数控挖掘与机器学习-WEKA应用技术与实践-(第二版)

目录第1章  weka介绍 11.1  weka简介 21.1.1  weka历史 31.1.2  weka功能简介 31.2  基本概念 51.2.1  数据挖掘和机器学习51.2.2  数据和数据集 51.2.3  arff格式 61.2.4  预处理 71.2.5  分类与回归 101.2.6  聚类分析 121.2.7  关联分析 121.3  weka系统安装 131.3.1  系统要求 131.3.2  安装过程 141.3.3  weka使用初步161.3.4  系统运行注意事项181.4  访问数据库 241.4.1  配置文件 251.4.2  数据库设置 261.4.3  常见问题及解决办法271.5  示例数据集 281.5.1  天气问题 291.5.2  鸢尾花 301.5.3  cpu 311.5.4  玻璃数据集 321.5.5  美国国会投票记录331.5.6  乳腺癌数据集 33课后强化练习 34第2章  探索者界面 352.1  图形用户界面 362.1.1  标签页简介 362.1.2  状态栏 372.1.3  图像输出 372.1.4  手把手教你用 372.2  预处理 402.2.1  加载数据 402.2.2  属性处理 432.2.3  过滤器 442.2.4  过滤器算法介绍 462.2.5  手把手教你用 522.3  分类 592.3.1  分类器选择 592.3.2  分类器训练 612.3.3  分类器输出 622.3.4  分类算法介绍 652.3.5  分类模型评估 792.3.6  手把手教你用 812.4  聚类 982.4.1  cluster标签页的操作 982.4.2  聚类算法介绍 992.4.3  手把手教你用 1012.5  关联 1072.5.1  associate标签页的操作 1072.5.2  关联算法介绍 1082.5.3  手把手教你用 1112.6  选择属性 1172.6.1  select attributes标签页的操作 1182.6.2  选择属性算法介绍1192.6.3  手把手教你用 1202.7  可视化 1282.7.1  visualize标签页 1282.7.2  边界可视化工具1312.7.3  代价/收益分析可视化 1332.7.4  手把手教你用 134课后强化练习 140第3章  知识流界面 1433.1  知识流介绍 1443.1.1  知识流特性 1443.1.2  知识流界面布局1453.2  知识流组件 1483.2.1  数据源 1483.2.2  数据接收器 1513.2.3  评估器 1553.2.4  可视化器 1563.2.5  其他工具 1583.3  使用知识流组件 1603.4  手把手教你用 162课后强化练习 181第4章  实验者界面 1834.1  简介 1844.2  标准实验 1854.2.1  简单实验 1854.2.2  高级实验 1904.2.3  手把手教你用 1984.3  远程实验 2104.3.1  远程实验设置 2104.3.2  手把手教你用 2134.4  分析结果 2214.4.1  获取实验结果 2214.4.2  动作 2214.4.3  配置测试 2224.4.4  保存结果 2254.4.5  手把手教你用 225课后强化练习 229第5章  命令行界面 2315.1  命令行界面介绍 2325.1.1  命令调用 2335.1.2  命令自动完成 2345.2  weka结构 2355.2.1  类实例和包 2355.2.2  weka.core包2365.2.3  weka.classifiers包 2375.2.4  其他包 2385.3  命令行选项 2385.3.1  常规选项 2395.3.2  特定选项 2415.4  过滤器和分类器选项2425.4.1  过滤器选项 2425.4.2  分类器选项 2455.4.3  手把手教你用 2475.5  包管理器 2525.5.1  命令行包管理器2525.5.2  运行安装的算法254课后强化练习 255第6章  weka高级应用 2576.1  贝叶斯网络 2586.1.1  简介 2586.1.2  贝叶斯网络编辑器2616.1.3  在探索者界面中使用贝叶斯网络 2696.1.4  结构学习 2706.1.5  分布学习 2726.1.6  查看贝叶斯网络2736.1.7  手把手教你用 2766.2  神经网络 2866.2.1  gui使用 2866.2.2  手把手教你用 2896.3  文本分类 2936.3.1 文本分类示例 2946.3.2  分类真实文本 2986.3.3  手把手教你用 3006.4  时间序列分析及预测3066.4.1  使用时间序列环境3066.4.2  手把手教你用 318课后强化练习 326第7章  weka api 3277.1  加载数据 3287.1.1  从文件加载数据3287.1.2  从数据库加载数据 3297.1.3  手把手教你用 3307.2  保存数据 3357.2.1  保存数据至文件3357.2.2  保存数据至数据库3357.2.3  手把手教你用 3367.3  处理选项 3397.3.1  选项处理方法 3397.3.2  手把手教你用 3407.4  内存数据集处理 3417.4.1  在内存中创建数据集3417.4.2  打乱数据顺序 3457.4.3  手把手教你用 3457.5  过滤 3497.5.1  批量过滤 3507.5.2  即时过滤 3517.5.3  手把手教你用 3517.6  分类 3557.6.1  分类器构建 3557.6.2  分类器评估 3567.6.3  实例分类 3587.6.4  手把手教你用 3597.7  聚类 3707.7.1  聚类器构建 3707.7.2  聚类器评估 3717.7.3  实例聚类 3737.7.4  手把手教你用 3737.8  属性选择 3797.8.1  使用元分类器 3807.8.2  使用过滤器 3807.8.3  使用底层api3817.8.4  手把手教你用 3817.9  可视化 3847.9.1  roc曲线 3857.9.2  图 3857.9.3  手把手教你用 3867.10  序列化 3917.10.1  序列化基本方法3917.10.2  手把手教你用3927.11  文本分类综合示例3957.11.1  程序运行准备3957.11.2  源程序分析 3967.11.3  运行说明 403课后强化练习 404第8章  学习方案源代码分析 4058.1  naivebayes源代码分析 4068.2  实现分类器的约定 427课后强化练习 429第9章  机器学习实战 4319.1  数据挖掘过程概述 4329.1.1  crisp-dm过程4329.1.2  数据预处理 4339.1.3  挖掘项目及工具概述4349.2  实战kdd cup1999 4349.2.1  任务描述 4359.2.2  数据集描述 4369.2.3  挖掘详细过程 4389.3  实战kdd cup2010 4479.3.1  任务描述 4479.3.2  数据集描述 4479.3.3  挖掘详细过程 4509.3.4  更接近实际的挖掘过程459课后强化练习 471附录a  中英文术语对照 472附录b  weka算法介绍 476过滤器算法介绍 476分类算法介绍 498聚类算法介绍 526关联算法介绍 530选择属性算法介绍 532参考文献 537