数据挖掘与机器学习：WEKA应用技术与实践（第2版）

第1章 Weka介绍
1.1 Weka简介
1.1.1 Weka历史
1.1.2 Weka功能简介
1.2 基本概念
1.2.1 数据挖掘和机器学习
1.2.2 数据和数据集
1.2.3 ARFF格式
1.2.4 预处理
1.2.5 分类与回归
1.2.6 聚类分析
1.2.7 关联分析
1.3 Weka系统安装
1.3.1 系统要求
1.3.2 安装过程
1.3.3 Weka使用初步
1.3.4 系统运行注意事项
1.4 访问数据库
1.4.1 配置文件
1.4.2 数据库设置
1.4.3 常见问题及解决办法
1.5 示例数据集
1.5.1 天气问题
1.5.2 鸢尾花
1.5.3 CPU
1.5.4 玻璃数据集
1.5.5 美国国会投票记录
1.5.6 乳腺癌数据集
课后强化练习
第2章 探索者界面
2.1 图形用户界面
2.1.1 标签页简介
2.1.2 状态栏
2.1.3 图像输出
2.1.4 手把手教你用
2.2 预处理
2.2.1 加载数据
2.2.2 属性处理
2.2.3 过滤器
2.2.4 过滤器算法介绍
2.2.5 手把手教你用
2.3 分类
2.3.1 分类器选择
2.3.2 分类器训练
2.3.3 分类器输出
2.3.4 分类算法介绍
2.3.5 分类模型评估
2.3.6 手把手教你用
2.4 聚类
2.4.1 Cluster标签页的操作
2.4.2 聚类算法介绍
2.4.3 手把手教你用
2.5 关联
2.5.1 Associate标签页的操作
2.5.2 关联算法介绍
2.5.3 手把手教你用
2.6 选择属性
2.6.1 Select attributes标签页的操作
2.6.2 选择属性算法介绍
2.6.3 手把手教你用
2.7 可视化
2.7.1 Visualize标签页
2.7.2 边界可视化工具
2.7.3 代价/收益分析可视化
2.7.4 手把手教你用
课后强化练习
第3章 知识流界面
3.1 知识流介绍
3.1.1 知识流特性
3.1.2 知识流界面布局
3.2 知识流组件
3.2.1 数据源
3.2.2 数据接收器
3.2.3 评估器
3.2.4 可视化器
3.2.5 其他工具
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
4.2.1 简单实验
4.2.2 高级实验
4.2.3 手把手教你用
4.3 远程实验
4.3.1 远程实验设置
4.3.2 手把手教你用
4.4 分析结果
4.4.1 获取实验结果
4.4.2 动作
4.4.3 配置测试
4.4.4 保存结果
4.4.5 手把手教你用
课后强化练习
第5章 命令行界面
5.1 命令行界面介绍
5.1.1 命令调用
5.1.2 命令自动完成
5.2 Weka结构
5.2.1 类实例和包
5.2.2 weka.core包
5.2.3 weka.classifiers包
5.2.4 其他包
5.3 命令行选项
5.3.1 常规选项
5.3.2 特定选项
5.4 过滤器和分类器选项
5.4.1 过滤器选项
5.4.2 分类器选项
5.4.3 手把手教你用
5.5 包管理器
5.5.1 命令行包管理器
5.5.2 运行安装的算法
课后强化练习
第6章 Weka高级应用
6.1 贝叶斯网络
6.1.1 简介
6.1.2 贝叶斯网络编辑器
6.1.3 在探索者界面中使用贝叶斯网络
6.1.4 结构学习
6.1.5 分布学习
6.1.6 查看贝叶斯网络
6.1.7 手把手教你用
6.2 神经网络
6.2.1 GUI使用
6.2.2 手把手教你用
6.3 文本分类
6.3.1 文本分类示例
6.3.2 分类真实文本
6.3.3 手把手教你用
6.4 时间序列分析及预测
6.4.1 使用时间序列环境
6.4.2 手把手教你用
课后强化练习
第7章 Weka API
7.1 加载数据
7.1.1 从文件加载数据
7.1.2 从数据库加载数据
7.1.3 手把手教你用
7.2 保存数据
7.2.1 保存数据至文件
7.2.2 保存数据至数据库
7.2.3 手把手教你用
7.3 处理选项
7.3.1 选项处理方法
7.3.2 手把手教你用
7.4 内存数据集处理
7.4.1 在内存中创建数据集
7.4.2 打乱数据顺序
7.4.3 手把手教你用
7.5 过滤
7.5.1 批量过滤
7.5.2 即时过滤
7.5.3 手把手教你用
7.6 分类
7.6.1 分类器构建
7.6.2 分类器评估
7.6.3 实例分类
7.6.4 手把手教你用
7.7 聚类
7.7.1 聚类器构建
7.7.2 聚类器评估
7.7.3 实例聚类
7.7.4 手把手教你用
7.8 属性选择
7.8.1 使用元分类器
7.8.2 使用过滤器
7.8.3 使用底层API
7.8.4 手把手教你用
7.9 可视化
7.9.1 ROC曲线
7.9.2 图
7.9.3 手把手教你用
7.10 序列化
7.10.1 序列化基本方法
7.10.2 手把手教你用
7.11 文本分类综合示例
7.11.1 程序运行准备
7.11.2 源程序分析
7.11.3 运行说明
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
9.1.1 CRISP-DM过程
9.1.2 数据预处理
9.1.3 挖掘项目及工具概述
9.2 实战KDD Cup 1999
9.2.1 任务描述
9.2.2 数据集描述
9.2.3 挖掘详细过程
9.3 实战KDD Cup 2010
9.3.1 任务描述
9.3.2 数据集描述
9.3.3 挖掘详细过程
9.3.4 更接近实际的挖掘过程
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
参考文献

