图书介绍
数据挖掘 方法与应用 应用案例PDF|Epub|txt|kindle电子书版本网盘下载
![数据挖掘 方法与应用 应用案例](https://www.shukui.net/cover/53/30476094.jpg)
- 徐华编著 著
- 出版社: 北京:清华大学出版社
- ISBN:9787302472117
- 出版时间:2017
- 标注页数:178页
- 文件大小:16MB
- 文件页数:190页
- 主题词:数据采集-高等学校-教材
PDF下载
下载说明
数据挖掘 方法与应用 应用案例PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!
(文件页数 要大于 标注页数,上中下等多册电子书除外)
注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1 本书背景1
1.2 数据挖掘应用概述2
1.3 本书的主要内容安排4
1.4 小结5
第2章 基于GPS信息的出租车行车轨迹数据挖掘6
2.1 概述6
2.2 出租车GPS数据挖掘问题描述6
2.3 基于GPS数据的出租车轨迹挖掘与分析9
2.4 挖掘任务点评30
2.5 小结31
第3章 NBA比赛结果预测32
3.1 问题背景32
3.2 数据采集33
3.2.1 数据来源33
3.2.2 数据采集方法33
3.2.3 原始数据34
3.3 挖掘方法36
3.3.1 挖掘的目标与实现思路36
3.3.2 预测特征选取37
3.4 分类和预测方法38
3.5 预测结果的分析和对比39
3.5.1 使用球队平均数据预测比赛结果39
3.5.2 使用球队近期数据预测比赛结果40
3.6 挖掘任务点评43
3.7 小结43
参考文献44
第4章 大型商业银行后台运维数据故障分析46
4.1 概述46
4.1.1 应用背景46
4.1.2 主要研发内容49
4.2 相关方法回顾51
4.2.1 主成分分析法51
4.2.2 前向特征选择法52
4.2.3 随机森林方法52
4.3 交易超时故障预测方法设计与实现54
4.3.1 问题定义54
4.3.2 工作流程55
4.3.3 数据预处理55
4.3.4 降维处理61
4.3.5 预测模型62
4.3.6 防范模型63
4.3.7 评价方法64
4.4 综合系统的设计与实现65
4.4.1 系统框架65
4.4.2 数据预处理模块65
4.4.3 随机森林模块66
4.4.4 展示模块67
4.4.5 最终效果模块67
4.5 结果分析与评价69
4.5.1 实验数据69
4.5.2 交易故障预测相关实验70
4.6 挖掘任务点评75
4.7 小结76
4.7.1 总结76
4.7.2 展望77
参考文献77
第5章 RNA排序预测80
5.1 概述80
5.2 研发现状81
5.2.1 内部核糖体进入位点的数据挖掘研发现状81
5.2.2 冷冻电镜图像蛋白质颗粒挑选研究现状84
5.3 工作设计与实现86
5.3.1 基本的设计框架与实现思路86
5.3.2 核心挖掘模型设计与实现91
5.4 应用实现94
5.4.1 实现程序与功能94
5.4.2 数据挖掘分析结果展示95
5.5 操作说明98
5.6 挖掘任务点评98
5.7 小结99
参考文献100
第6章 “乐学”微信公众号关注趋势分析101
6.1 前言101
6.1.1 研究背景101
6.1.2 数据来源102
6.1.3 数据预处理102
6.1.4 研究思路103
6.2 平台发展现状104
6.2.1 平台用户特性105
6.2.2 平台传播状态108
6.2.3 便捷操作发展状况113
6.3 推送发展模式探究119
6.3.1 成功推送案例分析120
6.3.2 理想发展模式探究123
6.3.3 不同模式下的平台关注量预测123
6.3.4 推送发展的改进思路126
6.4 便捷操作功能探究127
6.4.1 用户使用习惯分析127
6.4.2 便捷操作功能的改进思路128
6.5 挖掘任务点评129
6.6 小结130
参考文献130
第7章 保险行业客户特征识别131
7.1 概述131
7.2 数据挖掘问题描述133
7.2.1 问题背景133
7.2.2 关于数据集133
7.3 保险客户特征识别与分析134
7.3.1 数据预处理134
7.3.2 挖掘与分析结果145
7.4 挖掘任务点评148
7.5 小结150
参考文献150
第8章 电力系统不良数据辨识案例分析155
8.1 概述155
8.1.1 电力系统不良数据辨识155
8.1.2 数据介绍156
8.2 研究内容157
8.2.1 基于GSA的k-means聚类157
8.2.2 基于有效指数的k-means聚类164
8.2.3 模糊C-means聚类168
8.3 总结分析171
8.3.1 不良数据辨识结果对比171
8.3.2 不良数据分析173
8.4 挖掘任务点评175
8.5 小结175
第9章 总结177