數(shù)據(jù)挖掘：方法與應(yīng)用（應(yīng)用案例）

定　價：￥19.00

作　者：	徐華著
出版社：	清華大學出版社
叢編項：	清華大學計算機系列教材
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302472117	出版時間：	2017-08-01	包裝：	平裝
開本：	32開	頁數(shù)：	178	字數(shù)：

內(nèi)容簡介

　　《數(shù)據(jù)挖掘：方法與應(yīng)用-應(yīng)用案例/清華大學計算機系列教材》主要以作者近五年在清華大學開展數(shù)據(jù)挖掘應(yīng)用研究和教學工作為基礎(chǔ)，從所指導(dǎo)的多個數(shù)據(jù)挖掘與分析的應(yīng)用案例中精選出包括交通、體育、金融、生物信息、社交網(wǎng)絡(luò)、電力等領(lǐng)域代表性的數(shù)據(jù)挖掘與分析案例，結(jié)合基本的數(shù)據(jù)挖掘應(yīng)用實施思路，展示了在不同行業(yè)領(lǐng)域開展數(shù)據(jù)挖掘與分析工作的實際過程?！稊?shù)據(jù)挖掘：方法與應(yīng)用-應(yīng)用案例/清華大學計算機系列教材》可作為高等院校學生學習數(shù)據(jù)挖掘的參考讀物，同時可供工程技術(shù)人員開展數(shù)據(jù)挖掘與分析工作時參考。

作者簡介

　　徐華，博士，1998年獲得西安交通大學計算機專業(yè)學士學位；2003年獲得清華大學計算機應(yīng)用技術(shù)專業(yè)博士學位；現(xiàn)為清華大學計算機系副教授，博士生導(dǎo)師。主要研究興趣領(lǐng)域包括：網(wǎng)絡(luò)文本數(shù)據(jù)挖掘、智能信息處理和機器人智能控制等。作為項目負責人、首席技術(shù)專家或研發(fā)骨干，負責完成國家科技重大專項課題3項，國家自然科學基金項目4項，國家973項目二級課題2項，國家863項目（課題）5項，國際500強企業(yè)（寶潔、西門子、安捷倫等）合作項目13項。目前已在本專業(yè)領(lǐng)域期刊和會議上發(fā)表學術(shù)論文97篇；編寫教材2本，參與編寫學術(shù)專著2部。作為第1完成人獲得國家發(fā)明專利16項，國際PCT發(fā)明專利4項，軟件著作權(quán)15項。作為清華方面的第1完成人，獲得國家科技進步二等獎1項，北京市科學技術(shù)一等獎、二等獎和三等獎各1項，重慶市科學技術(shù)三等獎1項，行業(yè)協(xié)會科學技術(shù)一等獎2項等。

圖書目錄

第1章緒論
1．1 本書背景
1．2 數(shù)據(jù)挖掘應(yīng)用概述
1．3 本書的主要內(nèi)容安排
1．4 小結(jié)

第2章基于GPS信息的出租車行車軌跡數(shù)據(jù)挖掘
2．1 概述
2．2 出租車GPS數(shù)據(jù)挖掘問題描述
2．3 基于GPS數(shù)據(jù)的出租車軌跡挖掘與分析
2．4 挖掘任務(wù)點評
2．5 小結(jié)

第3章 NBA比賽結(jié)果預(yù)測
3．1 問題背景
3．2 數(shù)據(jù)采集
3．2．1 數(shù)據(jù)來源
3．2．2 數(shù)據(jù)采集方法
3．2．3 原始數(shù)據(jù)
3．3 挖掘方法
3．3．1 挖掘的目標與實現(xiàn)思路
3．3．2 預(yù)測特征選取
3．4 分類和預(yù)測方法
3．5 預(yù)測結(jié)果的分析和對比
3．5．1 使用球隊平均數(shù)據(jù)預(yù)測比賽結(jié)果
3．5．2 使用球隊近期數(shù)據(jù)預(yù)測比賽結(jié)果
3．6 挖掘任務(wù)點評
3．7 小結(jié)
參考文獻

