數(shù)據(jù)挖掘：方法與應(yīng)用（應(yīng)用案例）

定　價(jià)：￥19.00

作　者：	徐華著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	清華大學(xué)計(jì)算機(jī)系列教材
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787302472117	出版時(shí)間：	2017-08-01	包裝：	平裝
開(kāi)本：	32開(kāi)	頁(yè)數(shù)：	178	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《數(shù)據(jù)挖掘：方法與應(yīng)用-應(yīng)用案例/清華大學(xué)計(jì)算機(jī)系列教材》主要以作者近五年在清華大學(xué)開(kāi)展數(shù)據(jù)挖掘應(yīng)用研究和教學(xué)工作為基礎(chǔ)，從所指導(dǎo)的多個(gè)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(shí)施思路，展示了在不同行業(yè)領(lǐng)域開(kāi)展數(shù)據(jù)挖掘與分析工作的實(shí)際過(guò)程。《數(shù)據(jù)挖掘：方法與應(yīng)用-應(yīng)用案例/清華大學(xué)計(jì)算機(jī)系列教材》可作為高等院校學(xué)生學(xué)習(xí)數(shù)據(jù)挖掘的參考讀物，同時(shí)可供工程技術(shù)人員開(kāi)展數(shù)據(jù)挖掘與分析工作時(shí)參考。

作者簡(jiǎn)介

　　徐華，博士，1998年獲得西安交通大學(xué)計(jì)算機(jī)專業(yè)學(xué)士學(xué)位；2003年獲得清華大學(xué)計(jì)算機(jī)應(yīng)用技術(shù)專業(yè)博士學(xué)位；現(xiàn)為清華大學(xué)計(jì)算機(jī)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(jī)器人智能控制等。作為項(xiàng)目負(fù)責(zé)人、首席技術(shù)專家或研發(fā)骨干，負(fù)責(zé)完成國(guó)家科技重大專項(xiàng)課題3項(xiàng)，國(guó)家自然科學(xué)基金項(xiàng)目4項(xiàng)，國(guó)家973項(xiàng)目二級(jí)課題2項(xiàng)，國(guó)家863項(xiàng)目（課題）5項(xiàng)，國(guó)際500強(qiáng)企業(yè)（寶潔、西門(mén)子、安捷倫等）合作項(xiàng)目13項(xiàng)。目前已在本專業(yè)領(lǐng)域期刊和會(huì)議上發(fā)表學(xué)術(shù)論文97篇；編寫(xiě)教材2本，參與編寫(xiě)學(xué)術(shù)專著2部。作為第1完成人獲得國(guó)家發(fā)明專利16項(xiàng)，國(guó)際PCT發(fā)明專利4項(xiàng)，軟件著作權(quán)15項(xiàng)。作為清華方面的第1完成人，獲得國(guó)家科技進(jìn)步二等獎(jiǎng)1項(xiàng)，北京市科學(xué)技術(shù)一等獎(jiǎng)、二等獎(jiǎng)和三等獎(jiǎng)各1項(xiàng)，重慶市科學(xué)技術(shù)三等獎(jiǎng)1項(xiàng)，行業(yè)協(xié)會(huì)科學(xué)技術(shù)一等獎(jiǎng)2項(xiàng)等。

圖書(shū)目錄

第1章緒論
1．1 本書(shū)背景
1．2 數(shù)據(jù)挖掘應(yīng)用概述
1．3 本書(shū)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(chē)行車(chē)軌跡數(shù)據(jù)挖掘
2．1 概述
2．2 出租車(chē)GPS數(shù)據(jù)挖掘問(wèn)題描述
2．3 基于GPS數(shù)據(jù)的出租車(chē)軌跡挖掘與分析
2．4 挖掘任務(wù)點(diǎn)評(píng)
2．5 小結(jié)

