发表于2024-11-14
数据挖掘算法与Clementine实践 2024 pdf epub mobi 电子书
因为之前一直用SPSS做数据分析,现在计划用Clementine做一下数据挖掘。所以买了这本书读了一下,内容介绍的比较清晰和易于理解。不足之处是书太薄了,不够详细(比如很多指标的含义)。作为一本入门书,我觉得足够了。
评分因为之前一直用SPSS做数据分析,现在计划用Clementine做一下数据挖掘。所以买了这本书读了一下,内容介绍的比较清晰和易于理解。不足之处是书太薄了,不够详细(比如很多指标的含义)。作为一本入门书,我觉得足够了。
评分因为之前一直用SPSS做数据分析,现在计划用Clementine做一下数据挖掘。所以买了这本书读了一下,内容介绍的比较清晰和易于理解。不足之处是书太薄了,不够详细(比如很多指标的含义)。作为一本入门书,我觉得足够了。
评分因为之前一直用SPSS做数据分析,现在计划用Clementine做一下数据挖掘。所以买了这本书读了一下,内容介绍的比较清晰和易于理解。不足之处是书太薄了,不够详细(比如很多指标的含义)。作为一本入门书,我觉得足够了。
评分因为之前一直用SPSS做数据分析,现在计划用Clementine做一下数据挖掘。所以买了这本书读了一下,内容介绍的比较清晰和易于理解。不足之处是书太薄了,不够详细(比如很多指标的含义)。作为一本入门书,我觉得足够了。
图书标签: 数据挖掘 Clementine 管理与咨询 ml Statistics SPSS 0000
《数据挖掘算法与Clementine实践》主要介绍了几种最成熟的数据挖掘方法,并针对每种方法,介绍了应用最广泛的几种实现算法。书中以Clementine12.0为平台,用实例介绍了每种算法的具体应用。全书各章分别介绍了数据挖掘和Clementine软件、决策树分类方法(包括ID3、C4.5、C5.0、CART等算法)、聚类分析方法(包括K-Means算法和TwoStep算法)、关联规则挖掘方法(包括Apriori算法、CARMA算法和序列模式挖掘算法)、数据筛选算法(包括特征选择算法和异常检测算法)、回归分析方法(包括线性回归算法和二项Logistic回归)、神经网络构建方法(包括多层感知器网络、RBF网络以及Kohonen网络的构建算法)、时间序列分析方法(包括指数平滑法和ARIMA模型构建方法)。
不错的指导书,每个操作步骤都写的很清楚~
评分不错的指导书,每个操作步骤都写的很清楚~
评分could be better
评分比较简单,入门可以看看,写得很浅显。
评分比较简单,入门可以看看,写得很浅显。
数据挖掘算法与Clementine实践 2024 pdf epub mobi 电子书