数据挖掘与信息检索技术指南.docVIP

数据挖掘与信息检索技术指南

TOC\o1-2\h\u11554第一章数据挖掘基础 3

290341.1数据挖掘概述 3

21421.2数据挖掘任务与流程 3

251621.2.1数据挖掘任务 3

229381.2.2数据挖掘流程 3

341.3数据挖掘常用算法 4

21525第二章数据预处理 4

314302.1数据清洗 4

295712.1.1错误识别 4

14172.1.2缺失值处理 5

211682.1.3异常值处理 5

147882.1.4重复记录处理 5

205782.2数据集成 5

170622.2.1数据源识别 5

154672.2.2数据抽取 5

175662.2.3数据转换 6

220052.2.4数据加载 6

176142.3数据转换 6

280552.3.1数据聚合 6

147042.3.2数据分割 6

206652.3.3数据变换 6

292072.3.4特征选择与特征提取 6

44162.4数据归一化与标准化 6

161692.4.1数据归一化 7

50382.4.2数据标准化 7

14863第三章信息检索基础 7

243343.1信息检索概述 7

235223.2信息检索模型 7

177583.3信息检索评价指标 8

160453.4信息检索系统架构 8

28777第四章文本挖掘技术 8

13914.1文本预处理 8

322844.1.1文本清洗 9

24394.1.2分词 9

288964.1.3词性标注 9

82444.1.4停用词过滤 9

70504.1.5词干提取 9

85184.2文本表示与特征提取 9

117244.2.1词袋模型 9

246344.2.2TFIDF 9

279984.2.3Word2Vec 9

49514.3文本分类与聚类 10

187364.3.1文本分类 10

165154.3.2文本聚类 10

80374.4文本相似度计算 10

178924.4.1余弦相似度 10

50924.4.2Jaccard相似度 10

11784.4.3Dice相似度 10

1224第五章关联规则挖掘 10

97315.1关联规则概述 10

212355.2关联规则挖掘算法 11

308295.3关联规则的评价指标 11

103825.4关联规则挖掘应用 11

1581第六章聚类分析 12

297616.1聚类分析概述 12

251836.2聚类分析方法 12

182746.2.1层次聚类方法 12

166256.2.2基于距离的聚类方法 12

303216.2.3基于密度的聚类方法 12

234506.2.4基于网格的聚类方法 12

57826.3聚类分析的评价指标 13

296736.3.1内部评价指标 13

20536.3.2外部评价指标 13

6746.3.3相对评价指标 13

318496.4聚类分析应用 13

26350第七章分类算法 13

86477.1分类算法概述 13

154087.2常见分类算法 14

75577.2.1决策树算法 14

295767.2.2支持向量机（SVM） 14

82967.2.3朴素贝叶斯算法 14

302697.2.4随机森林算法 14

255487.3分类算法的评价指标 14

1687.3.1准确率（Accuracy） 14

85527.3.2精确率（Precision） 14

85417.3.3召回率（Recall） 14

251727.3.4F1值（F1Score） 15

262667.4分类算法应用 15

100377.4.1文本分类 15

215827.4.2图像识别 15

150247.4.3医疗诊断 15

20277第八章机器学习方法 15

185838.1机器学习方法概述 15

199218.2监督学习 15

264828.3无监督学习 16

261978.4强化学习 16

28491第九章信息检索系统设计 17

186169.1