|
java自学网(www.javazx.com)-java论坛,java电子书推荐:《数据挖掘与机器学习——WEKA应用技术与实践》
, Y6 l) u( ~4 }% M! i b- `java电子书推荐理由:袁梅宇,男,工学博士,硕士导师,现在昆明理工大学计算机系任教。为本科生和研究生主讲Java程序设计、Java EE技术、数据库原理、人工智能、Dot Net技术等核心课程,参加过863 CIMS Net建设、中欧合作项目DRAGON和多项国家基金和省基金项目,第一作者公开发表论文十余篇,软件著作权(颁证)六项。步骤,它从大量数据中自动提取出隐含的、过去未知的、有价值的潜在信息。机器学习主要设计和分析一些让计算机可以自动“学习”的算法,其算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测。机器学习和数据挖掘这两个领域联系密切,数据挖掘利用机器学习提供的技术来分析海量数据,以发掘数据中隐含的有用信息。
% t. X( ~7 d& p# K+ w2 O4 j% l: [
: g# Q/ j+ e& {& z' w' q) H$ m( X, f0 ~
作者:袁梅宇
2 |! E2 ~" n: A8 o( L% m. g0 e出版社:清华大学出版社8 M! H: [ g. c
出版时间:2014年07月
% e6 k; u @8 K) {; _" Q书籍价格:52.80元" |/ p3 |" t' m$ S* I
/ z, M9 S" n: X* l2 D
0 B' k$ h! H7 w* j4 e( R
7 X" e0 B- h4 q. A& A% i" _
java电子书目录:
# @0 c1 i7 D" A9 T% w7 j5 C$ C+ y第1章 Weka介绍2 f H; P, V. m' |
1.1 Weka简介+ T! |; o/ h' Q
1.1.1 Weka历史 c4 O. r: u2 q f& L8 f
1.1.2 Weka功能简介7 G$ B# P3 W: w; g! p
1.2 基本概念8 s$ _7 |& N" d% K2 U' w
1.2.1 数据挖掘和机器学习
7 a* E9 u- M1 H6 T- {4 |1.2.2 数据和数据集! _9 O8 {) ?7 K3 h" c: |/ \( Q
1.2.3 ARFF格式
- C* Z7 X- M; K" _. _( R1.2.4 预处理6 a& X6 H; x' R9 N( J9 M6 B6 I
1.2.5 分类与回归
. R9 E9 Q4 r' R+ N) u1.2.6 聚类分析
: J( Z8 X' T! S% g7 P- j1.2.7 关联分析1 I$ [2 R% L) _" o( y
1.3 Weka系统安装/ f; Z% F% G6 r& |( e' [
1.3.1 系统要求, g# T2 Z- d! M3 b( L
1.3.2 安装过程
) ^2 w; n" P3 m# Q1.3.3 Weka使用初步
* Z" U+ B0 X. R; x5 z' h; b1.3.4 系统运行注意事项0 V x, ^8 u7 t* h, X, a6 }- [
1.4 访问数据库2 ~9 v8 c$ X, l% V# W ?: \
1.4.1 配置文件" o6 i3 f& M6 O; r
1.4.2 访问数据库1 {! @' s- D4 H9 B0 o5 V* ~2 X |# x
1.4.3 常见问题及解决办法6 M! K E' g* F# V( [4 j7 W
1.5 示例数据集3 G% s- }) F3 B
1.5.1 天气问题 l/ v, [3 Y5 f$ [- z
1.5.2 鸢尾花
, m* c* M2 V- r1.5.3 CPU
) x8 _ \% d. K6 \: D2 _7 e9 q1.5.4 玻璃数据集
, b0 U8 x: T7 ?2 u1.5.5 美国国会投票记录
3 u: z3 U) z) w- c- ~4 f" j3 w1.5.6 乳腺癌数据集
) x* r: a' D- J6 Y' W" ~) l课后强化训练- w. [1 {+ c3 w* E
1 {' H5 i; G: D$ h, ^0 }* f
第2章 Explorer界面
& H1 s: b: g& }2 s5 l4 N2.1 图形用户界面. h& F; J2 S; b) t2 t$ f
2.1.1 标签页简介7 w/ F% R: Q- M6 T" a) j
