數(shù)據(jù)挖掘：方法與應(yīng)用

　　隨著信息技術(shù)的飛速發(fā)展，數(shù)據(jù)的產(chǎn)生和存儲(chǔ)達(dá)到了空前繁榮的階段。如何從海量的數(shù)據(jù)中提取潛在的有用信息，給傳統(tǒng)的數(shù)據(jù)處理技術(shù)提出了嚴(yán)峻的考驗(yàn)，數(shù)據(jù)挖掘方法應(yīng)運(yùn)而生。數(shù)據(jù)挖掘是一個(gè)多學(xué)科的交叉研究領(lǐng)域，不僅大學(xué)里的學(xué)術(shù)人員在研究它，商業(yè)公司的專家和技術(shù)人員也在密切地關(guān)注它和使用它；它不僅涉及人工智能領(lǐng)域以及統(tǒng)計(jì)學(xué)的應(yīng)用，而且涉及數(shù)據(jù)庫的管理和使用。從技術(shù)上來講，數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的，但又潛在有用的信息和知識(shí)的過程。從商業(yè)應(yīng)用來講，數(shù)據(jù)挖掘是一種新的商業(yè)信息處理技術(shù)，其主要特點(diǎn)是對(duì)商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模式化的處理，從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)。本書第1章對(duì)數(shù)據(jù)挖掘進(jìn)行了概述，包括數(shù)據(jù)挖掘的定義、重要性、功能、步驟和常用方法等。第2章和第3章介紹了兩種數(shù)據(jù)挖掘中常用的指導(dǎo)的學(xué)習(xí)算法、關(guān)聯(lián)規(guī)則和聚類分析，它們處理的數(shù)據(jù)的特點(diǎn)是沒有獨(dú)立的需要預(yù)測(cè)或分類的變量，而只是試圖從數(shù)據(jù)中發(fā)現(xiàn)一些固有的模式。關(guān)聯(lián)規(guī)則就是要發(fā)現(xiàn)兩個(gè)或多個(gè)事物之間的聯(lián)系；聚類分析就是要把數(shù)據(jù)中具有相似性質(zhì)的放在一類，而不同類之間盡量做到有較大的不同。第4章和第5章介紹了兩種數(shù)據(jù)挖掘中常用的指導(dǎo)的學(xué)習(xí)算法、決策樹和神經(jīng)網(wǎng)絡(luò)。它們處理的數(shù)據(jù)含有獨(dú)立的需要預(yù)測(cè)或分類的變量，它們的目的就是尋找一些自變量的函數(shù)或算法對(duì)數(shù)據(jù)進(jìn)行準(zhǔn)確的預(yù)測(cè)或分類。決策樹方法在對(duì)數(shù)據(jù)處理的過程中，將數(shù)據(jù)按照樹狀結(jié)構(gòu)分成若干分枝形成決策規(guī)則；神經(jīng)網(wǎng)絡(luò)在一定程度上模仿了人腦神經(jīng)系統(tǒng)處理信息，存儲(chǔ)以及檢索的功能，它是一個(gè)非線性的映射系統(tǒng)。第6章和第7章介紹了兩種數(shù)據(jù)挖掘中常用的傳統(tǒng)統(tǒng)計(jì)的方法，回歸分析和時(shí)間序列?；貧w分析是尋找自變量和因變量之間關(guān)系的預(yù)測(cè)模型，包括線性回歸和Logistic回歸；時(shí)間序列分析，顧名思義，是處理以時(shí)間為序的觀測(cè)數(shù)據(jù)的方法。本書的一個(gè)特點(diǎn)是不僅對(duì)上述方法作了理論的闡述，還結(jié)合案例分析講述了如何應(yīng)用STATISTICA軟件實(shí)現(xiàn)上述方法對(duì)數(shù)據(jù)的分析，是一本理論和實(shí)踐相結(jié)合的理論性和應(yīng)用性都很強(qiáng)的書。

暫缺《數(shù)據(jù)挖掘：方法與應(yīng)用》作者簡介