数据挖掘算法导论

　　本书结合典型的数据挖掘案例，详细介绍了若干种重要的数据挖掘算法的实现原理和应用方法。其中，第1、2章介绍了回归、 分类、聚类的概念及其实现的主要方法，如线性回归、逻辑回归、K近邻和K均值；第3~5章介绍了数据挖掘的主要策略，如决策树、提升算法和支持向量机； 在前述知识的基础上，第6~8章介绍了实现人工智能算法的三种最基础网络结构，即人工神经网络、卷积神经网络、 长短时记忆网络。 通过阅读本书，读者既可以理解各种数据挖掘算法的实现原理，又可以掌握将算法应用于实际数据挖掘的一般流程和方法。 \n本书可作为高等院校理工科相关专业本科生、研究生的教材，也可供相关人员自学使用。 \n

暂缺《数据挖掘算法导论》作者简介

暂缺《数据挖掘算法导论》目录