数据挖掘与机器学习-WEKA应用技术与实践（第二版）

封面

版权信息

再版前言

第一版前言

第1章 Weka介绍

1.1 Weka简介

1.2 基本概念

1.3 Weka系统安装

1.4 访问数据库

1.5 示例数据集

课后强化练习

第2章 探索者界面

2.1 图形用户界面

2.2 预处理

2.3 分类

2.4 聚类

2.5 关联

2.6 选择属性

2.7 可视化

课后强化练习

第3章 知识流界面

3.1 知识流介绍

3.2 知识流组件

3.3 使用知识流组件

3.4 手把手教你用

课后强化练习

第4章 实验者界面

4.1 简介

4.2 标准实验

4.3 远程实验

4.4 分析结果

课后强化练习

第5章 命令行界面

5.1 命令行界面介绍

5.2 Weka结构

5.3 命令行选项

5.4 过滤器和分类器选项

5.5 包管理器

课后强化练习

第6章 Weka高级应用

6.1 贝叶斯网络

6.2 神经网络

6.3 文本分类

6.4 时间序列分析及预测

课后强化练习

第7章 Weka API

7.1 加载数据

7.2 保存数据

7.3 处理选项

7.4 内存数据集处理

7.5 过滤

7.6 分类

7.7 聚类

7.8 属性选择

7.9 可视化

7.10 序列化

7.11 文本分类综合示例

课后强化练习

第8章 学习方案源代码分析

8.1 NaiveBayes源代码分析

8.2 实现分类器的约定

课后强化练习

第9章 机器学习实战

9.1 数据挖掘过程概述

9.2 实战KDD Cup 1999

9.3 实战KDD Cup 2010

课后强化练习

附录A 中英文术语对照

附录B Weka算法介绍

过滤器算法介绍

分类算法介绍

聚类算法介绍

关联算法介绍

选择属性算法介绍