數(shù)據(jù)挖掘?qū)嵱脵C(jī)器學(xué)習(xí)技術(shù)

內(nèi)容概要

本書介紹數(shù)據(jù)挖掘的基本理論與實(shí)踐方法。主要內(nèi)容包括：各種模型(決策樹，關(guān)聯(lián)規(guī)則、線性模型、聚類、貝葉斯網(wǎng)以及神經(jīng)網(wǎng)絡(luò))以及在實(shí)踐中的運(yùn)用，所存任缺陷的分析。安全地清理數(shù)據(jù)集、建立以及評估模型的預(yù)測質(zhì)量的方法，并且提供了一個公開的數(shù)據(jù)挖掘工作平臺Weka。Weka系統(tǒng)擁有進(jìn)行數(shù)據(jù)挖掘仟務(wù)的圖形用戶界面，有助于理解模型，是一個實(shí)用并且深受歡迎的工具。    本書邏輯嚴(yán)密、內(nèi)容翔實(shí)、極富實(shí)踐性，適合作為高等學(xué)校本科生或研究生的教材，也可供相關(guān)技術(shù)人員參考。

作者簡介

Ian H.Witten，新西蘭懷卡托大學(xué)計算機(jī)科學(xué)系教授，ACM和新西蘭皇（IFIP）頒發(fā)的Namur獎項(xiàng)。他的著作包括《Managing Gigabytes:Compressing and Indexing Documents and Images》、《How to Build a Digital Library》以及眾多的期刊和學(xué)會文章。

書籍目錄

出版者的話專家指導(dǎo)委員會譯者序中文版前言序前言第一部分  機(jī)器學(xué)習(xí)工具與技術(shù)  第1章  緒論    1.l  數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)     l.2  簡單的例子：天氣問題和其他    l.3  應(yīng)用領(lǐng)域-    1.4  機(jī)器學(xué)習(xí)和統(tǒng)計學(xué)    1.5  用于搜索的概括    l.6  數(shù)據(jù)挖掘和道德    1.7  補(bǔ)允讀物  第2章  輸入概念、實(shí)例和屬性    2.1  概念    2.2  樣本    2.3  屬性      2.4  輸入準(zhǔn)備    2.5  補(bǔ)充讀物  第3章  輸出：知識表達(dá)    3.1  決策表    3.2  決策樹    3.3  分類規(guī)則    3.4  關(guān)聯(lián)規(guī)則    3.5  包含例外的規(guī)則    3.6  包含關(guān)系的規(guī)則    3.7  數(shù)值預(yù)測樹    3.8  基于實(shí)例的表達(dá)    3.9  聚類    3.10  補(bǔ)充讀物  第4章  算法基本方法    4.1  推斷基本規(guī)則    4.2  統(tǒng)計建模    4.3  分治法：創(chuàng)建決策樹    4.4  覆蓋算法：建立規(guī)則    4.5  挖掘關(guān)聯(lián)規(guī)州    4.6  線性模型    4.7  基于實(shí)例的學(xué)習(xí)    4.8  聚類    4.9  補(bǔ)充讀物  第5章  可信度：評估機(jī)器學(xué)習(xí)結(jié)果    5.1  訓(xùn)練和測試    5.2  預(yù)測性能    5.3  交叉驗(yàn)證    5.4  其他估計法    5.5  可信度：評估機(jī)器學(xué)習(xí)結(jié)果    5.6  預(yù)測概率    5.7  計算成本    5.8  評估數(shù)值預(yù)測    5.9  最短描述長度原理    5.10  聚類方法中應(yīng)用MDL原理    5.1l  補(bǔ)充讀物  第6章  實(shí)現(xiàn)：真正的機(jī)器學(xué)習(xí)方案    ……  第7章  轉(zhuǎn)換：處理輸入和輸出  第8章  繼續(xù)擴(kuò)展和應(yīng)用  第9章  Weka簡介  第10章  Explorer界面  第1l章  Knowledge Flow界面  第12章  Experimenter界面  第13章  命令行界面  第14章  嵌入式機(jī)器學(xué)習(xí)   第15章  編寫新學(xué)習(xí)方案參考文獻(xiàn)索引

