数据挖掘与机器学习——WEKA应用技术与实践(第二版)

本书借助代表当今数据挖掘和机器学习*高水平的著名开源软件Weka,通过大量的实践操作,使读者了解并掌握数据挖掘和机器学习的相关技能,拉近理论与实践的距离。全书共分8章,主要内容包括Weka介绍、Explorer界面、Knowledge Flow界面、Experimenter界面、命令行界面、Weka高级应用、Weka API和学习方案源代码分析。 作为国内**本系统讲解Weka的书籍,本书内容全面、实例丰富、可操作性强,做到理论与实践的统一。本书适合数据挖掘和机器学习相关人员作为技术参考书,也适合作为计算机专业高年级本科生和研究生教材或教学参考用书。 封面 1 扉页 2 内容简介 3 版权页 3 再版前言 4 第一版前言 6 目录 8 第1章 Weka介绍 11 1.1 Weka简介 12 1.2 基本概念 15 1.3 Weka系统安装 23 1.4 访问数据库 34 1.5 示例数据集 38 课后强化练习 44 第2章 探索者界面 45 2.1 图形用户界面 46 2.2 预处理 50 2.3 分类 69 2.4 聚类 108 2.5 关联 117 2.6 选择属性 127 2.7 可视化 138 课后强化练习 150 第3章 知识流界面 153 3.1 知识流介绍 154 3.2 知识流组件 158 3.3 使用知识流组件 170 3.4 手把手教你用 172 课后强化练习 191 第4章 实验者界面 193 4.1 简介 194 4.2 标准实验 195 4.3 远程实验 220 4.4 分析结果 231 课后强化练习 239 第5章 命令行界面 241 5.1 命令行界面介绍 242 5.2 Weka结构 245 5.3 命令行选项 248 5.4 过滤器和分类器选项 252 5.5 包管理器 262 课后强化练习 265 第6章 Weka高级应用 267 6.1 贝叶斯网络 268 6.2 神经网络 296 6.3 文本分类 303 6.4 时间序列分析及预测 316 课后强化练习 336 第7章 Weka API 337 7.1 加载数据 338 7.2 保存数据 345 7.3 处理选项 349 7.4 内存数据集处理 351 7.5 过滤 359 7.6 分类 365 7.7 聚类 380 7.8 属性选择 389 7.9 可视化 394 7.10 序列化 401 7.11 文本分类综合示例 405 课后强化练习 414 第8章 学习方案源代码分析 415 8.1 NaiveBayes源代码分析 416 8.2 实现分类器的约定 437 课后强化练习 439 第9章 机器学习实战 441 9.1 数据挖掘过程概述 442 9.2 实战KDD Cup 1999 444 9.3 实战KDD Cup 2010 457 课后强化练习 481 正文结束 481 附录A 中英文术语对照 482 附录B Weka算法介绍 486 过滤器算法介绍 486 分类算法介绍 508 聚类算法介绍 536 关联算法介绍 540 选择属性算法介绍 542 参考文献 547 本书借助代表当今数据挖掘和机器学习最高水平的著名开源软件Weka,通过大量的实践操作,使读者了解并掌握数据挖掘和机器学习的相关技能,拉近理论与实践的距离。全书共分9章,主要内容包括Weka介绍、探索者界面、知识流界面、实验者界面、命令行界面、Weka高级应用、Weka API、学习方案源代码分析和机器学习实战。本书系统讲解Weka 3.7.13的操作、理论和应用,内容全面、实例丰富、可操作性强,做到理论与实践的统一。本书适合数据挖掘和机器学习相关人员作为技术参考书使用,也适合用作计算机专业高年级本科生和研究生的教材或教学参考用书。