R語言數據挖掘 Learning Data Mining with R
(哈)貝特·麥克哈貝爾(Bater Makhabel)
- 出版商: 機械工業
- 出版日期: 2016-09-01
- 定價: $294
- 售價: 7.9 折 $232
- 語言: 簡體中文
- 頁數: 199
- ISBN: 7111547691
- ISBN-13: 9787111547693
-
相關分類:
R 語言
- 此書翻譯自: Learning Data Mining with R
立即出貨 (庫存=1)
買這商品的人也買了...
-
$594基於R語言的自動資料收集:網絡抓取和文本挖掘實用指南 (Automated Data Collection with R) -
大數據分析與應用實戰:統計機器學習之資料導向程式設計$800$760 -
《2020音響入門誌》Vol.1~Vol.3 +《升級套件》全套組合$15,820$13,447 -
關鍵疊代:可信賴的線上對照實驗$594$564
中文年末書展|繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components:從原子到系統,一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場:社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用:DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用!Word.Excel.PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光:資安數位生存戰$550$412 -
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$576 -
79折
Google BI 解決方案:Looker Studio × AI 數據驅動行銷實作,完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus!職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化!$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略:圖解 AI 與 Copilot 應用,輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word!論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術:用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持!Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!:Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化(iThome鐵人賽系列書)$780$608 -
78折
超實用!業務.總管.人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$390 -
7折
Node-RED + YOLO + ESP32-CAM:AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」:52 個零程式互動體驗,打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare:惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人:回顧從 Ada 到 AI 這條程式路,程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫!用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者:Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本|Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊:生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
<內容簡介>
本書第1章介紹數據挖掘、機器學習和數據預處理的基本概念;第2章介紹頻繁模式挖掘、關聯規則和相關性;第3章和第4章分別介紹分類和高級分類技術;第5章和第6章分別介紹聚類分析算法和高級聚類分析算法;第7章討論異常值檢測;第8章介紹流數據、時間序列數據及序列數據挖掘;第9章討論圖挖掘和網絡分析;第10章介紹文本和網絡數據挖掘。本書提供了應用最流行的數據挖掘算法解決預測模型問題的可行策略,讀者可以從中更好地理解主流的預測模型,也可以學習數據挖掘的實際經驗。
