树

1.6.3 特征选择

1.6.4 集成方法

1.6.5 分类规则

1.6.6 模型重述

1.7 习题

参考文献

第2章 k-means

2.1 引言

2.2 算法描述

2.3 可用软件

2.4 示例

2.5 高级主题

2.6 小结

2.7 习题

参考文献

第3章 SVM：支持向量机

3.1 支持向量分类器

3.2 支持向量分类器的软间隔优化

3.3 核技巧

3.4 理论基础

3.5 支持向量回归器

3.6 软件实现

3.7 当前和未来的研究

3.7.1 计算效率

3.7.2 核的选择

3.7.3 泛化分析

3.7.4 结构化支持向量机的学习

3.8 习题

参考文献

第4章 Apriori

4.1 引言

4.2 算法描述

4.2.1 挖掘频繁模式和关联规则

4.2.2 挖掘序列模式

4.2.3 讨论

4.3 软件实现

4.4 示例

4.4.1 可行示例

4.4.2 性能评估

4.5 高级主题

4.5.1 改进Apriori类型的频繁模式挖掘

4.5.2 无候选的频繁模式挖掘

4.5.3 增量式方法

4.5.4 稠密表示：闭合模式和最大模式

4.5.5 量化的关联规则

4.5.6 其他的重要性／兴趣度度量方法

4.5.7 类别关联规则

4.5.8 使用更丰富的形式：序列、树和图

4.6 小结

4.7 习题

参考文献

第5章 EM

5.1 引言

5.2 算法描述

……

第6章 PageRank

第7章 AdaBoost

第8章 kNN!k-最近邻

第9章 Naive Bayes

第10章 CART：分类和回归树

使用说明

1、下载并解压，得出pdf文件

2、如果打不开本文件，请务必下载pdf阅读器

3、安装后，在打开解压得出的pdf文件

4、双击进行阅读