数据挖掘
数据挖掘中的那些事儿_数据库教程
教程名称：数据挖掘中的那些事儿 课程目录： 【 教程网】 入门与开发教程 【 教程网】十大数据挖掘算法及各自优势 【 教程网】商务智能与数据挖掘（英文） 【 教程网】基于 的 系统中数据挖掘实现技术 【 教程网】基于云计算的海量数据挖掘 何清 【 教程网】基于数据挖掘的移动网络智能优化 【 教程网】数据挖掘中的客户聚类分析及其算法实现 【 教程网】数据挖掘之经典算法 【 教程网】数据挖掘之聚类算法 【 教程网】数据挖掘入门 【 教程网】数据挖掘导论 【 教程网】数据挖掘工具使用 【 教程网】数据挖掘的概念
大数据：互联网大规模数据挖掘与分布式处理
资源名称：大数据：互联网大规模数据挖掘与分布式处理 内容简介： 本书源自作者在斯坦福大学教授多年的 挖掘 课程材料，主要关注大数据环境下数据挖掘的实际算法。书中分析了海量数据集数据挖掘常用的算法，介绍了目前 应用的许多重要话题。主要内容包括： 分布式文件系统以及 工具； 相似性搜索； 数据流处理以及针对易丢失数据等特殊情况的专用处理算法； 搜索引擎技术，如谷歌的 ； 频繁项集挖掘； 大规模高维数据集的聚类算法； 应用中的关键问题：广告管理和推荐系统。 资源目录：
可视化数据挖掘：数据可视化和数据挖掘的技术与工具
资源名称：可视化数据挖掘：数据可视化和数据挖掘的技术与工具 内容简介： 本书描述了可视化数据挖掘技术，以及可视化数据挖掘技术能够解决的商业问题。在介绍了业务问题和基本原理后，以一个完整的实例逐步讲解如何利用可视化数据挖掘技术实施商业智能项目的方法。 资源目录： 第 章 数据可视化和可视化数据挖掘介绍 第 章 步骤 ：验证和规划数据可视化和数据挖掘项目 第 章 步骤 ：识别关键的业务问题 第 章 步骤 ：选择业务数据集 第 章 步骤 ：转换业务数据集 第 章 步骤 ：验证业务数据集 第 章 步骤 ：选择可视
数据挖掘 R语言实战
资源名称：数据挖掘 语言实战 内容简介： 数据挖掘技术是当下大数据时代最关键的技术，其应用领域及前景不可估量。 是一款极其优秀的统计分析和数据挖掘软件，《数据挖掘： 语言实战》侧重使用 进行数据挖掘，重点讲述了 的数据挖掘流程、算法包的使用及相关工具的应用，同时结合大量精选的数据挖掘实例对 软件进行深入潜出和全面的介绍，以便读者能深刻理解 的精髓并能快速、高效和灵活地掌握使用 进行数据挖掘的技巧。 通过《数据挖掘： 语言实战》，读者不仅能掌握使用 及相关的算法包来快速解决实际问题的方法，而且能得到从实际问
实战大数据 MATLAB数据挖掘详解与实践 中文pdf
资源名称：实战大数据 数据挖掘详解与实践 中文 第 章 绪论 数据挖掘概述 数据挖掘的分类 数据挖掘的过程 数据挖掘的任务 数据挖掘的对象 数据库 文本 图像与视频数据 数据 数据挖掘建模方法 业务理解 数据理解 数据准备 建模 评估 部署 数据挖掘的应用 在金融领域的应用 在零售业中的应用 在电信业的应用 在管理中的应用 在化学研究领域中的应用 在材料研究、生产方面的应用 在机械故障诊断与监测中的应用 在医疗领域中的应用 第 章 数据挖掘算法 决策树算法 决策树基本算法 算法 算法 算法 决策树的评价标
SAS编程与数据挖掘商业案例_数据库教程
资源名称： 编程与数据挖掘商业案例 内容简介： 从 角度详尽剖析 常用语句代码及应用，数据挖掘理论和商业应用紧密结合，原创相互贝叶斯文本分类和 迭代算法代码，三个典型的数据挖掘商业案例分析。 本书是作者多年来在企业实践工作中的经验总结，详细讲解了使用 进行商业数据挖掘的方法，其中包含了目前公开出版的诸多 教材没有的大量实战内容。 本书内容全面、新颖独创、综合性强，适合企业人员使用，也可作为数学、统计学、金融、电子商务、医药等专业的本科生、硕士生学习 编程和数据挖掘的参考资料。 资源目录： 出版说明
量化投资 数据挖掘技术与实践（MATLAB版） 完整版pdf
资源名称：量化投资 数据挖掘技术与实践 版 完整版 第一篇基础篇第 章绪论 量化投资与数据挖掘的关系 什么是量化投资 量化投资的特点 量化投资的核心 量化模型 量化模型的主要产生方法 数据挖掘 数据挖掘的概念和原理 什么是数据挖掘 数据挖掘的原理 数据挖掘在量化投资中的应用 宏观经济分析 估价 量化选股 量化择时 算法交易 本章小结 参考文献 第 章数据挖掘的内容、过程及工具 数据挖掘的内容 关联 回归 分类 聚类 预测 诊断 数据挖据过程 数据挖掘过程概述 挖掘目标的定义 数据的准备 数据的探索 模型的
数据挖掘实用机器学习技术（中文第二版）_数据库教程
资源名称：数据挖掘实用机器学习技术 中文第二版 内容简介： 《数据挖掘实用机器学习技术 原书第 版 》介绍数据挖掘的基本理论与实践方法。主要内容包括：各种模型 决策树、关联规则、线性模型、聚类、贝叶斯网以及神经网络 以及在实践中的运用，所存在缺陷的分析。安全地清理数据集、建立以及评估模型的预测质量的方法，并且提供了一个公开的数据挖掘工作平台 。 系统拥有进行数据挖掘任务的图形用户界面，有助于理解模型，是一个实用并且深受欢迎的工具。 资源截图：