商品

图书

中日韩泰🌏亚洲风味一站打卡！

🌞一站式解决你的防晒烦恼！

一键Get网红超市必买清单

💐 献礼母亲节感恩专区88折

【赛博玄学】留子Final开运

日本超火猫爪杯！资深猫奴眼冒爱心❤

💄价格香香的3CE经典出新色喽！🎨

美容院搬回家🤩夏季焕颜精选美容仪大放价

简体中文

English 简体中文繁體中文 한국어 日本語

{{sellerTotalView > 1 ? __("sellers", {number: sellerTotalView}) : __("seller", {number: sellerTotalView}) }}, {{numTotalView > 1 ? __("items", {number: numTotalView}) : __("item", {number: numTotalView}) }}

去购物车结算

Nickname

请告诉我们怎么更好地称呼你

更新你的名字

xxxxxxx@yamibuy.com

账户订单收藏

积分 0

优惠券 0

礼品卡余额 $0.00

退出登录

切换配送区域

不同区域的库存和配送时效可能存在差异.

历史邮编

我们将在商品到货后第一时间通知你。

商品到货后将发送通知至： {{remindEmail}}

取消

京东图书

国外计算机科学经典教材·数据挖掘：概念、模型、方法和算法（第2版）

去购物车结算

{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}

图书计算机与互联网数据库

京东图书

国外计算机科学经典教材·数据挖掘：概念、模型、方法和算法（第2版）

Name: 国外计算机科学经典教材·数据挖掘：概念、模型、方法和算法（第2版）
Brand: 京东图书
SKU: 3118016041
Price: 47.00 USD
Availability: OutOfStock

{{__(":people-members", {'people': item.limit_people_count})}} {{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ item.invalid_price }} {{ itemDiscount }}

后结束

{{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }}

{{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }} {{ itemCurrency }}{{ item.invalid_price }} {{itemDiscount}}

后结束促销

后开始秒杀后结束秒杀

{{ __( "Pay with Gift Card to get sale price: :itemCurrency:price", { 'itemCurrency' : itemCurrency, 'price' : (item.giftcard_price ? priceFormat(item.giftcard_price) : '0.00') } ) }} ({{ itemCurrency }}{{ priceFormat(item.giftcard_price / item.bundle_specification) }}/{{ item.unit }}) 详情

商品有效期

已下架

当前地址无法配送

已售完

商品描述

展开全部描述

编辑推荐

《国外计算机科学经典教材·数据挖掘：概念、模型、方法和算法（第2版）》特色：
介绍支持向量机（SVM）和Kohonen映射
讲解DBSCAN、BIRCH和分布式DBSCAN聚类算法
介绍贝叶斯网络，讨论图形中的Betweeness和Centrality参数测量算法
分析在建立决策树时使用的CART算法和基尼指数
介绍Bagging&Boosting集成学习方法，并详述AdaBoost算法
讨论Relief以及PageRank算法
讨论文本挖掘的潜在语义分析（LSA），并分析如何测定文本文档之间的语义相似性
讲解时态、空间、Web、文本、并行和分布式数据挖掘等新主题
更详细地讲解数据挖掘技术商业、隐私、安全和法律方面的内容

内容简介

随着数据集规模和复杂度的持续上升，分析员必须利用更高级的软件工具来执行间接的、自动的智能化数据分析。、数据挖掘：概念、模型、方法和算法（第2版）介绍了通过分析高维数据空间中的海量原始数据来提取用于决策的新信息的尖端技术和方法。
《国外计算机科学经典教材·数据挖掘：概念、模型、方法和算法（第2版）》开篇阐述数据挖掘原理，此后在示例的引导下详细讲解起源于统计学、机器学习、神经网络、模糊逻辑和演化计算等学科的具有代表性的、最前沿的挖掘方法和算法。本书还着重描述如何恰当地选择方法和数据分析软件并合理地调整参数。每章末尾附有复习题。
《国外计算机科学经典教材·数据挖掘：概念、模型、方法和算法（第2版）》主要用作计算机科学、计算机工程和计算机信息系统专业的研究生数据挖掘教材，高年级本科生或具备同等教育背景的读者也完全可以理解本书的所有主题。

作者简介

Mehmed Kantardzic，美国路易维尔大学工学院计算机工程与科学系的教授，任该系的研究生院院长和数据挖掘实验室主任。Mehmed是IEEE、ISCA和SPIE的成员，曾受邀参加多个重要的学术会议；他已出版多本书籍，在许多期刊上发表过论文，其中有多篇论文获奖。

