数据挖掘方法与应用

目录
第1章　数据挖掘导论　1
1.1　数据挖掘的概念　1
1.2　数据挖掘的产生背景及意义　2
1.3　数据挖掘的功能及步骤　3
1.4　数据挖掘的常用方法　5
1.5　小结　7
思考题与练习题　7
第2章　数据预处理　8
2.1　数据预处理简介　8
2.2　数据清洗　9
2.3　数据集成　11
2.4　数据变换　11
2.5　数据规约　14
2.6　基于R语言的数据预处理　17
2.7　小结　28
思考题与练习题　29
第3章　关联规则挖掘　30
3.1　关联规则的基本概念　30
3.2　简单关联规则挖掘　32
3.3　序列关联规则挖掘　36
3.4　基于R语言的关联规则挖掘　40
3.5　小结　47
思考题与练习题　48
第4章　聚类分析　49
4.1　聚类分析的简介　49
4.2　距离与相似度的度量　49
4.3　K均值聚类　53
4.4　密度聚类　56
4.5　层次聚类　58
4.6　基于R语言的聚类分析　60
4.7　小结　66
思考题与练习题　67
第5章　决策树及组合算法　68
5.1　决策树简介　68
5.2　决策树的生长　70
5.3　决策树的剪枝　76
5.4　基于决策树的组合算法　78
5.5　基于R语言的决策树建模　81
5.6　小结　89
思考题与练习题　90
第6章　贝叶斯分类　91
6.1　贝叶斯定理　91
6.2　朴素贝叶斯　93
6.3　贝叶斯信念网络　96
6.4　贝叶斯信念网络特点及应用　100
6.5　基于R语言的贝叶斯分类建模　100
6.6　小结　105
思考题与练习题　105
第7章　支持向量机　107
7.1　支持向量机简介　107
7.2　线性支持向量机　110
7.3　非线性支持向量机　116
7.4　基于R语言的支持向量机建模　121
7.5　小结　134
思考题与练习题　134
第8章　人工神经网络　135
8.1　人工神经网络概述　135
8.2　感知机模型　138
8.3　BP算法原理　140
8.4　BP神经网络的R语言实现　145
8.5　小结　151
思考题与练习题　151