数据挖掘

大嘴巴漫谈数据挖掘 PDF

资源名称:大嘴巴漫谈数据挖掘 内容简介: 《大嘴巴漫谈数据挖掘(全彩)》从最基本的概率统计学开始,全面、系统、形象而又深入地描述了数据挖掘的基础概念、应用领域以及常用算法。其中每一种数据挖掘算法都辅以通俗易懂的实例,读者能够在直观性、趣味性中学习算法的具体流程,明白算法的实现过程。通过《大嘴巴漫谈数据挖掘(全彩)》的学习,读者可以对数据挖掘的概念、应用和算法技术有一个清晰的理解和认识,并可以熟悉相关统计学的基本原理。 《大嘴巴漫谈数据挖掘(全彩)》适合想从事数据挖掘方面的工作的初学者、数据分析爱好者、分析

可视化数据挖掘:数据可视化和数据挖掘的技术与工具

资源名称:可视化数据挖掘:数据可视化和数据挖掘的技术与工具 内容简介: 本书描述了可视化数据挖掘技术,以及可视化数据挖掘技术能够解决的商业问题。在介绍了业务问题和基本原理后,以一个完整的实例逐步讲解如何利用可视化数据挖掘技术实施商业智能项目的方法。 资源目录: 第 章 数据可视化和可视化数据挖掘介绍 第 章 步骤 :验证和规划数据可视化和数据挖掘项目 第 章 步骤 :识别关键的业务问题 第 章 步骤 :选择业务数据集 第 章 步骤 :转换业务数据集 第 章 步骤 :验证业务数据集 第 章 步骤 :选择可视

数据挖掘基础学习教材汇总_数据库教程

教程名称:数据挖掘基础学习教材汇总 课程目录: 【 教程网】动态数据挖掘研究 【 教程网】数据挖掘入门 【 教程网】数据挖掘应用 【 教程网】数据挖掘教程 【 教程网】数据挖掘概念与技术 【 教程网】数据挖掘算法 【 教程网】数据挖掘综述

数据挖掘实用机器学习技术(中文第二版)_数据库教程

资源名称:数据挖掘实用机器学习技术 中文第二版 内容简介: 《数据挖掘实用机器学习技术 原书第 版 》介绍数据挖掘的基本理论与实践方法。主要内容包括:各种模型 决策树、关联规则、线性模型、聚类、贝叶斯网以及神经网络 以及在实践中的运用,所存在缺陷的分析。安全地清理数据集、建立以及评估模型的预测质量的方法,并且提供了一个公开的数据挖掘工作平台 。 系统拥有进行数据挖掘任务的图形用户界面,有助于理解模型,是一个实用并且深受欢迎的工具。 资源截图:

量化投资 数据挖掘技术与实践(MATLAB版) 完整版pdf

资源名称:量化投资 数据挖掘技术与实践 版 完整版 第一篇基础篇第 章绪论 量化投资与数据挖掘的关系 什么是量化投资 量化投资的特点 量化投资的核心 量化模型 量化模型的主要产生方法 数据挖掘 数据挖掘的概念和原理 什么是数据挖掘 数据挖掘的原理 数据挖掘在量化投资中的应用 宏观经济分析 估价 量化选股 量化择时 算法交易 本章小结 参考文献 第 章数据挖掘的内容、过程及工具 数据挖掘的内容 关联 回归 分类 聚类 预测 诊断 数据挖据过程 数据挖掘过程概述 挖掘目标的定义 数据的准备 数据的探索 模型的

基于R语言数据挖掘的统计与分析 韦鹏程 完整pdf_数据库教程

资源名称:基于 语言数据挖掘的统计与分析 韦鹏程 完整 语言作为如今热门的编程语言之一,它由统计学家开发,在解决数据分析问题时具有先天优势。它是一门新兴的语言,掌握它,就是掌握了一门高校的数据分析软件。随着大数据的轰炸, 语言的功能越来越丰富,越来越多的人对 语言产生了兴趣。 语言的特点主要是开源性、全面性、操作简便性、可扩展性等。《基于 语言数据挖掘的统计与分析》的编写是为了让对 语言有兴趣的读者能更加了解 语言,了解大数据时代的数据挖掘等。 本书分十章,内容包括:大数据时代数据挖掘; 语言数据挖掘的起

数据挖掘 R语言实战

资源名称:数据挖掘 语言实战 内容简介: 数据挖掘技术是当下大数据时代最关键的技术,其应用领域及前景不可估量。 是一款极其优秀的统计分析和数据挖掘软件,《数据挖掘: 语言实战》侧重使用 进行数据挖掘,重点讲述了 的数据挖掘流程、算法包的使用及相关工具的应用,同时结合大量精选的数据挖掘实例对 软件进行深入潜出和全面的介绍,以便读者能深刻理解 的精髓并能快速、高效和灵活地掌握使用 进行数据挖掘的技巧。 通过《数据挖掘: 语言实战》,读者不仅能掌握使用 及相关的算法包来快速解决实际问题的方法,而且能得到从实际问

R语言与数据挖掘最佳实践和经典案例

资源名称: 语言与数据挖掘最佳实践和经典案例 内容简介: 【内容简介】 数据挖掘技术已经广泛用于政府机关、银行、保险、零售、电信、医药和研究领域。最近,越来越多的数据挖掘工作开始使用 工具来完成, 是一个用于统计计算和制图的免费软件。在最近的调查中, 已经被评为数据挖掘领域最流行的工具。本书介绍将 语言用于数据挖掘应用(从学术研究到工业应用),从大量数据中提取出有用知识的各种实用方法。 本书面向数据挖掘领域的研究人员、数据挖掘方向的研究生,以及数据挖掘工程师和分析师,对于学习数据挖掘课程的学生来说具有巨大