0人評分過此書

資料探勘:人工智慧與機器學習發展以SPSS Modeler為範例

出版日期
2019/01/31
閱讀格式
PDF
書籍分類
學科分類
ISBN
9789864343676

本館館藏

借閱規則
當前可使用人數 3
借閱天數 14
線上看 0
借閱中 0

文化部計次

借閱規則
借閱天數 14
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館 桃園市立圖書館
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
資料探勘是一門結合統計學與資訊科學相關理論的方法學,藉由各種功能與模式的導入與實踐,使得資料探勘的應用遍及各個領域,成為研究與實務工作者重要的研究方法,尤其是運用在人工智慧及機器學習的未來發展。再者,隨著知識經濟的發展,以資料探勘為基礎,創造個人、組織競爭優勢、與經營績效的管理理論及工具,也就成為資料探勘發展及應用的趨勢。故資料探勘理論與工具方法的學習與導入於組織、企業,就成為知識探勘、運用與管理的重要工作。因此,我們也可以說資料探勘,對於學術界與實務界而言,是一門兼具問題、理論、與方法的學科。

這本書所要提供給讀者的內容,即嘗試以不同資料探勘的理論為經,演算方法為緯,在經、緯的架構中,藉著個案實例,以及SPSS Modeler系統實際的操作,來說明資料探勘模式與功能所能提供問題解決的方法,以及在人工智慧及機器學習未來的發展。

本書範例檔請至博碩官網下載。
  • Chapter 01 資料探勘概論
    • 1-1 資料探勘概念
    • 1-2 何謂資料探勘?
    • 1-3 資料探勘的定義
    • 1-4 資料探勘的流程
    • 1-5 資料探勘的應用
  • Chapter 02 資料探勘的功能
    • 2-1 資料探勘的方式與功能
    • 2-2 分類(Classification)
    • 2-3 推估(Estimation)
    • 2-4 預測(Predication)
    • 2-5 集群(Cluster or Segmentation)
    • 2-6 關聯(Association rules analysis)
    • 2-7 順序(Sequential)
  • Chapter 03 資料庫與資料探勘-大資料Ⅰ
    • 3-1 大資料與資料庫
    • 3-2 資料與資料庫
    • 3-3 資料庫架構
    • 3-4 IBM SPSS Modeler資料來源
    • 3-5 資料品質
    • 3-6 資料預處理
  • Chapter 04 資料與資料探勘-大數據Ⅱ
    • 4-1 大數據與資料
    • 4-2 資料
    • 4-3 IBM SPSS Modeler資料格式及設定
    • 4-4 自動資料準備
    • 4-5 遺漏值的處理
  • Chapter 05 決策樹:C5.0
    • 5-1 決策樹基本概念
    • 5-2 決策樹演算法簡介
    • 5-3 IBM SPSS ModelerC5.0節點資料格式與設定
    • 5-4 IBM SPSS ModelerC5.0節點設定範圍
    • 5-5 個案應用—生物資訊
  • Chapter 06 分類與迴歸樹:C&RT
    • 6-1 分類與迴歸樹基本概念
    • 6-2 C&R Tree演算法簡介
    • 6-3 IBM SPSS ModelerC&RT節點資料格式與設定
    • 6-4 IBM SPSS ModelerC&R Tree節點設定範圍
    • 6-5 個案應用—醫學診斷
  • Chapter 07 因數分析:FA/PCA
    • 7-1 因素分析PCA/Factor基本概念
    • 7-2 因素分析演算法簡介
    • 7-3 IBM SPSS Modeler主成分/因子節點資料格式與設定
    • 7-4 IBM SPSS Modeler主成分/因子節點設定範圍
    • 7-5 個案應用—學術量表分析
  • Chapter 08 類神經網路:Artificial Neural Networks
    • 8-1 類神經網路基本概念
    • 8-2 類神經網路演算法簡介
    • 8-3 IBM SPSS ModelerNeural Networks節點資料格式與設定
    • 8-4 IBM SPSS Modeler類神經網路(ANN) 節點設定範圍
    • 8-5 個案應用—設備狀態監測
  • Chapter 09 貝氏網路-Bayesian Networks
    • 9-1 貝氏網路基本概念
    • 9-2 貝氏定理簡介
    • 9-3 IBM SPSS ModelerBayesian網路節點資料格式與設定
    • 9-4 IBM SPSS ModelerBayesian網路節點設定範圍
    • 9-5 個案應用—鐵達尼號乘客存活率分析
  • Chapter 10 支援向量機-Support Vector Machine
    • 10-1 支援向量機基本概念
    • 10-2 多分類支援向量機演算法簡介
    • 10-3 IBM SPSS ModelerSVM節點資料格式與設定
    • 10-4 IBM SPSS ModelerSVM節點設定範圍
    • 10-5 個案應用—公共行政管理應用
  • Chapter 11 關聯規則-Association rules
    • 11-1 關聯規則Apriori基本概念
    • 11-2 Apriori演算法簡介
    • 11-3 IBM SPSS ModelerApriori節點資料格式與設定
    • 11-4 IBM SPSS ModelerApriori節點設定範圍
    • 11-5 個案應用—零售業購物籃分析應用
  • Chapter 12 次序分析-Sequence analysis
    • 12-1 次序分析Sequence analysis基本概念
    • 12-2 次序分析演算法簡介
    • 12-3 IBM SPSS Modeler序列節點資料格式與設定
    • 12-4 IBM SPSS Modeler序列節點設定範圍
    • 12-5 個案應用—零售業的需求推估
  • Chapter 13 集群分析-Clustering analysis
    • 13-1 集群分析K-means的基本概念
    • 13-2 K-Means演算法簡介
    • 13-3 IBM SPSS ModelerK-Means節點資料格式與設定
    • 13-4 IBM SPSS ModelerK-Means節點設定範圍
    • 13-5 個案應用—城市汙水處理廠的水質資料
  • Chapter 14 類神經網路-Kohonen neural network
    • 14-1 類神經網路Kohonen基本概念
    • 14-2 類神經網路Kohonen neural network演算法
    • 14-3 IBM SPSS ModelerKohonen neural network節點資料格式與設定
    • 14-4 IBM SPSS ModelerKohonen neural network節點設定範圍
    • 14-5 個案應用—天文星體辨識資料應用
  • Chapter 15 資料探勘與人工智慧發展
    • 15-1 人工智慧起源
    • 15-2 人工智慧的領域
    • 15-3 人工智慧的方法
    • 15-4 資料探勘與人工智慧發展
  • Chapter 16 資料探勘與機器學習發展
    • 16-1 機器學習起源
    • 16-2 機器學習的領域
    • 16-3 機器學習的方法
    • 16-4 資料探勘與機器學習發展

評分與評論

請登入後再留言與評分
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading