数据挖掘技术应用实践案例.docVIP

数据挖掘技术应用实践案例

TOC\o1-2\h\u4496第一章数据挖掘基础理论 3

287901.1数据挖掘概述 3

551.2数据挖掘流程 3

117241.2.1数据准备 3

102291.2.2数据摸索 4

93271.2.3模型构建 4

212681.2.4模型应用 4

276781.2.5结果解释与知识表示 4

160061.3数据挖掘常用算法 4

24071.3.1决策树算法 4

210921.3.2支持向量机算法 4

273291.3.3朴素贝叶斯算法 4

141061.3.4K最近邻算法 4

8791.3.5聚类算法 5

30022第二章数据预处理 5

67652.1数据清洗 5

320952.1.1概述 5

220212.1.2错误数据识别 5

75662.1.3错误数据处理 5

42782.2数据集成 5

244232.2.1概述 5

108912.2.2数据源分析 6

216082.2.3数据集成方法 6

251252.3数据转换 6

203232.3.1概述 6

232882.3.2数据类型转换 6

149102.3.3数据归一化 6

252292.3.4特征提取 6

29358第三章关联规则挖掘 6

217103.1Apriori算法 6

117393.1.1算法原理 7

162843.1.2算法步骤 7

87173.2FPgrowth算法 7

103163.2.1算法原理 7

283683.2.2算法步骤 7

106733.3关联规则应用 8

161813.3.1零售业 8

61163.3.2金融业 8

161503.3.3医疗领域 8

324933.3.4互联网行业 8

909第四章聚类分析 8

153434.1Kmeans算法 8

184224.2层次聚类算法 9

114054.3聚类分析应用 9

11318第五章分类与预测 10

37445.1决策树算法 10

179585.2支持向量机 10

149675.3预测模型评估 11

10057第六章时间序列分析 11

297506.1时间序列预测方法 11

166936.1.1引言 11

135866.1.2自回归模型（AR） 11

98236.1.3移动平均模型（MA） 12

49826.1.4自回归移动平均模型（ARMA） 12

210326.1.5季节性模型（ARIMA） 12

269716.2时间序列数据挖掘应用 12

149356.2.1引言 12

46976.2.2股票市场预测 13

157186.2.3气象预报 13

100386.2.4电力负荷预测 13

236356.2.5交通流量预测 13

2818第七章空间数据挖掘 13

255537.1空间数据挖掘概述 13

322577.1.1空间数据挖掘的定义 13

20527.1.2空间数据挖掘的重要性 13

196987.1.3空间数据挖掘的方法 14

202787.2空间聚类分析 14

100957.2.1空间聚类分析的定义 14

192407.2.2空间聚类分析的算法 14

159997.2.3空间聚类分析的应用 14

240397.3空间关联规则挖掘 14

52687.3.1空间关联规则挖掘的定义 14

282407.3.2空间关联规则挖掘的算法 14

293147.3.3空间关联规则挖掘的应用 15

20902第八章序列模式挖掘 15

207968.1序列模式挖掘算法 15

68878.1.1Apriori算法 15

180018.1.2FPgrowth算法 15

178618.1.3GSP算法 15

126738.1.4SPAM算法 15

88168.2序列模式应用 16

71498.2.1电子商务推荐系统 16

206208.2.2股票市场分析 16

321578.2.3生物信息学 16

192158.2.4网络安全 16

11488.2.5社交网络分析 16

21467第九章文