数据挖掘课件，讲解了数据据技术的使用。对于初学者有很大的帮助！
标签： 数据挖掘
上传时间： 2014-01-07
上传用户：杜莹12345
数据挖掘作为一个新兴的多学科交叉应用领域,正在各行各业的决策支持活动中扮演着越来越重要的角色.本书将介绍数据挖掘(Data Mining)(Knowledge Discovery from Databases)的基本知识,以及从大量有噪声,不完整,甚至是不一致数据集合中,挖掘聘用意义的模式知识所涉及的概念与技术方法.
标签： Knowledge Discovery Mining Datab
上传时间： 2017-08-08
上传用户：cc1015285075
数据挖掘原理英文原版第二版，MIT出版社，数据挖掘的经典书籍，是对数据挖掘概念和技术的一次全面介绍，适合作为参考书籍。
上传时间： 2013-12-16
上传用户：003030
统计学习基础:数据挖掘、推理与预测介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。【内容推荐】《统计学习基础:数据挖掘、推理与预测》试图将学习领域中许多重要的新思想汇集在一起，并且在统计学的框架下解释它们。随着计算机和信息时代的到来，统计问题的规模和复杂性都有了急剧增加。数据存储、组织和检索领域的挑战导致一个新领域“数据挖掘”的产生。数据挖掘是一个多学科交叉领域，涉及数据库技术、机器学习、统计学、神经网络、模式识别、知识库、信息提取、高性能计算等诸多领域，并在工业、商务、财经、通信、医疗卫生、生物工程、科学等众多行业得到了广泛的应用。【作者简介】Trevor Hastie,Robert Tibshirani和Jerome Friedman都是斯坦福大学统计学教授，并在这个领域做出了杰出的贡献。Hastie和Tibshirani提出了广义和加法模型，并出版专著“Generalized Additive Models”。Hastie的主要研究领域为：非参数回归和分类、统计计算以及生物信息学、医学和工业的特殊数据挖掘问题。他提出主曲线和主曲面的概念，并用S-PLUS编写了大量统计建模软件。Tibshirani的主要研究领域为：应用统计学、生物统计学和机器学习。他提出了套索的概念，还是“An Introduction to the Bootstrap”一书的作者之一。Friedman是CART、MARS和投影寻踪等数据挖掘工具的发明人之一。他不仅是位统计学家，而且是物理学家和计算机科学家，先后在物理学、计算机科学和统计学的一流杂志上表发论文80余篇。
标签： 统计
上传时间： 2022-05-04
上传用户：
轻松入门 学显示器技术
标签： 显示器技术
上传时间： 2013-05-20
上传用户：eeworm
显示技术基础
标签： 显示技术
上传时间： 2013-07-27
上传用户：eeworm
电视墙显示及控制技术
上传时间： 2013-04-15
上传用户：eeworm
平板显示技术
上传时间： 2013-07-22
上传用户：eeworm
LED视频显示屏实时处理与驱动技术
上传时间： 2013-07-10
上传用户：eeworm
视频压缩与音频编码技术
上传时间： 2013-06-30
上传用户：eeworm