王晓海，曾任总参某部应用研发中心副主任、信息服务中心主任，高级工程师，长期从事数据库应用系统的科研开发工作，负责主持多个大型数据库系统的开发和维护，荣获多项军队科技进步奖，享受军队优秀人才岗位津贴，出版多部论（译）著，在数据库挖掘、数据库应用开发、数据安全保护、数据恢复与数据去密等领域具有丰富的实践经验。
已出版的论著和译著
《Oracle Streams llg数据复制》，2012年，清华大学出版社
《SQL Server 2000管理、开发及应用实例详解》，2006年，人民邮电出版社
《空时编码技术》，2004年，机械工业出版社
《远程通信网络基础》，1996年，电子工业出版社

吴志刚，工学博士，北京邮电大学副教授，长期从事网络与信息安全技术、数据库技术等领域的学术与科研工作，作为负责人主持过上述领域多项国家863计划、发改委产业化示范项目和国家级重大工程项目，获得技术专利2项，已在国内外学术期刊和国际会议上发表20余篇学术论文。

第1章数据挖掘的概念
1.1 概述
1.2 数据挖掘的起源
1.3 数据挖掘过程
1.4 大型数据集
1.5 数据仓库
1.6 数据挖掘的商业方面：为什么数据挖掘项目会失败
1.7 本书结构安排
1.8 复习题
1.9 参考书目

第2章数据准备
2.1 原始数据的表述
2.2 原始数据的特性
2.3 原始数据的转换
2.3.1 标准化
2.3.2 数据平整
2.3.3 差值和比率
2.4 丢失数据
2.5 时间相关数据
2.6 异常点分析
2.7 复习题
2.8 参考书目

第3章数据归约
3.1 大型数据集的维度
3.2 特征归约
3.2.1 特征选择
3 .2.2 特征提取
3.3 Relief算法
3.4 特征排列的熵度量
3.5 主成分分析
3.6 值归约
3.7 特征离散化ChiMerge技术
3.8 案例归约
3.9 复习题
3.10 参考书目

第4章从数据中学习
4.1 学习机器
4.2 统计学习原理
4.3 学习方法的类型
4.4 常见的学习任务
4.5 支持向量机
4.6 kNN：最近邻分类器
4.7 模型选择与泛化
4.8 模型的评估
4.9 90%准确的情形
4.9.1 保险欺诈检测
4.9.2 改进心脏护理
4.10 复习题
4.11 参考书目

第5章统计方法
5.1 统计推断
5.2 评测数据集的差异
5.3 贝叶斯定理
5.4 预测回归
5.5 方差分析
5.6 对数回归
5.7 对数-线性模型
5.8 线性判别分析
5.9 复习题
5.10 参考书目

第6章决策树和决策规则
6.1 决策树
6.2 C4.5算法：生成决策树
6.3 未知属性值
6.4 修剪决策树
6.5 C4.5算法：生成决策规则
6.6 CART算法和Gini指标
6.7 决策树和决策规则的局限性
6.8 复习题
6.9 参考书目

第7章人工神经网络
7.1 人工神经元的模型
7.2 人工神经网络的结构
7.3 学习过程
7.4 使用ANN完成的学习任务
7.4.1 模式联想
7.4.2 模式识别
7.5 多层感知机
7.6 竞争网络和竞争学习
7.7 SoM
7.8 复习题
7.9 参考书目

第8章集成学习
8.1 集成学习方法论
8.2 多学习器组合方案
8.3 bagging和boosting
8.4 AdaBoost算法
8.5 复习题
8.6 参考书目

第9章聚类分析
9.1 聚类的概念
9.2 相似度的度量
9.3 凝聚层次聚类
9.4 分区聚类
9.5 增量聚类
9.6 DBSCAN箅法
9.7 BIRCH算法
9.8 聚类验证
9.9 复习题
9.10 参考书目

第10章关联规则
10.1 购物篮分析
10.2 Apriori算法
10.3 从频繁项集中得到关联规则
10.4 提高Apriori算法的效率
10.5 FP增长方法
10.6 关联分类方法
10.7 多维关联规则挖掘
10.8 复习题
10.9 参考书目

第11章 Web挖掘和文本挖掘
11.1Web挖掘
11.2 Web内容、结构与使用挖掘
11.3 HITS和LOGSOM算法
11.4 挖掘路径遍历模式
11.5 PageRank算法
11.6 文本挖掘
11.7 潜在语义分析
11.8 复习题
11.9 参考书目

