機(jī)械工業(yè)出版社本教材首先介紹了數(shù)據(jù)分析的基本概念和方法，然后通過(guò)大量實(shí)例介紹了如何使用Matlab實(shí)現(xiàn)數(shù)據(jù)分析，并深入淺出地介紹了數(shù)據(jù)建模過(guò)程中的有關(guān)方法。本教材共分8章，主要內(nèi)容包括：數(shù)據(jù)的基本概念及其應(yīng)用、Matlab基礎(chǔ)、隨機(jī)模擬、數(shù)據(jù)預(yù)處理、數(shù)據(jù)探索與分析、多元線性回歸模型、聚類(lèi)分析和分類(lèi)。本教材可作為職業(yè)院校計(jì)算機(jī)相關(guān)專(zhuān)業(yè)的教學(xué)用書(shū)，也可供相關(guān)技術(shù)人員參考。
前言
第1章數(shù)據(jù)的基本概念及其應(yīng)用
11數(shù)據(jù)與數(shù)據(jù)處理
111數(shù)據(jù)的相關(guān)基本概念
112數(shù)據(jù)處理的主要概念
113數(shù)據(jù)處理的流程
114數(shù)據(jù)處理的誤區(qū)
12數(shù)據(jù)處理涉及的主要領(lǐng)域
121統(tǒng)計(jì)學(xué)
122數(shù)據(jù)挖掘
123云計(jì)算
13數(shù)據(jù)處理的主要方法
131數(shù)據(jù)采集
132數(shù)據(jù)預(yù)處理
133數(shù)據(jù)分析
134數(shù)據(jù)挖掘算法
第2章Matlab基礎(chǔ)
21Matlab簡(jiǎn)介
211Matlab的特點(diǎn)
212Matlab窗口簡(jiǎn)介
22數(shù)組及其運(yùn)算
221變量和數(shù)組
222變量的初始化
223多維數(shù)組
224子數(shù)組
225單元陣列
226顯示輸出數(shù)據(jù)
227數(shù)據(jù)文件
228數(shù)組運(yùn)算和矩陣運(yùn)算
229內(nèi)置函數(shù)
23作圖入門(mén)
231簡(jiǎn)單的直角坐標(biāo)系作圖
232作圖的附加特性
24Matlab程序設(shè)計(jì)
241關(guān)系運(yùn)算符和邏輯運(yùn)算符
242選擇結(jié)構(gòu)
243循環(huán)結(jié)構(gòu)
25自定義函數(shù)
第3章隨 機(jī) 模 擬
31隨機(jī)數(shù)的生成
32蒙特卡羅模擬
321蒙特卡羅模擬估計(jì)面積
322蒙特卡羅模擬尋求近似圓周率
323蒙特卡羅模擬解決生日問(wèn)題
33隨機(jī)行為的模擬
34蒙特卡羅模擬應(yīng)用案例：理發(fā)店系統(tǒng)研究
Matlab數(shù)據(jù)分析第1章數(shù)據(jù)的基本概念及其應(yīng)用第4章數(shù)據(jù)預(yù)處理
41認(rèn)識(shí)數(shù)據(jù)
411屬性
412離散屬性和連續(xù)屬性
42數(shù)據(jù)預(yù)處理概述
421數(shù)據(jù)清洗
422數(shù)據(jù)集成
423數(shù)據(jù)歸約
424數(shù)據(jù)變換
43Matlab與Excel的數(shù)據(jù)交互
431以交互方式導(dǎo)入數(shù)據(jù)
432讀取和寫(xiě)入表
433大型文件和大型數(shù)據(jù)簡(jiǎn)介
434數(shù)據(jù)的清理、平滑和分組等
第5章數(shù)據(jù)探索與分析
51數(shù)據(jù)的特征統(tǒng)計(jì)量
511中心度量趨勢(shì)：均值、中位數(shù)、眾數(shù)
512常用的變異程度度量
513分布形態(tài)
52基本統(tǒng)計(jì)描述的可視化
521分類(lèi)型數(shù)據(jù)頻數(shù)分布及其可視化
522直方圖
523分位數(shù)圖和經(jīng)驗(yàn)累計(jì)分布函數(shù)
524分位數(shù)分位數(shù)圖——qq圖
525箱形圖
526散點(diǎn)圖
53度量數(shù)據(jù)的相似性和相異性
531數(shù)據(jù)矩陣、相異性矩陣、相似性矩陣
532數(shù)值屬性的相似性：相關(guān)系數(shù)
533數(shù)值屬性的相異性：距離
54數(shù)據(jù)降維——主成分分析
第6章多元線性回歸模型
61概述
62一元曲線擬合
621案例1——百貨商場(chǎng)銷(xiāo)售額
622確定最優(yōu)擬合
623導(dǎo)出模型到工作空間
63多元線性回歸模型
631案例2——牙膏的銷(xiāo)售量
632案例3——自變量含有分類(lèi)變量的處理
64逐步回歸模型
第7章聚 類(lèi) 分 析
71簡(jiǎn)介
711聚類(lèi)分析的類(lèi)型
712聚類(lèi)分析的依據(jù)
72譜系聚類(lèi)
73k均值聚類(lèi)
731k均值聚類(lèi)概述
732k均值聚類(lèi)算法的Matlab函數(shù)
733k均值聚類(lèi)算法的特點(diǎn)
734k均值聚類(lèi)算法綜合應(yīng)用
74層次聚類(lèi)
741概述
742層次聚類(lèi)算法的Matlab實(shí)現(xiàn)
743層次聚類(lèi)算法的特點(diǎn)
75高斯混合模型聚類(lèi)
751簡(jiǎn)介
752高斯混合模型聚類(lèi)算法的Matlab實(shí)現(xiàn)
第8章分類(lèi)
81分類(lèi)算法簡(jiǎn)介
811邏輯回歸分類(lèi)算法
812K近鄰分類(lèi)算法
813支持向量機(jī)分類(lèi)算法
814人工神經(jīng)網(wǎng)絡(luò)分類(lèi)算法
815樸素貝葉斯分類(lèi)算法
816判別分析分類(lèi)算法
817決策樹(shù)分類(lèi)算法
818集成學(xué)習(xí)分類(lèi)算法
82分類(lèi)的評(píng)判
821評(píng)判指標(biāo)
822ROC曲線和AUC
83判別分析分類(lèi)的具體應(yīng)用
831判別分析的定義、特點(diǎn)和類(lèi)型
832距離判別
833貝葉斯判別
84使用Classification Learner App實(shí)現(xiàn)分類(lèi)
參 考 文 獻(xiàn)
書(shū)單推薦