2.1.2 状态栏; W/ R# _( T8 q
2.1.3 图像输出
: `3 C# {5 i: q. H* F4 J/ W2.1.4 手把手教你用( m1 {' C/ ~7 j, \$ ~/ T
2.2 预处理
0 ?$ @; J& Y( j% N g2.2.1 加载数据
, |* o, I" m! J- n8 j2.2.2 属性处理. K J5 X9 `6 |7 P
2.2.3 过滤器; Q/ p$ [6 X W& S
2.2.4 过滤器算法介绍
- s t6 c9 E- r, ^7 J% F& g2.2.5 手把手教你用, e: {8 L! ^5 Y5 J) r* m
2.3 分类
9 {0 u6 h2 b* H5 V. p2.3.1 分类器选择& ` Y/ N8 i4 f. z0 d! r( @
2.3.2 分类器训练0 ?2 C* }0 {; D" j }
2.3.3 分类器输出4 a3 H ?4 e- |
2.3.4 分类算法介绍
9 o7 i* `- C# u2.3.5 分类模型评估
. C$ T; S S6 k% g2 n& N2.3.6 手把手教你用
( n5 X3 [! `# V4 J5 x: I# l; f, k2.4 聚类
8 c3 S( U! t o/ |! @2 |$ g2.4.1 聚类面板操作3 d! j& N7 ?8 A7 D x$ ]
2.4.2 聚类算法介绍( T) o3 q) ], [. }9 C+ {& L( r
2.4.3 手把手教你用+ S2 m0 ? f! H+ t+ W0 d% A
2.5 关联
* O$ b4 _1 x5 b Q5 {# y2.5.1 关联面板操作
( M% k1 V Y" V" t9 ?2.5.2 关联算法介绍 H+ X4 [" }8 d- R
2.5.3 手把手教你用, B" Z9 C6 w4 p
2.6 选择属性
" G0 }9 ~2 y( h0 l' n" ]0 v2.6.1 选择属性面板操作
r$ t+ h$ F: r! H* Q& V1 A$ A2.6.2 选择属性算法介绍% v3 q# S1 e" e/ P% `; ^, J: S
2.6.3 手把手教你用
0 h0 N7 M1 ?0 K0 q7 F2.7 可视化
0 P3 i8 c. T3 n v1 H4 _2.7.1 选择单独的2D散点图) ^0 {$ s1 M0 J' y
2.7.2 选择实例% j4 D9 I* E/ B4 k# ^5 g5 ?
2.7.3 手把手教你用" B3 x0 [0 U0 E8 G! S
课后强化训练
9 S, s9 O* M3 s g- r. v/ N! a8 @& w0 b/ S
第3章 Knowledge Flow界面
7 z7 _$ V$ b( f/ G3.1 知识流介绍# K, _) _! y3 r: T' r8 R4 T
3.1.1 知识流特性! ?7 n& A/ D4 f1 U4 [) L, C
3.1.2 知识流界面布局! t6 I: O/ d# U- g/ I1 _1 F2 S+ _
3.2 知识流组件2 F/ L3 S% q% R# I! m. L* f l( ~
3.2.1 数据源1 v3 C! @1 D e# \
3.2.2 数据接收器
8 R' X1 [ y# a7 L5 d3.2.3 评估器
8 ]3 z6 B6 y4 `- q, ?: |$ ^4 e3.2.4 可视化器; g. Z6 t$ j9 s1 Q& s
3.2.5 其他工具) k: f% l" G: q# v
3.3 使用知识流组件& Z4 f" U6 \) o% B# I3 ?2 \
3.4 手把手教你用- E: B7 r7 ?6 n
课后强化训练3 S# S# E% b/ Y: _
# E' n6 l+ l" v. M- n: M
第4章 Experimenter界面# ]. m" t z: S6 |' |2 e3 T
4.1 简介
+ t- V! X R; b' G* X9 J$ p+ u& F6 I1 k4.2 标准实验
- }" Q) M m1 Y3 v. t6 z4.2.1 简单实验
$ x/ Q* f5 V8 V. {4.2.2 高级实验8 @9 A9 m6 r' v; ^4 i
4.2.3 手把手教你用
7 X" k( q- P# t6 }) U4.3 远程实验0 w C; s& U1 Y" W; w# _4 J; n
4.3.1 远程实验设置4 V$ e8 T. P7 b7 o6 a# a8 i