第12章数据挖掘高级技术
12.1 图挖掘
……
第13章遗传算法
第14章模糊集和模糊逻辑
第15章可视化方法
附录A 数据挖掘工具
附录B 数据挖掘应用

精彩书摘

4.9.2 改进心脏护理
在美国，心血管疾病每年导致大约100万人死亡（占所有死亡病例的38%）。此外，2005年CVD估计开销为3940亿美元，而癌症所花费的开销大约1900亿美元。CVD患者数量快速发展，直接受此疾病影响的人口数量不断增加。当然需要更好地了解该疾病的情况。目前已经有一些由专家组提出的治疗CVD患者的指导建议。由于当前医疗系统的负担问题，医生对每个患者仅能花费很少的时间。尽管目前存在大量指导建议，但不能指望医生能够针对每个患者按照指导建议制定方案。所以希望能够建立一个系统来辅助医生给出建议方案而不会增加额外的医疗开销。
本研究案例概述了一个称为REMIND系统的使用和部署情况，该系统发现需要系统中的紧急患者，能够更好地跟踪病人按照指导建议进行治疗。目前对每个患者存在两类主要的记录，财务记录和临床记录。财务记录用于付账。这些记录使用标准代码（例如，ICD-9）用于医生评价和药品处方。标准化有助于计算机系统能够直接获取这些记录的信息并方便地应用于数据挖掘过程。然而，由于各种原因，实际发现这些代码仅在60%-80%的情况下是准确的。原因之一是当在付账时使用这些代码时，尽管症状和药房这两个条件基本相同，但保险所支付的价格却存在差异。另外一种记录是临床记录。临床记录由无结构的文本信息构成。允许医生之间传输患者的情况和治疗方案。这些记录更准确，但是由自动化的计算机系统来使用却不太方便。
让医生和护士花费大量时间输入系统特别需要的其他数据是不可能的。为此，REMIND系统采用的方法是合并从各种可用的系统中获取的数据。包括从无结构的临床记录中获取的知识。REMIND系统获取所有当前可用的数据源，利用数据冗余获得患者的状态。例如，为确定患者是否有糖尿病，可使用下列数据：糖尿病账单代码250.xx，诊断糖尿病的文本描述，血糖值>300，使用胰岛素或口服降糖药治疗方案，或常见的糖尿病并发症等。随着相关信息不断获取，患者患有糖尿病的可能性不断增加。REMIND系统从所有可用的数据源获取信息，并在贝叶斯网络中合并。网络的各种输出与各种临时信息可用于发现预先定义的马尔可夫疾病发展模型的最可能状态顺序。贝叶斯网络的概率和结构利用了预先由专家提供的领域知识并且其部署是可调整的。最初由设计者说明的REMIND系设置和临时设置使系统执行高效。然而，在REMIND系统被大量分发前需要进行细致的参数调整工作。
……

规格参数

品牌

京东图书

品牌属地

中国

ISBN

9787302307143

开本

26.25

著者

[美]坎塔尔季奇（Mehmed Kantardzic）

出版社

清华大学出版社

印刷时间

2013-01-01

用纸

胶版纸

包装

平装

出版时间

2013-01-01

页数

403

译者

王晓海，吴志刚

语言

中文

版次

免责声明

产品价格、包装、规格等信息如有调整，恕不另行通知。我们尽量做到及时更新产品信息，但请以收到实物为准。使用产品前，请始终阅读产品随附的标签、警告及说明。

查看详情

扫码分享

加入收藏

{{ $isZh ? coupon.coupon_name_sub : coupon.coupon_ename_sub | formatCurrency }}

详情

数量

{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}

由京东图书销售

送至

满$69免运费

正品保证

查看详情

地区

已加入购物车

继续逛逛

为你推荐

优惠券

领取已领取已领完

即将过期： {{ formatTime(coupon.use_end_time) }}

分享给好友

取消

亚米礼卡专享价

使用礼卡支付即可获得礼卡专享价

规则说明

礼卡专享价是部分商品拥有的特殊优惠价格；

购买礼卡专享价商品时，若在结算时使用电子礼卡抵扣支付，且礼卡余额足够支付订单中所有礼卡专享价商品的专享价总和，则可以启用礼卡专享价；

不使用礼卡支付，或礼卡余额不满足上一条所述要求时，将无法启用礼卡专享价，按照普通售价计算，但您仍然可以购买这些商品；

在购买礼卡专享价商品时，若余额不足，可以在购物车或结算页中点击“充值”按钮对礼卡进行购买和充值；

商品若拥有礼卡专享价，会显示“专享”的特殊价格标记；

如有疑问，请随时联系客服；

礼卡专享价相关规则最终解释权归亚米所有。

由亚米销售

服务保障

满$49免运费

无忧退换

从美国发货

配送信息

美国

标准配送 $5.99（不包含阿拉斯加，夏威夷），最终价满$49免运费

本地配送$5.99(加州，纽约州，新泽西，麻省和宾夕法尼亚，以上州部分地区);最终价满$49免运费

两日达（包含阿拉斯加夏威夷）运费$19.99起

退换政策

亚米网希望为我们的客户提供最优秀的售后服务，让所有人都能放心在亚米购物。亚米自营商品在满足退换货条件的情况下，可在收到包裹的30天之内退换商品（食品因商品质量问题7天内可退换；为了确保每位客户都能获得安全和高质量的商品，对于美妆类产品，一经开封或使用即不提供退款或退货服务，质量问题除外；其他特殊商品需联系客服咨询）。
感谢您的理解和支持。