第3章 NBA比賽結(jié)果預(yù)測(cè)
3．1 問(wèn)題背景
3．2 數(shù)據(jù)采集
3．2．1 數(shù)據(jù)來(lái)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(biāo)與實(shí)現(xiàn)思路
3．3．2 預(yù)測(cè)特征選取
3．4 分類和預(yù)測(cè)方法
3．5 預(yù)測(cè)結(jié)果的分析和對(duì)比
3．5．1 使用球隊(duì)平均數(shù)據(jù)預(yù)測(cè)比賽結(jié)果
3．5．2 使用球隊(duì)近期數(shù)據(jù)預(yù)測(cè)比賽結(jié)果
3．6 挖掘任務(wù)點(diǎn)評(píng)
3．7 小結(jié)
參考文獻(xiàn)

第4章大型商業(yè)銀行后臺(tái)運(yùn)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(jī)森林方法
4．3 交易超時(shí)故障預(yù)測(cè)方法設(shè)計(jì)與實(shí)現(xiàn)
4．3．1 問(wèn)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(cè)模型
4．3．6 防范模型
4．3．7 評(píng)價(jià)方法
4．4 綜合系統(tǒng)的設(shè)計(jì)與實(shí)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(jī)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(píng)價(jià)
4．5．1 實(shí)驗(yàn)數(shù)據(jù)
4．5．2 交易故障預(yù)測(cè)相關(guān)實(shí)驗(yàn)
4．6 挖掘任務(wù)點(diǎn)評(píng)
4．7 小結(jié)
4．7．1 總結(jié)
4．7．2 展望
參考文獻(xiàn)

第5章 RNA排序預(yù)測(cè)
5．1 概述
5．2 研發(fā)現(xiàn)狀
5．2．1 內(nèi)部核糖體進(jìn)入位點(diǎn)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(jì)與實(shí)現(xiàn)
5．3．1 基本的設(shè)計(jì)框架與實(shí)現(xiàn)思路
5．3．2 核心挖掘模型設(shè)計(jì)與實(shí)現(xiàn)
5．4 應(yīng)用實(shí)現(xiàn)
5．4．1 實(shí)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(shuō)明
5．6 挖掘任務(wù)點(diǎn)評(píng)
5．7 小結(jié)
參考文獻(xiàn)

第6章 “樂(lè)學(xué)”微信公眾號(hào)關(guān)注趨勢(shì)分析
6．1 前言
6．1．1 研究背景
6．1．2 數(shù)據(jù)來(lái)源
6．1．3 數(shù)據(jù)預(yù)處理
6．1．4 研究思路
6．2 平臺(tái)發(fā)展現(xiàn)狀
6．2．1 平臺(tái)用戶特性
6．2．2 平臺(tái)傳播狀態(tài)
6．2．3 便捷操作發(fā)展?fàn)顩r
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(tái)關(guān)注量預(yù)測(cè)
6．3．4 推送發(fā)展的改進(jìn)思路
6．4 便捷操作功能探究
6．4．1 用戶使用習(xí)慣分析
6．4．2 便捷操作功能的改進(jìn)思路
6．5 挖掘任務(wù)點(diǎn)評(píng)
6．6 小結(jié)
參考文獻(xiàn)

第7章保險(xiǎn)行業(yè)客戶特征識(shí)別
7．1 概述
7．2 數(shù)據(jù)挖掘問(wèn)題描述
7．2．1 問(wèn)題背景
7．2．2 關(guān)于數(shù)據(jù)集
7．3 保險(xiǎn)客戶特征識(shí)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(diǎn)評(píng)
7．5 小結(jié)
參考文獻(xiàn)

第8章電力系統(tǒng)不良數(shù)據(jù)辨識(shí)案例分析
8．1 概述
8．1．1 電力系統(tǒng)不良數(shù)據(jù)辨識(shí)
8．1．2 數(shù)據(jù)介紹
8．2 研究?jī)?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(shí)結(jié)果對(duì)比
8．3．2 不良數(shù)據(jù)分析
8．4 挖掘任務(wù)點(diǎn)評(píng)
8．5 小結(jié)

第9章總結(jié)