4.3.2 手把手教你用
4 }6 }6 N- e# C. f4.4 分析结果, e9 K5 P. _5 k) l3 A
4.4.1 获取实验结果0 T1 B! @, i- c- s: h) F% \
4.4.2 配置测试9 e% N4 k3 T7 U8 B, Q# T0 q9 S
4.4.3 保存结果9 D9 o- ?1 e+ X
4.4.4 手把手教你用
) ~8 ?, r: q" R, z6 p/ e课后强化训练
& C( C# Y( ^' D- B. s( P* A0 u" U. ]
第5章 命令行界面% M$ q0 {7 y% I* S
5.1 命令行界面介绍$ J6 z; w$ ] h O) i
5.1.1 命令调用
9 g( f' C# a8 C& V5.1.2 命令自动完成
3 B) _3 L* I6 n8 l6 b5.2 Weka结构
: A3 b- a3 ?& ~( G" G5.2.1 类实例和包% ]6 {, @$ I# G5 ?; a8 q
5.2.2 weka.core包- ^: t/ A7 t* O4 C1 I1 c* {
5.2.3 weka.classifiers包
4 X1 H+ q2 }2 }5.2.4 其他包
5 o4 S/ l1 O9 @* e4 t4 ]0 _5.3 命令行选项
* P `/ Q% x" d' w$ B5.3.1 常规选项
8 t6 c. K) R& Z! {6 D- k$ L5.3.2 特定选项
; L, L5 z) ?! i2 A* Y, q5.4 过滤器和分类器选项' n4 j' h* ]4 b9 z; m/ v6 \
5.4.1 过滤器选项
+ h9 T! J+ i; i& s. e5.4.2 分类器选项- m% j5 s }3 W/ ?& U p, X
5.4.3 手把手教你用6 ?# M4 m6 [& l. u& W$ ~- y
5.5 包管理器
9 B2 r2 Z8 R$ u& U0 [5.5.1 命令行包管理器/ F! X. q- c( M! j7 i" u: T( L
5.5.2 运行安装的算法8 [* z& s3 V5 g5 c
课后强化训练4 a' g. Q/ i; n/ v5 y, R: n
( u$ @6 ~. M4 W, U* r {& R4 J第6章 Weka高级应用/ o0 B" U* T5 J: y6 W! g
6.1 贝叶斯网络
3 z1 X4 d- b) G l/ r& }6.1.1 简介
/ ]! X2 J' N5 Q! g0 p3 U& i) ]6.1.2 贝叶斯网络编辑器* D1 h1 _" Y, n: E! ]( w- I
6.1.3 在探索者中使用贝叶斯网络
, u; S5 q; {6 ^7 h6 @6.1.4 学习算法
* `/ H Y2 g0 }" `' c- j6.1.5 查看贝叶斯网络7 _' _2 V" ~' k9 @/ q) ]9 \2 q
6.1.6 手把手教你用
2 a8 I3 ~) X, p* e, S6.2 神经网络* A7 Y9 E: R3 A; m3 ~
6.2.1 GUI使用- n: @$ `# L/ {9 N G
6.2.2 手把手教你用
; Q: h5 u. R4 Q$ r" _0 Y4 ^6.3 文本分类
+ ?% K. T& t* P; C4 y6.3.1文本分类示例
' s; ?/ r P: Z$ N) j. }4 F6.3.2 分类真实文本
z" m: F l" ^+ {6.3.3 手把手教你用* {& q- W" h1 R; m2 m8 w9 p0 d4 B
6.4 时间序列分析及预测' e0 P' T; m/ L/ L! c; ~
6.4.1 使用时间序列环境
7 u A6 B4 V u' y- f9 @! n4 D! d6.4.2 手把手教你用
0 _6 v; u: w6 z6 L. _课后 www.javazx.com强化训练
) r6 S7 p& [& L3 {; K& b/ D" X( R9 r/ L
第7章 Weka API
) I; e5 i; Z* L$ r7.1 加载数据7 o: h- G7 N, A: }
7.1.1 从文件加载数据
& `6 Y5 ]2 V5 Q7.1.2 从数据库加载数据1 t& C- h }4 x# A1 {3 e
7.1.3 手把手教你用% r' q/ x+ p5 ]' ]# N& N
7.2 保存数据
' r7 Y' F' [- _ t6 Z5 J$ w7.2.1 保存数据至文件