章節(jié)摘錄

　　第7章 轉(zhuǎn)換：處理輸入和輸出　　在前一章中我們考察了大量的機(jī)器學(xué)習(xí)方法：決策樹、決策規(guī)則、線性模型、基于實(shí)例的方案、數(shù)值預(yù)測技術(shù)、聚類算法以及貝葉斯網(wǎng)絡(luò)。所有這些方法都是合理、成熟的技術(shù)，可用于解決實(shí)際的數(shù)據(jù)挖掘問題?！　〉浅晒Φ臄?shù)據(jù)挖掘遠(yuǎn)不只是牽涉到選擇某種學(xué)習(xí)算法并應(yīng)用于數(shù)據(jù)。許多學(xué)習(xí)算法要用到各種不同的參數(shù)，需要選擇合適的參數(shù)值。在多數(shù)情況下，選擇適當(dāng)?shù)膮?shù)可以使所獲結(jié)果得到顯著改善，而合適的選擇則是要視手頭的具體數(shù)據(jù)而定的。例如，決策樹可以選擇修剪或不修剪，選擇前者又需要選擇修剪參數(shù)。在基于實(shí)例的k最近鄰學(xué)習(xí)方法中，則需要選擇k值。更為常見的，則是需要從現(xiàn)有的方案中選擇學(xué)習(xí)方法本身。在所有情況下，合適的選擇是由數(shù)據(jù)而決定的?！　≡跀?shù)據(jù)上試用幾種不同的方法，并使用幾種不同的參數(shù)值，然后觀測哪種情況結(jié)果最好，是個誘人的方法。不過要當(dāng)心！最佳選擇并不一定是在訓(xùn)練數(shù)據(jù)上獲得最好結(jié)果的那個。我們曾反復(fù)提醒要注意過度擬合問題，過度擬合是指一個學(xué)習(xí)模型與用于建模的某個具體訓(xùn)練數(shù)據(jù)集太過匹配。假設(shè)在訓(xùn)練數(shù)據(jù)上所表現(xiàn)的正確性能代表模型將來應(yīng)用于實(shí)踐中的新數(shù)據(jù)上的性能水準(zhǔn)，這個想法是不正確的?！　∷业氖窃诘?章中已經(jīng)討論了對于這個問題的解決方法。有兩種較好的方法可用來估計一個學(xué)習(xí)方法的預(yù)期真實(shí)性能表現(xiàn)：在數(shù)據(jù)源充足的情況下，使用一個與訓(xùn)練數(shù)據(jù)集分離的大數(shù)據(jù)集；在數(shù)據(jù)較少的情況下則使用交叉驗(yàn)證法（第5.3節(jié)）。在后一種情況下，在實(shí)踐中的典型應(yīng)用方法是單次的10折交叉驗(yàn)證，當(dāng)然要得到更為可靠的估計需要將整個過程重復(fù)10次。一旦為學(xué)習(xí)方法選定了合適的參數(shù)，就可以使用整個訓(xùn)練集（即所有訓(xùn)練實(shí)例）來生成將要應(yīng)用于新數(shù)據(jù)的最終學(xué)習(xí)模型。　　注意在調(diào)整過程中使用所選的參數(shù)值得到的性能表現(xiàn)并不是對最終模型性能的一個可靠估計，因?yàn)樽罱K模型對于調(diào)整中使用的數(shù)據(jù)有過度擬合的傾向。要確定它的性能究竟如何，需要另外一個大的數(shù)據(jù)集，這個數(shù)據(jù)集須與學(xué)習(xí)過程和調(diào)整過程中所使用的數(shù)據(jù)隔離開來。在進(jìn)行交叉驗(yàn)證時也是如此，參數(shù)調(diào)整過程需要一個“內(nèi)部”交叉驗(yàn)證，誤差估計還需要一個“外部”交叉驗(yàn)證。采用10折交叉驗(yàn)證法將使學(xué)習(xí)方法運(yùn)行100次?？偠灾?，當(dāng)評估一個學(xué)習(xí)方案的性能時，所進(jìn)行的任何參數(shù)調(diào)整過程都應(yīng)被看作是訓(xùn)練過程的一部分?！　‘?dāng)把機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于實(shí)際的數(shù)據(jù)挖掘問題時，還有其他一些重要程序可以大大提高成功率，這正是本章的主題。它們形成了一種（操縱）數(shù)據(jù)的技術(shù)，將輸入數(shù)據(jù)設(shè)計成一種能適合所選學(xué)習(xí)方案的形式，將輸出模型設(shè)計得更為有效。你可以把它們看成是能應(yīng)用于實(shí)際的數(shù)據(jù)挖掘問題以提高成功幾率的一些訣竅。有時奏效，有時無效。根據(jù)目前的技術(shù)發(fā)展水平來看，很難預(yù)言它們是否有用。在這種以嘗試和誤差率作為最為可靠的指導(dǎo)的領(lǐng)域中，特別重要的恐怕就是靈活運(yùn)用并且理解這些訣竅了?！　　?/pre>




編輯推薦
正如所有受到商業(yè)注目的新興技術(shù)一樣，數(shù)據(jù)挖掘的運(yùn)用也是極其多樣化的。言過其實(shí)的報導(dǎo)聲稱可以建立算法，在數(shù)據(jù)的海洋里發(fā)現(xiàn)秘密。但事實(shí)上機(jī)器學(xué)習(xí)中沒有魔術(shù)，沒有隱藏的力量，沒有煉金術(shù)。有的只是一些可以將有用的信息從原始數(shù)據(jù)中提煉出來的清晰明了的實(shí)用技術(shù)。《數(shù)據(jù)挖掘?qū)嵱脵C(jī)器學(xué)習(xí)技術(shù)》(原書第2版)敘述了這些技術(shù)并展示了它們是如何工作的?！　　稊?shù)據(jù)挖掘?qū)嵱脵C(jī)器學(xué)習(xí)技術(shù)》(原書第2版)對1999年的初版做了重大的改動。雖說核心概念沒有變化，但《數(shù)據(jù)挖掘?qū)嵱脵C(jī)器學(xué)習(xí)技術(shù)》(原書第2版)做了更新，反映出過去五年的變化?！稊?shù)據(jù)挖掘?qū)嵱脵C(jī)器學(xué)習(xí)技術(shù)》(原書第2版)提供了機(jī)器學(xué)習(xí)理論概念的完整基礎(chǔ)，此外還對實(shí)際工作中應(yīng)用的相關(guān)工具和技術(shù)提了一些建議?！　　稊?shù)據(jù)挖掘?qū)嵱脵C(jī)器學(xué)習(xí)技術(shù)》(原書第2版)邏輯嚴(yán)密、內(nèi)容翔實(shí)、極富實(shí)踐性，適合作為高等學(xué)校本科生或研究生的教材，也可供相關(guān)技術(shù)人員參考。





圖書封面



圖書標(biāo)簽Tags
無




評論、評分、閱讀與下載



還沒讀過(27)
勉強(qiáng)可看(201)
一般般(343)
內(nèi)容豐富(1422)
強(qiáng)力推薦(116)


 


    數(shù)據(jù)挖掘?qū)嵱脵C(jī)器學(xué)習(xí)技術(shù) PDF格式下載