亞太傳統月

防曬

一人食

養生指南

薯片

拉麵

電飯煲

登入/註冊

繁體中文

English 简体中文繁體中文 한국어 日本語

{{sellerTotalView > 1 ? __("sellers", {number: sellerTotalView}) : __("seller", {number: sellerTotalView}) }}, {{numTotalView > 1 ? __("items", {number: numTotalView}) : __("item", {number: numTotalView}) }}

去購物車結算

Nickname

請告訴我們怎麼更好地稱呼你

更新你的名字

xxxxxxx@yamibuy.com

賬戶訂單收藏

積分 0

優惠券 0

禮品卡餘額 $0.00

退出登入

切換配送區域

不同區域的庫存和配送時效可能存在差異。

歷史郵編

我們將在商品到貨後第一時間通知你。

商品到貨後將發送通知至： {{remindEmail}}

取消

京東圖書

国外计算机科学经典教材·数据挖掘：概念、模型、方法和算法（第2版）

去購物車結算

{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}

圖書電腦與網際網路資料庫

京東圖書

国外计算机科学经典教材·数据挖掘：概念、模型、方法和算法（第2版）

Name: 国外计算机科学经典教材·数据挖掘：概念、模型、方法和算法（第2版）
Brand: 京東圖書
SKU: 3118016041
Price: 47.00 USD
Availability: OutOfStock

{{__(":people-members", {'people': item.limit_people_count})}} {{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ item.invalid_price }} {{ itemDiscount }}

後結束

{{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }}

{{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }} {{ itemCurrency }}{{ item.invalid_price }} {{itemDiscount}}

後結束促銷

後開始秒殺後結束秒殺

{{ __( "Pay with Gift Card to get sale price: :itemCurrency:price", { 'itemCurrency' : itemCurrency, 'price' : (item.giftcard_price ? priceFormat(item.giftcard_price) : '0.00') } ) }} ({{ itemCurrency }}{{ priceFormat(item.giftcard_price / item.bundle_specification) }}/{{ item.unit }}) 詳情

商品有效期

已下架

我們不知道該商品何時或是否會重新有庫存。

當前地址無法配送

已售完

商品描述

展開全部描述

Editer Recommend

《国外计算机科学经典教材·数据挖掘：概念、模型、方法和算法（第2版）》特色：
介绍支持向量机（SVM）和Kohonen映射
讲解DBSCAN、BIRCH和分布式DBSCAN聚类算法
介绍贝叶斯网络，讨论图形中的Betweeness和Centrality参数测量算法
分析在建立决策树时使用的CART算法和基尼指数
介绍Bagging&Boosting集成学习方法，并详述AdaBoost算法
讨论Relief以及PageRank算法
讨论文本挖掘的潜在语义分析（LSA），并分析如何测定文本文档之间的语义相似性
讲解时态、空间、Web、文本、并行和分布式数据挖掘等新主题
更详细地讲解数据挖掘技术商业、隐私、安全和法律方面的内容

Content Description

随着数据集规模和复杂度的持续上升，分析员必须利用更高级的软件工具来执行间接的、自动的智能化数据分析。、数据挖掘：概念、模型、方法和算法（第2版）介绍了通过分析高维数据空间中的海量原始数据来提取用于决策的新信息的尖端技术和方法。
《国外计算机科学经典教材·数据挖掘：概念、模型、方法和算法（第2版）》开篇阐述数据挖掘原理，此后在示例的引导下详细讲解起源于统计学、机器学习、神经网络、模糊逻辑和演化计算等学科的具有代表性的、最前沿的挖掘方法和算法。本书还着重描述如何恰当地选择方法和数据分析软件并合理地调整参数。每章末尾附有复习题。
《国外计算机科学经典教材·数据挖掘：概念、模型、方法和算法（第2版）》主要用作计算机科学、计算机工程和计算机信息系统专业的研究生数据挖掘教材，高年级本科生或具备同等教育背景的读者也完全可以理解本书的所有主题。

Author Description

Mehmed Kantardzic，美国路易维尔大学工学院计算机工程与科学系的教授，任该系的研究生院院长和数据挖掘实验室主任。Mehmed是IEEE、ISCA和SPIE的成员，曾受邀参加多个重要的学术会议；他已出版多本书籍，在许多期刊上发表过论文，其中有多篇论文获奖。

王晓海，曾任总参某部应用研发中心副主任、信息服务中心主任，高级工程师，长期从事数据库应用系统的科研开发工作，负责主持多个大型数据库系统的开发和维护，荣获多项军队科技进步奖，享受军队优秀人才岗位津贴，出版多部论（译）著，在数据库挖掘、数据库应用开发、数据安全保护、数据恢复与数据去密等领域具有丰富的实践经验。
已出版的论著和译著
《Oracle Streams llg数据复制》，2012年，清华大学出版社
《SQL Server 2000管理、开发及应用实例详解》，2006年，人民邮电出版社
《空时编码技术》，2004年，机械工业出版社
《远程通信网络基础》，1996年，电子工业出版社