, Z2 y0 I7 s+ B7.2.2 保存数据至数据库
6 k8 V8 y& A! ~) U, Z7.2.3 手把手教你用
( M3 y8 f2 a- D6 H$ H7.3 处理选项! f0 [$ z4 {7 O' s+ p
7.3.1 处理选项方法
2 f2 _& x4 @, Z7.3.2 手把手教你用
* D$ R/ G$ `/ L: \ y7.4 内存数据集处理5 d' Y6 ?$ i4 p F0 F& D3 P
7.4.1 在内存中创建数据集
, R6 `/ o1 Z1 Y8 B) S6 M7.4.2 打乱数据顺序1 Z' }" d. }$ N$ G6 O" ]
7.4.3 手把手教你用+ ~- f+ I- L3 H: v, r$ s. s
7.5 过滤! E5 \8 x. |% \8 Y) a& L* W' X
7.5.1 批量过滤
, S0 E7 M* F M. E7.5.2 即时过滤5 \3 e0 _2 G( _. C3 S1 r
7.5.3 手把手教你用/ N9 x7 \( f# K
7.6 分类, B" F, z+ m% {" E
7.6.1 分类器构建
8 J; v0 P$ P. X5 F9 U1 @& s- b7.6.2 分类器评估6 D3 J; [: P2 L/ Q
7.6.3 实例分类
% u* b( ]% K j% B' K7.6.4 手把手教你用
9 T% ^) K, `& w X7.7 聚类4 n4 M0 m6 D, u; x
7.7.1 聚类器构建+ U2 `+ L% {, l% Q7 ~( M
7.7.2 聚类器评估& \; ]; y) n& w! D
7.7.3 实例聚类9 O" E$ C& _3 H: [
7.7.4 手把手教你用1 e) W, h' `2 w. D5 [3 u) R
7.8 属性选择. S5 }/ [. z) I: K) M9 ]* s! s
7.8.1 使用元分类器( ^( z9 e2 J) t _8 w/ F4 F" I) H+ c
7.8.2 使用过滤器
( E- v5 G9 ?& V) s( Z5 R7.8.3 使用底层API: O; T$ Y Y3 T
7.8.4 手把手教你用
2 q C4 p% U5 F* \1 p7.9 可视化4 M: I9 P) u8 E3 Z5 h9 J1 H
7.9.1 ROC曲线
5 H) u4 b+ J+ B1 ]# S& K& h; w+ G7.9.2 图# h" o% b1 J( P6 }2 N$ z
7.9.3 手把手教你用' s- t. W1 N1 K; p! G% @
7.10 序列化 F0 l0 A. X6 @. p
7.10.1 序列化基本方法- V$ y$ m |1 d' _. @ @2 u
7.10.2 手把手教你用: q9 i u( L$ ^7 |
7.11 文本分类综合示例
5 s! Q7 `1 P. _5 y. }7.11.1 程序运行准备
, O+ L( C9 {& {' V) E7.11.2 源程序分析6 G; @9 A, H! G" R. y+ x1 c
7.11.3 运行说明3 |8 o* @7 M3 k' _6 \( [
课后强化训练
/ X, a. M+ j: g! r/ O- D) _( e8 g- w, ?
第8章 学习方案源代码分析% m I9 A% {) O- M
8.1 NaiveBayes源代码分析
/ H1 ]5 ]! P3 \% T8.2 实现分类器的约定
" @. G. {* U2 d7 M: e) o% a课后强化训练. ^) h5 [" o1 [
& g, _ q2 ?" T# ^3 I* \9 I: N' x
附录A 中英文术语对照8 z2 w% q: M3 i* g% b
附录B Weka算法介绍+ v3 j# t+ R) T% p+ w
参考文献
* I5 D7 e( J- O9 e* s T) b+ zJava资料百度网盘下载地址链接(百度云):数据挖掘与机器学习 WEKA应用技术与实践@javazx.com.pdf【密码回帖可见】# v/ L6 b1 Q7 v) I
# G+ ?1 O1 Y, y, K! a- z) a
1 e. W2 w6 C$ h8 W
9 f6 J7 p* v# y( l2 \9 T) B
# @% m3 }9 T: x! d* q9 A0 Q3 P
& o' A. W# |. V- u
$ a" K0 x! C9 f* l) N- z8 n. } |
|