图书介绍

数据挖掘与机器学习 WEKA应用技术与实践pdf电子书版本下载

数据挖掘与机器学习  WEKA应用技术与实践
  • 袁梅宇编著 著
  • 出版社: 北京:清华大学出版社
  • ISBN:9787302371748
  • 出版时间:2014
  • 标注页数:457页
  • 文件大小:85MB
  • 文件页数:466页
  • 主题词:数据采集-软件工具

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

下载说明

数据挖掘与机器学习 WEKA应用技术与实践PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第1章 Weka介绍 1

1.1 Weka简介 2

1.1.1 Weka历史 2

1.1.2 Weka功能简介 3

1.2 基本概念 4

1.2.1 数据挖掘和机器学习 4

1.2.2 数据和数据集 5

1.2.3 ARFF格式 6

1.2.4 预处理 7

1.2.5 分类与回归 10

1.2.6 聚类分析 11

1.2.7 关联分析 12

1.3 Weka系统安装 12

1.3.1 系统要求 13

1.3.2 安装过程 13

1.3.3 Weka使用初步 15

1.3.4 系统运行注意事项 17

1.4 访问数据库 22

1.4.1 配置文件 22

1.4.2 访问数据库 23

1.4.3 常见问题及解决办法 25

1.5 示例数据集 26

1.5.1 天气问题 26

1.5.2 鸢尾花 28

1.5.3 CPU 29

1.5.4 玻璃数据集 29

1.5.5 美国国会投票记录 30

1.5.6 乳腺癌数据集 31

课后强化训练 31

第2章 Explorer界面 33

2.1 图形用户界面 34

2.1.1 标签页简介 34

2.1.2 状态栏 35

2.1.3 图像输出 35

2.1.4 手把手教你用 35

2.2 预处理 38

2.2.1 加载数据 38

2.2.2 属性处理 40

2.2.3 过滤器 42

2.2.4 过滤器算法介绍 44

2.2.5 手把手教你用 49

2.3 分类 55

2.3.1 分类器选择 56

2.3.2 分类器训练 57

2.3.3 分类器输出 58

2.3.4 分类算法介绍 61

2.3.5 分类模型评估 74

2.3.6 手把手教你用 77

2.4 聚类 94

2.4.1 聚类面板操作 94

2.4.2 聚类算法介绍 95

2.4.3 手把手教你用 97

2.5 关联 102

2.5.1 关联面板操作 103

2.5.2 关联算法介绍 103

2.5.3 手把手教你用 106

2.6 选择属性 113

2.6.1 选择属性面板操作 114

2.6.2 选择属性算法介绍 114

2.6.3 手把手教你用 116

2.7 可视化 123

2.7.1 选择单独的2D散点图 124

2.7.2 选择实例 125

2.7.3 手把手教你用 125

课后强化训练 127

第3章 Knowledge Flow界面 129

3.1 知识流介绍 130

3.1.1 知识流特性 130

3.1.2 知识流界面布局 131

3.2 知识流组件 133

3.2.1 数据源 133

3.2.2 数据接收器 136

3.2.3 评估器 138

3.2.4 可视化器 140

3.2.5 其他工具 141

3.3 使用知识流组件 143

3.4 手把手教你用 145

课后强化训练 162

第4章 Experimenter界面 163

4.1 简介 164

4.2 标准实验 165

4.2.1 简单实验 165

4.2.2 高级实验 170

42.3 手把手教你用 177

4.3 远程实验 189

4.3.1 远程实验设置 189

4.3.2 手把手教你用 192

4.4 分析结果 199

4.4.1 获取实验结果 200

4.4.2 配置测试 200

4.4.3 保存结果 204

4.4.4 手把手教你用 204

课后强化训练 208

第5章 命令行界面 209

5.1 命令行界面介绍 210

5.1.1 命令调用 211

5.1.2 命令自动完成 212

5.2 Weka结构 213

5.2.1 类实例和包 213

5.2.2 weka.core包 214

5.2.3 weka.classifiers包 215

5.2.4 其他包 216

5.3 命令行选项 216

5.3.1 常规选项 217

5.3.2 特定选项 219

5.4 过滤器和分类器选项 220

5.4.1 过滤器选项 220

5.4.2 分类器选项 223

5.4.3 手把手教你用 224

5.5 包管理器 229

5.5.1 命令行包管理器 230

5.5.2 运行安装的算法 231

课后强化训练 232

第6章 Weka高级应用 233

6.1 贝叶斯网络 234

6.1.1 简介 234

6.1.2 贝叶斯网络编辑器 237

6.1.3 在探索者中使用贝叶斯网络 245

6.1.4 学习算法 246

6.1.5 查看贝叶斯网络 248

6.1.6 手把手教你用 251

6.2 神经网络 261

6.2.1 GUI使用 261

6.2.2 手把手教你用 263

6.3 文本分类 268

6.3.1 文本分类示例 268

6.3.2 分类真实文本 273

6.3.3 手把手教你用 274

6.4 时间序列分析及预测 280

6.4.1 使用时间序列环境 280

6.4.2 手把手教你用 291

课后强化训练 299

第7章 Weka API 301

7.1 加载数据 302

7.1.1 从文件加载数据 302

7.1.2 从数据库加载数据 303

7.1.3 手把手教你用 304

7.2 保存数据 309

7.2.1 保存数据至文件 309

7.2.2 保存数据至数据库 309

7.2.3 手把手教你用 310

7.3 处理选项 313

7.3.1 处理选项方法 313

7.3.2 手把手教你用 314

7.4 内存数据集处理 315

7.4.1 在内存中创建数据集 315

7.4.2 打乱数据顺序 319

7.4.3 手把手教你用 319

7.5 过滤 323

7.5.1 批量过滤 324

7.5.2 即时过滤 325

7.5.3 手把手教你用 326

7.6 分类 329

7.6.1 分类器构建 329

7.6.2 分类器评估 330

7.6.3 实例分类 332

7.6.4 手把手教你用 333

7.7 聚类 344

7.7.1 聚类器构建 345

7.7.2 聚类器评估 345

7.7.3 实例聚类 347

7.7.4 手把手教你用 347

78属性选择 353

7.8.1 使用元分类器 354

7.8.2 使用过滤器 354

7.8.3 使用底层API 355

7.8.4 手把手教你用 356

7.9 可视化 359

7.9.1 ROC曲线 359

7.9.2 图 360

7.9.3 手把手教你用 361

7.1 0序列化 366

7.1 0.1 序列化基本方法 366

7.1 0.2 手把手教你用 367

7.1 1 文本分类综合示例 369

7.1 1.1 程序运行准备 369

7.1 1.2 源程序分析 370

7.1 1.3 运行说明 377

课后强化训练 379

第8章 学习方案源代码分析 381

8.1 NaiveBayes源代码分析 382

8.2 实现分类器的约定 401

课后强化训练 403

附录A 中英文术语对照 405

附录B Weka算法介绍 409

参考文献 457

精品推荐