注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學(xué)技術(shù)計算機/網(wǎng)絡(luò)數(shù)據(jù)庫醫(yī)學(xué)數(shù)據(jù)挖掘(SQL Server2005案例分析)

醫(yī)學(xué)數(shù)據(jù)挖掘(SQL Server2005案例分析)

醫(yī)學(xué)數(shù)據(jù)挖掘(SQL Server2005案例分析)

定 價:¥18.00

作 者: 周怡,等 編
出版社: 中國鐵道出版社
叢編項: 全國高等醫(yī)藥類院校計算機規(guī)劃教材
標 簽: 暫缺

購買這本書可以去


ISBN: 9787113087999 出版時間: 2008-06-01 包裝: 平裝
開本: 16開 頁數(shù): 146 字數(shù):  

內(nèi)容簡介

  《全國高等醫(yī)藥類院校計算機規(guī)劃教材:醫(yī)學(xué)數(shù)據(jù)挖掘(SQL Server2005案例分析)》是一本很值得一讀的醫(yī)學(xué)案例數(shù)據(jù)挖掘教材,較全面地介紹了醫(yī)學(xué)數(shù)據(jù)挖掘的基本任務(wù)、方法及數(shù)據(jù)挖掘技術(shù)及基于SQL Server 2005的醫(yī)學(xué)實踐。全書共7章,內(nèi)容涵蓋核心的數(shù)據(jù)挖掘技術(shù),包括:決策樹算法、回歸與時序算法、人工神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則和聚類分析。此外,還提供了醫(yī)學(xué)數(shù)據(jù)挖掘的最佳實踐方法論,介紹了SQL Server 2005中數(shù)據(jù)挖掘的功能,并且對這些功能結(jié)合醫(yī)學(xué)實例作了較為詳細的講述。在附錄中還提供了SQL Server 2005的安裝方法。通過學(xué)習(xí)《全國高等醫(yī)藥類院校計算機規(guī)劃教材:醫(yī)學(xué)數(shù)據(jù)挖掘(SQL Server2005案例分析)》,讀者能理解數(shù)據(jù)挖掘的重要性并學(xué)會如何實踐數(shù)據(jù)挖掘。

作者簡介

暫缺《醫(yī)學(xué)數(shù)據(jù)挖掘(SQL Server2005案例分析)》作者簡介

圖書目錄

第1章 醫(yī)學(xué)數(shù)據(jù)挖掘概述
1.1 數(shù)據(jù)挖掘概念
1.1.1 數(shù)據(jù)挖掘的產(chǎn)生
1.1.2 數(shù)據(jù)挖掘的定義
1.2 數(shù)據(jù)挖掘的任務(wù)
1.3 數(shù)據(jù)挖掘技術(shù)
1.4 數(shù)據(jù)挖掘工具——SQL Server 2005
1.5數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)領(lǐng)域中的應(yīng)用特點、現(xiàn)狀及展望
本章小結(jié)
習(xí)題
第2章 數(shù)據(jù)挖掘方法和最佳實踐
2.1 為什么需要方法論
2.1.1 獲取不真實的知識
2.1.2 獲取真實但無用的知識
2.2 假設(shè)測試
2.3 數(shù)據(jù)挖掘的方法
本章小結(jié)
習(xí)題
第3章 決策樹
3.1 決策樹的概念
3.2 決策樹算法的基本原理
3.2.1 ID3算法
3.2.2 ID3算法的特點和面臨的問題
3.2.3 樹枝修剪
3.2.4 其他決策樹算法
3.3 利用Microsoft SQL Server 2005實踐決策樹算法
3.3.1 案例背景
3.3.2 Microsoft SQL Server 2005 Analysis Services操作步驟
本章小結(jié)
習(xí)題
第4章 回歸與時序算法
4.1 算法介紹
4.2 回歸分析
4.2.1 一元線性回歸分析
4.2.2 多元線性回歸分析
4.2.3 非線性回歸分析
4.3 時間序列分析
4.3.1 確定性時間序列分析方法
4.3.2 隨機時間序列分析
4.4 利用Microsoft SQL Server 2005實踐回歸與時序分析
4.4.1 案例背景
4.4.2 Microsoft SQL Server 2005 Analysis Services操作步驟
本章小結(jié)
習(xí)題
第5章 人工神經(jīng)網(wǎng)絡(luò)
5.1 人工神經(jīng)網(wǎng)絡(luò)簡介
5.2 人工神經(jīng)網(wǎng)絡(luò)建模基礎(chǔ)
5.2.1 生物神經(jīng)網(wǎng)絡(luò)
5.2.2 人工神經(jīng)元
5.2.3 M.P模型
5.2.4 人工神經(jīng)網(wǎng)絡(luò)分類
5.2.5 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
5.3 感知器神經(jīng)網(wǎng)絡(luò)
5.3.1 單層感知器
5.3.2 多層感知器
5.3.3 誤差反傳(BP)算法
5.4 利用Microsoft SQL Servet 2005實踐神經(jīng)網(wǎng)絡(luò)算法
5.4.1 案例背景
5.4.2 Microsoft SQL Server 2005 Analysis Services操作步驟
本章小結(jié)
習(xí)題
第6章 關(guān)聯(lián)規(guī)則
6.1 關(guān)聯(lián)規(guī)則概述
6.2 關(guān)聯(lián)規(guī)則算法
6.2.1 單維布爾關(guān)聯(lián)規(guī)則挖掘
6.2.2 多層關(guān)聯(lián)規(guī)則挖掘
6.2.3 多維關(guān)聯(lián)規(guī)則挖掘
6.3 利用Microsoft SQL Server 2005實踐關(guān)聯(lián)規(guī)則算法
6.3.1 案例背景
6.3.2 Microsoft SQL Server 2005 Analysis Setvices操作步驟
本章小結(jié)
習(xí)顥
第7章 聚類分析
7.1 聚類分析相關(guān)概念及其分類
7.1.1 相似性測量
7.1.2 聚類分析算法簡介
7.2 k-Means算法
7.3 EM算法
7.4 利用Microsoft SQL Serlver 2005實踐聚類分析算法
7.4.1 案例背景
7.4.2 Microsoft SQL Server 2005 Analysis Setvices操作步驟
本章小結(jié)
習(xí)題
附錄A SQL Server 2005數(shù)據(jù)庫的安裝
附錄B 數(shù)據(jù)挖掘模擬試題(一)
附錄C 數(shù)據(jù)挖掘模擬試題(二)
參考文獻

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號