吴志刚，工学博士，北京邮电大学副教授，长期从事网络与信息安全技术、数据库技术等领域的学术与科研工作，作为负责人主持过上述领域多项国家863计划、发改委产业化示范项目和国家级重大工程项目，获得技术专利2项，已在国内外学术期刊和国际会议上发表20余篇学术论文。

Catalogue

第1章数据挖掘的概念
1.1 概述
1.2 数据挖掘的起源
1.3 数据挖掘过程
1.4 大型数据集
1.5 数据仓库
1.6 数据挖掘的商业方面：为什么数据挖掘项目会失败
1.7 本书结构安排
1.8 复习题
1.9 参考书目

第2章数据准备
2.1 原始数据的表述
2.2 原始数据的特性
2.3 原始数据的转换
2.3.1 标准化
2.3.2 数据平整
2.3.3 差值和比率
2.4 丢失数据
2.5 时间相关数据
2.6 异常点分析
2.7 复习题
2.8 参考书目

第3章数据归约
3.1 大型数据集的维度
3.2 特征归约
3.2.1 特征选择
3 .2.2 特征提取
3.3 Relief算法
3.4 特征排列的熵度量
3.5 主成分分析
3.6 值归约
3.7 特征离散化ChiMerge技术
3.8 案例归约
3.9 复习题
3.10 参考书目

第4章从数据中学习
4.1 学习机器
4.2 统计学习原理
4.3 学习方法的类型
4.4 常见的学习任务
4.5 支持向量机
4.6 kNN：最近邻分类器
4.7 模型选择与泛化
4.8 模型的评估
4.9 90%准确的情形
4.9.1 保险欺诈检测
4.9.2 改进心脏护理
4.10 复习题
4.11 参考书目

第5章统计方法
5.1 统计推断
5.2 评测数据集的差异
5.3 贝叶斯定理
5.4 预测回归
5.5 方差分析
5.6 对数回归
5.7 对数-线性模型
5.8 线性判别分析
5.9 复习题
5.10 参考书目

第6章决策树和决策规则
6.1 决策树
6.2 C4.5算法：生成决策树
6.3 未知属性值
6.4 修剪决策树
6.5 C4.5算法：生成决策规则
6.6 CART算法和Gini指标
6.7 决策树和决策规则的局限性
6.8 复习题
6.9 参考书目

第7章人工神经网络
7.1 人工神经元的模型
7.2 人工神经网络的结构
7.3 学习过程
7.4 使用ANN完成的学习任务
7.4.1 模式联想
7.4.2 模式识别
7.5 多层感知机
7.6 竞争网络和竞争学习
7.7 SoM
7.8 复习题
7.9 参考书目

第8章集成学习
8.1 集成学习方法论
8.2 多学习器组合方案
8.3 bagging和boosting
8.4 AdaBoost算法
8.5 复习题
8.6 参考书目

第9章聚类分析
9.1 聚类的概念
9.2 相似度的度量
9.3 凝聚层次聚类
9.4 分区聚类
9.5 增量聚类
9.6 DBSCAN箅法
9.7 BIRCH算法
9.8 聚类验证
9.9 复习题
9.10 参考书目

第10章关联规则
10.1 购物篮分析
10.2 Apriori算法
10.3 从频繁项集中得到关联规则
10.4 提高Apriori算法的效率
10.5 FP增长方法
10.6 关联分类方法
10.7 多维关联规则挖掘
10.8 复习题
10.9 参考书目

第11章 Web挖掘和文本挖掘
11.1Web挖掘
11.2 Web内容、结构与使用挖掘
11.3 HITS和LOGSOM算法
11.4 挖掘路径遍历模式
11.5 PageRank算法
11.6 文本挖掘
11.7 潜在语义分析
11.8 复习题
11.9 参考书目