第4章大型商業(yè)銀行后臺運維數(shù)據(jù)故障分析
4．1 概述
4．1．1 應(yīng)用背景
4．1．2 主要研發(fā)內(nèi)容
4．2 相關(guān)方法回顧
4．2．1 主成分分析法
4．2．2 前向特征選擇法
4．2．3 隨機森林方法
4．3 交易超時故障預(yù)測方法設(shè)計與實現(xiàn)
4．3．1 問題定義
4．3．2 工作流程
4．3．3 數(shù)據(jù)預(yù)處理
4．3．4 降維處理
4．3．5 預(yù)測模型
4．3．6 防范模型
4．3．7 評價方法
4．4 綜合系統(tǒng)的設(shè)計與實現(xiàn)
4．4．1 系統(tǒng)框架
4．4．2 數(shù)據(jù)預(yù)處理模塊
4．4．3 隨機森林模塊
4．4．4 展示模塊
4．4．5 最終效果模塊
4．5 結(jié)果分析與評價
4．5．1 實驗數(shù)據(jù)
4．5．2 交易故障預(yù)測相關(guān)實驗
4．6 挖掘任務(wù)點評
4．7 小結(jié)
4．7．1 總結(jié)
4．7．2 展望
參考文獻

第5章 RNA排序預(yù)測
5．1 概述
5．2 研發(fā)現(xiàn)狀
5．2．1 內(nèi)部核糖體進入位點的數(shù)據(jù)挖掘研發(fā)現(xiàn)狀
5．2．2 冷凍電鏡圖像蛋白質(zhì)顆粒挑選研究現(xiàn)狀
5．3 工作設(shè)計與實現(xiàn)
5．3．1 基本的設(shè)計框架與實現(xiàn)思路
5．3．2 核心挖掘模型設(shè)計與實現(xiàn)
5．4 應(yīng)用實現(xiàn)
5．4．1 實現(xiàn)程序與功能
5．4．2 數(shù)據(jù)挖掘分析結(jié)果展示
5．5 操作說明
5．6 挖掘任務(wù)點評
5．7 小結(jié)
參考文獻

第6章 “樂學”微信公眾號關(guān)注趨勢分析
6．1 前言
6．1．1 研究背景
6．1．2 數(shù)據(jù)來源
6．1．3 數(shù)據(jù)預(yù)處理
6．1．4 研究思路
6．2 平臺發(fā)展現(xiàn)狀
6．2．1 平臺用戶特性
6．2．2 平臺傳播狀態(tài)
6．2．3 便捷操作發(fā)展狀況
6．3 推送發(fā)展模式探究
6．3．1 成功推送案例分析
6．3．2 理想發(fā)展模式探究
6．3．3 不同模式下的平臺關(guān)注量預(yù)測
6．3．4 推送發(fā)展的改進思路
6．4 便捷操作功能探究
6．4．1 用戶使用習慣分析
6．4．2 便捷操作功能的改進思路
6．5 挖掘任務(wù)點評
6．6 小結(jié)
參考文獻

第7章保險行業(yè)客戶特征識別
7．1 概述
7．2 數(shù)據(jù)挖掘問題描述
7．2．1 問題背景
7．2．2 關(guān)于數(shù)據(jù)集
7．3 保險客戶特征識別與分析
7．3．1 數(shù)據(jù)預(yù)處理
7．3．2 挖掘與分析結(jié)果
7．4 挖掘任務(wù)點評
7．5 小結(jié)
參考文獻

第8章電力系統(tǒng)不良數(shù)據(jù)辨識案例分析
8．1 概述
8．1．1 電力系統(tǒng)不良數(shù)據(jù)辨識
8．1．2 數(shù)據(jù)介紹
8．2 研究內(nèi)容
8．2．1 基于GSA的k-means聚類
8．2．2 基于有效指數(shù)的k-means聚類
8．2．3 模糊C-means聚類
8．3 總結(jié)分析
8．3．1 不良數(shù)據(jù)辨識結(jié)果對比
8．3．2 不良數(shù)據(jù)分析
8．4 挖掘任務(wù)點評
8．5 小結(jié)

第9章總結(jié)