机读格式显示(MARC)

• 000 01620nam0 2200277 450

• 001 0000923664

• 005 20240311112300.0

• 010 __ |a 978-7-302-63425-6 |d CNY44.50

• 100 __ |a 20231227d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 数据挖掘 |A shu ju wa jue |f 蔡毅[等]编著

• 210 __ |a 北京 |c 清华大学出版社 |d 2023

• 215 __ |a 222页 |c 图 |d 26cm

• 225 1_ |a 大数据系列丛书 |A Da Shu Ju Xi Lie Cong Shu

• 300 __ |a 水木书荟 轩辕网络

• 304 __ |a 编著还有：黄清宝、许可、王国华、伍慰珍

• 330 __ |a 本书从算法的角度介绍数据挖掘使用的技术和相关的应用。第1章介绍数据挖掘的基本概念。第2章介绍数据和数据集的基本概念，并简单介绍大数据。第3章是数据挖掘中重要的第一步一数据的预处理；本章通过代码和实例展示及说明如何对结构化数据、非结构化文本数据进行预处理。第4章介绍分类任务的基本算法，包括常用的KNN、SVM、随机森林、朴素贝叶斯等，并附有相应的代码；同时，介绍特征选择的方法和特征权重的概念，及其在分类算法中的作用；此外，本章还对类别不平衡、模糊分类、多分类等情况进行详细的介绍，并给出相应的实战演练。近年来，深度学习模型在很多数据挖掘任务中表现突出。第5章介绍基于深度学习的分类算法，如常用的CNN、RNN、LSTM　算法在结构化数据、图像、文本数据上的分类。第6章介绍层次聚类、基于密度的聚类、主题模型等主流聚类算法，及其在结构化数据和文本数据上的应用。第7章介绍个性化建模的方法及基于不同方式的推荐算法，如基于内容、协同过滤、主题模型、深度学习、混合推荐等算法。

• 606 0_ |a 数据采集 |A Shu Ju Cai Ji |x 高等学校 |j 教材

• 690 __ |a TP274 |v 5

• 701 _0 |a 蔡毅 |A cai yi |4 编著

• 801 _0 |a CN |b HDUL |c 20240311

• 905 __ |a HDUL |d TP274/4009

• 920 __ |a 233030 |z 1