第12章数据挖掘高级技术
12.1 图挖掘
……
第13章遗传算法
第14章模糊集和模糊逻辑
第15章可视化方法
附录A 数据挖掘工具
附录B 数据挖掘应用

Book Abstract

4.9.2 改进心脏护理
在美国，心血管疾病每年导致大约100万人死亡（占所有死亡病例的38%）。此外，2005年CVD估计开销为3940亿美元，而癌症所花费的开销大约1900亿美元。CVD患者数量快速发展，直接受此疾病影响的人口数量不断增加。当然需要更好地了解该疾病的情况。目前已经有一些由专家组提出的治疗CVD患者的指导建议。由于当前医疗系统的负担问题，医生对每个患者仅能花费很少的时间。尽管目前存在大量指导建议，但不能指望医生能够针对每个患者按照指导建议制定方案。所以希望能够建立一个系统来辅助医生给出建议方案而不会增加额外的医疗开销。
本研究案例概述了一个称为REMIND系统的使用和部署情况，该系统发现需要系统中的紧急患者，能够更好地跟踪病人按照指导建议进行治疗。目前对每个患者存在两类主要的记录，财务记录和临床记录。财务记录用于付账。这些记录使用标准代码（例如，ICD-9）用于医生评价和药品处方。标准化有助于计算机系统能够直接获取这些记录的信息并方便地应用于数据挖掘过程。然而，由于各种原因，实际发现这些代码仅在60%-80%的情况下是准确的。原因之一是当在付账时使用这些代码时，尽管症状和药房这两个条件基本相同，但保险所支付的价格却存在差异。另外一种记录是临床记录。临床记录由无结构的文本信息构成。允许医生之间传输患者的情况和治疗方案。这些记录更准确，但是由自动化的计算机系统来使用却不太方便。
让医生和护士花费大量时间输入系统特别需要的其他数据是不可能的。为此，REMIND系统采用的方法是合并从各种可用的系统中获取的数据。包括从无结构的临床记录中获取的知识。REMIND系统获取所有当前可用的数据源，利用数据冗余获得患者的状态。例如，为确定患者是否有糖尿病，可使用下列数据：糖尿病账单代码250.xx，诊断糖尿病的文本描述，血糖值>300，使用胰岛素或口服降糖药治疗方案，或常见的糖尿病并发症等。随着相关信息不断获取，患者患有糖尿病的可能性不断增加。REMIND系统从所有可用的数据源获取信息，并在贝叶斯网络中合并。网络的各种输出与各种临时信息可用于发现预先定义的马尔可夫疾病发展模型的最可能状态顺序。贝叶斯网络的概率和结构利用了预先由专家提供的领域知识并且其部署是可调整的。最初由设计者说明的REMIND系设置和临时设置使系统执行高效。然而，在REMIND系统被大量分发前需要进行细致的参数调整工作。
……

規格參數

品牌

京東圖書

品牌屬地

China

免責聲明

產品價格、包裝、規格等資訊如有調整，恕不另行通知。我們盡量做到及時更新產品資訊，但請以收到實物為準。使用產品前，請始終閱讀產品隨附的標籤、警告及說明。

查看詳情

加入收藏

{{ $isZh ? coupon.coupon_name_sub : coupon.coupon_ename_sub | formatCurrency }}

詳情

數量

{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}

由 JD@CHINA 銷售

送至

滿69免運費

正品保證

查看詳情

地區

已加入購物車

繼續逛逛

為你推薦

優惠券

領取已領取已領完

即將過期： {{ formatTime(coupon.use_end_time) }}

分享給好友

取消

亞米禮卡專享價

使用禮卡支付即可獲得禮卡專享價

規則說明

禮卡專享價是部分商品擁有的特殊優惠價格；

購買禮卡專享價商品時，若在結算時使用電子禮卡抵扣支付，且禮卡餘額足夠支付訂單中所有禮卡專享價商品的專享價總和，則可以啟用禮卡專享價；

不使用禮卡支付，或禮卡餘額不滿足上一條所述要求時，將無法啟用禮卡專享價，按照普通售價計算，但您仍然可以購買這些商品；

在購買禮卡專享價商品時，若餘額不足，可以在購物車或結算頁中點擊“充值”按鈕對禮卡進行購買和充值；

商品若擁有禮卡專享價，會顯示“專享”的特殊價格標記；

如有疑問，請隨時聯繫客服；

禮卡專享價相關規則最終解釋權歸亞米所有。

由亞米銷售

服務保障

滿$49免運費

無憂退換

從美國出貨

配送資訊

美國

標準配送 $5.99（不含阿拉斯加，夏威夷），最終價滿$49免運費

本地配送$5.99(加州，紐約州，新澤西，麻省和賓夕法尼亞，以上州部分地區);最終價滿$49免運費

兩日達（含阿拉斯加夏威夷）運費19.99美元起

退換政策

亞米網希望為我們的客戶提供最優秀的售後服務，讓所有人都能放心在亞米購物。亞米自營商品在滿足退換貨條件的情況下，可在收到包裹的30天之內退換商品（食品因商品質量問題7天內可退換；為了確保每位客戶都能獲得安全和高質量的商品，對於美妝類產品，一經開封或使用即不提供退款或退貨服務，質量問題除外；其他特殊商品需聯繫客服諮詢）。
感謝您的理解和支持。