袁梅宇，男，工学博士，硕士导师，现在昆明理工大学计算机系任教。为本科生和研究生主讲Java程序设计、Java EE技术、数据库原理、人工智能、Dot Net技术等核心课程，参加过863 CIMS Net建设、中欧合作项目DRAGON和多项国家基金和省基金项目，第一作者公开发表论文十余篇，软件著作权（颁证）六项。

袁梅宇编著的《数据挖掘与机器学习(WEKA应用技术与实践第2版)》借助代表当今数据挖掘和机器学习优选水平的有名开源软件Weka，通过大量的实践操作，使读者了解并掌握数据挖掘和机器学习的相关技能，拉近理论与实践的距离。全书共分9章，主要内容包括Weka介绍、探索者界面、知识流界面、实验者界面、命令行界面、Weka高级应用、Weka API、学习方案源代码分析和机器学习实战。
本书系统讲解Weka 3．7．13的操作、理论和应用，内容全面、实例丰富、可操作性强，做到理论与实践的统一。本书适合数据挖掘和机器学习相关人员作为技术参考书使用，也适合用作计算机专业高年级本科生和研究生的教材或教学参考用书。

定价：为出版社全国统一定价；

文轩价：为商品的销售价，是您最终决定是否购买商品的依据；受系统缓存影响，最终价格以商品放入购物车后显示的价格为准；

新广告法规定所有页面信息中不得出现绝对化用词和功能性用词。

本店非常支持新广告法，但为了不影响消费者正常购买，页面明显区域本店已在排查修改，对于不明显区域也将会逐步排查并修改，我们此郑重声明：本店所有页面上的绝对化用词与功能性用词在此声明全部失效，不作为赔付理由。涉及“教育部声明”中的商品，均不代表教育部指定、推荐的具体版本，仅代表该商品的内容为指定、推荐书目。因极限用词引起的任何形式的商品赔付，本店不接收且不妥协。希望消费者理解并欢迎联系客服帮助完善，也请职业打假人士高抬贵手。