数据挖掘导论韩家炜 数据挖掘导论的数据挖掘导论(英文版)

数据挖掘导论的本书特色 ·与许多其他同类图书不同，本书将重点放在如何用数据挖掘知识解决各种实际问题。只要求具备很少的预备知识—不需要数据库背景，只需要很少的统计学或数学背景知识。书中包含大量的图表、综合示例和丰富的习题，并且使用示例、关键算法的简洁描述和习题，尽可能直接地聚集于数据挖掘的主要概念。教辅内容极为丰富，包括课程幻灯片、学生课题建议、数据挖掘资源（如数据挖掘算法和数据集）、联机指南（使用实际的数据集和数据分析软件，为本书介绍的部分数据挖掘技术提供例子讲解）。为采用本书作为教材的教师提供习题解答。数据挖掘方面的经典书籍有什么？ 有两本比较基础的书，属于经典教材，当然难度不算深，不过内容比较全面而且讲解很细，适合初学者使用1、数据挖掘导论，[美]Pang-Ning Tan，Michael Steinbach，Vipin Kumar 著，译者：范明 范宏建，人民邮电出版社2、数据挖掘：概念与技术，作者：（加）韩家炜，堪博 著，范明，孟小峰 译，机械工业出版社因为都是中文版，阅读起来基本没有障碍，而且这两个出版社也是计算机领域的传统出版社了，质量还是很能保证的商业数据挖掘导论中的集聚营销的含义 集聚营销的含义集聚营销，即集聚经济集聚经济（Agglomerative economies），经济学认为，集聚经济是指各种产业和经济活动在空间上集中产生的经济效果以及吸引经济活动向一定地区靠近的向心力，是导致城市形成和不断扩大的基本因素。经济地理学认为集聚效果产生经济集聚，集聚效果是指在社会经济活动中，有关生产和服务职能在地域上集中产生的经济和社会效果。都强调规模经济以及外部经济是实现的基本途径。集聚经济或集聚效果通过规模经济与外部经济产生了集聚，过度集聚产生集聚不经济导致扩散。这固然是正确的，但是对于集聚与扩散空间过程的机理，以及由此产生的空间(过程)类型及其对区域(城市)发展的意义，集聚经济与集聚不经济的关系等缺乏相应的研究。所以集聚经济包括企业规模经济、产业规模扩大以及地方规模的形成。必须考察与此紧密相关的规模经济、范围经济和外部经济。数据挖掘导论的数据挖掘导论(英文版) 作 者：[美]Pang-Ning Tan，Michael Steinbach，Vipin Kumar 著出 版 社：人民邮电出版社出版时间：2006-1-1字 数：713000版 次：1页 数：516纸 张：胶版纸I S B N：9787115141446包 装：平装所属分类：图书>；>；计算机/网络>；>；数据库>；>；数据仓库与数据挖掘定价：￥59.00数据挖掘 概念与技术 数据挖掘导论 哪本好 数据挖掘导论适合新手入门，我个人比较推荐；数据挖掘概念与技术比较深，新手不容易懂，其实这本书的名气更大。百度文库里面的那个数据挖掘导论PDF，叫什么名字，作者是谁 《数据挖掘导论》由人民邮电出版社出版，[美]作者Pang-Ning Tan，Michael Steinbach，Vipin Kumar 合著。该书全面介绍了数据挖掘，涵盖了五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都有两章：前一章涵盖基本概念、代表性算法和评估技术，而后一章讨论高级概念和算法。Jiawei Han，伊利诺伊大学教授评价说“这是一本全新的数据挖掘教材，值得大力推荐。《数据挖掘导论》课后习题答案《introduction to data mining》Pang-Ning Tan Michael Steinbach Vipin Kumar 著现急需这本书的课后答案，英文原版的书的网站有提供答案。概念与技术 数据挖掘导论 哪本好 数据挖掘导论作为入门的教材是极好的。我们学校用的就是这本书。个人感觉，概念和技术理论性强些。数据挖掘导论的目录 1 Introduction 11.1 What Is Data Mining？21.2 Motivating Challenges 31.3 The Origins of Data Mining 41.4 Data Mining Tasks 51.5 Scope and Organization of the Book 81.6 Bibliographic Notes 91.7 Exercises 122 Data 132.1 Types of Data 152.1.1 Attributes and Measurement 152.1.2 Types of Data Sets 202.2 Data Quality 252.2.1 Measurement and Data Collection Issues 262.2.2 Issues Related to Applications 312.3 Data Preprocessing 322.3.1 Aggregation 322.3.2 Sampling 342.3.3 Dimensionality Reduction 362.3.4 Feature Subset Selection 372.3.5 Feature Creation 392.3.6 Discretization and Binarization 412.3.7 Variable Transformation 452.4 Measures of Similarity and Dissimilarity 472.4.1 Basics 472.4.2 Similarity and Dissimilarity between Simple Attributes 492.4.3 Dissimilarities between Data Objects 502.4.4 Similarities between Data Objects 522.4.5 Examples of Proximity Measures 532.4.6 Issues in Proximity Calculation 582.4.7 Selecting the Right Proximity Measure 。数据挖掘导论 英文版怎么样 说真的，对于一个数学基础不是很好但又想快速有效地学习数据挖掘的学生来讲。这本书无疑是个不错的选择！其中章节安排合理，基础占用两章，分类、关联、聚类各占两.

#经济学#大数据#data#数据挖掘导论#数据挖掘