查看详情

由亚米销售

亚米电子礼品卡使用规则

若购买时选择自动充值，订单完成后礼卡将自动充值到您的账户中；

若购买时选择发送邮件，订单完成后系统将自动发送卡号和密码到您填写的邮箱；

发送邮件时，任何用户均可使用邮件中的卡号密码进行礼卡充值，请妥善保管邮件信息。

如接收邮件遇到问题，请联系客服处理；

发送邮件时，若礼卡没有被兑换，可以补发邮件。若已经被其他用户兑换，则无法补偿；

亚米网电子礼卡可用于购买自营或第三方商品；

亚米网电子礼卡没有有效期限制，长期有效；

亚米网电子礼卡的金额，可分多次使用；

亚米网电子礼卡业务规则，最终解释权归亚米网所有。

退换政策

已消费的电子礼卡不支持退款。

由京东图书销售

亚米发货

服务保障

满$49免运费

最优售后

美国本土发货

配送信息

美国

标准配送 $5.99（不包含阿拉斯加，夏威夷），最终价满$49免运费

本地配送$5.99(加州，纽约州，新泽西，麻省和宾夕法尼亚，以上州部分地区);最终价满$49免运费

两日达（包含阿拉斯加夏威夷）运费$19.99起

退换政策

提供30天内退还保障。产品需全新未使用原包装内，并附有购买凭据。产品质量问题、或错发漏发等,由商家造成的失误，将进行补发,或退款处理。其它原因需退货费用由客户自行承担。

由京东图书销售

亚米中国集运仓

服务保障

跨店满$69免运费

30天退换保障

亚米-中国集运仓

由亚米从中国精选并集合各大优秀店铺的商品至亚米中国整合中心，合并包裹后将一次合包跨国邮寄至您的地址。跨店铺包邮门槛低至$69。您将在多商家集合提供的广泛选品中选购商品，轻松享受跨店铺包邮后的低邮费。

退换政策

提供30天内退换保障。产品需在全新未使用的原包装内，并附有购买凭据。产品质量问题、错发、或漏发等由商家造成的失误，将进行退款处理。其它原因造成的退换货邮费客户将需要自行承担。由于所有商品均长途跋涉，偶有简易外包压磨等但不涉及内部质量问题者，不予退换。

配送信息

亚米中国集运 Consolidated Shipping 运费$9.99（订单满$69 包邮）

下单后2个工作日中国商家发货，所有包裹抵达亚米中国整合中心（除特别情况及中国境内个别法定节假日外）会合并包裹后通过UPS发往美国。UPS从中国发货后到美国境内的平均时间为10个工作日左右，根据直发单号可随时跟踪查询。受疫情影响，目前物流可能延迟5天左右。包裹需要客人签收。如未签收，客人须承担包裹丢失风险。

由京东图书销售

服务保障

满$69免运费

正品保证

配送信息

Yami Consolidated Shipping 运费$9.99（订单满$69包邮）

下单后1-2个工作日内发货。物流时效预计7-15个工作日。如遇清关，交货时间将延长3-7天。最终收货日期以邮政公司信息为准。

积分规则

不参加任何折扣活动以及亚米会员积分制度。

退换政策

转盘抽奖

下载亚米应用

意见反馈

返回顶部

评论{{'('+ commentList.posts_count + ')'}}

分享你的感受，帮助更多用户做出选择。

写评论

{{i}}星

{{i}}星

{{ parseInt(commentRatingList[i]) }}%

{{ showTranslate(comment) }}收起

{{ strLimit(comment,800) }}查看全部

Show Original

{{ formatTime(comment.in_dtm) }} 已购买 {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}

{{ showTranslate(comment) }}收起

{{ strLimit(comment,800) }}查看全部

Show Original

{{ formatTime(comment.in_dtm) }} 已购买 {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}

暂无符合条件的评论

更多评论

评论详情

{{ showTranslate(commentDetails) }}收起

{{ strLimit(commentDetails,800) }}查看全部

Show Original

{{ formatTime(commentDetails.in_dtm) }} 已购买 {{groupData}}

请输入内容

回复{{'(' + replyList.length + ')'}}

{{ reply.reply_user_name }}回复{{ reply.parent_user_name }}

{{ showTranslate(reply) }}收起

{{ strLimit(reply,800) }}查看全部

Show Original

请输入内容

取消

End

发表评论

商品评分

请输入评论

一个好的昵称，会让你的评论更受欢迎！
修改了这里的昵称，个人资料中的昵称也将被修改。

感谢你的评论

你的好评可以帮助我们的社区发现更好的亚洲商品。