查看詳情

由亞米銷售

亞米電子禮品卡使用規則

若購買時選擇自動儲值，訂單完成後禮品卡將自動儲值至您的帳戶；

若購買時選擇發送郵件，訂單完成後系統將自動發送卡號和密碼到您填寫的郵箱；

寄送郵件時，任何使用者均可使用郵件中的卡號密碼進行禮卡儲值，請妥善保管郵件資訊。

如接收郵件遇到問題，請聯絡客服處理；

發送郵件時，若禮卡沒有被兌換，可以補發郵件。若已經被其他用戶兌換，無法補償；

亞米網電子禮卡可用於購買自營或第三方商品；

亞米網電子禮卡沒有有效期限限制，長期有效；

亞米網電子禮卡的金額，可分多次使用；

亞米網電子禮卡業務規則，最終解釋權歸亞米網所有。

退換政策

已消費的電子禮卡不支持退款。

由 JD@CHINA 銷售

亞米發貨

服務保障

滿$49免運費

最優售後

美國本土出貨

配送資訊

美國

標準配送 $5.99（不含阿拉斯加，夏威夷），最終價滿$49免運費

本地配送$5.99(加州，紐約州，新澤西，麻省和賓夕法尼亞，以上州部分地區);最終價滿$49免運費

兩日達（含阿拉斯加夏威夷）運費19.99美元起

退換政策

提供30天內退還保障。產品需全新未使用原包裝內，並附有購買憑證。產品品質問題、或錯發漏發等,由商家造成的失誤，將進行補發,或退款處理。其它原因需退貨費用由客戶自行承擔。

由 JD@CHINA 銷售

Yami-China FC

服務保障

跨店滿$69免運費

30天退換保障

亞米-中國集運倉

由亞米從中國精選並集合各大優秀店舖的商品至亞米中國整合中心，合併包裹後將一次合包跨國郵寄至您的地址。跨店包郵門檻低至$69。您將在多商家集合提供的廣泛選購商品中選購商品，輕鬆享有跨店鋪包郵後的低郵資。

退換政策

提供30天內退換保障。產品需在全新未使用的原包裝內，並附有購買憑證。產品品質問題、錯發、或漏發等商家造成的失誤，將進行退款處理。其它原因造成的退換貨郵費客戶將需要自行承擔。由於所有商品均長途跋涉，偶有簡易外包壓磨等但不涉及內部品質問題者，不予退換。

配送資訊

亞米中國集運 Consolidated Shipping 運費$9.99（訂單滿$69 包郵）

下單後2個工作天中國商家出貨，所有包裹抵達亞米中國整合中心（除特別情況及中國境內個別法定假日外）會合併包裹後透過UPS發往美國。 UPS從中國出貨後到美國境內的平均時間為10個工作天左右，可隨時根據直發單號追蹤查詢。受疫情影響，目前物流可能延遲5天左右。包裹需要客人簽收。如未簽收，客人須承擔包裹遺失風險。

由 JD@CHINA 銷售

服務保障

滿69免運費

正品保證

配送資訊

Yami Consolidated Shipping 運費$9.99（訂單滿$69包郵）

Seller will ship the orders within 1-2 business days. The logistics time limit is expected to be 7-15 working days. In case of customs clearance, the delivery time will be extended by 3-7 days. The final receipt date is subject to the information of the postal company.

積分規則

不參加任何折扣活動以及亞米會員積分制度。

退換政策

下載亞米應用

意見反饋

返回頂部

評論{{'('+ commentList.posts_count + ')'}}

分享您的感受，幫助更多用戶做出選擇。

撰寫評論

{{i}}星

{{i}} 星

{{ parseInt(commentRatingList[i]) }}%

{{ showTranslate(comment) }}收起

{{ strLimit(comment,800) }}查看全部

Show Original

{{ formatTime(comment.in_dtm) }} 已購買 {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}

{{ showTranslate(comment) }}收起

{{ strLimit(comment,800) }}查看全部

Show Original

{{ formatTime(comment.in_dtm) }} 已購買 {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}

暫無符合條件的評論~

更多評論

評論詳情

{{ showTranslate(commentDetails) }}收起

{{ strLimit(commentDetails,800) }}查看全部

Show Original

{{ formatTime(commentDetails.in_dtm) }} 已購買 {{groupData}}

請輸入內容

回覆{{'(' + replyList.length + ')'}}

{{ reply.reply_user_name }}回覆{{ reply.parent_user_name }}

{{ showTranslate(reply) }}收起

{{ strLimit(reply,800) }}查看全部

Show Original

請輸入內容

取消

這是到目前為止的所有評論！

發表評論

商品評分

請輸入評論

一個好的暱稱，會讓你的評論更受歡迎！
修改了這裡的暱稱，個人資料中的暱稱也將被修改。

感謝你的評論

你的好評可以幫助我們的社區發現更好的亞洲商品。