models算力

① 機器學習，數據挖掘的書有哪些

《機器學習實戰》：本書第一部分主要介紹機器學習基礎，以及如何利用演算法進行分類，並逐步介紹了多種經典的監督學習演算法，如k近鄰演算法、樸素貝葉斯演算法、Logistic回歸演算法、支持向量機、AdaBoost集成方法、基於樹的回歸演算法和分類回歸樹（CART）演算法等。第三部分則重點介紹無監督學習及其一些主要演算法：k均值聚類演算法、Apriori演算法、FP-Growth演算法。第四部分介紹了機器學習演算法的一些附屬工具。
《數據挖掘-實用機器學習技術》：本書介紹數據挖掘的基本理論與實踐方法。主要內容包括：各種模型(決策樹，關聯規則、線性模型、聚類、貝葉斯網以及神經網路)以及在實踐中的運用，所存任缺陷的分析。安全地清理數據集、建立以及評估模型的預測質量的方法，並且提供了一個公開的數據挖掘工作平台Weka。Weka系統擁有進行數據挖掘仟務的圖形用戶界面，有助於理解模型，是一個實用並且深受歡迎的工具。
《數據挖掘：概念與技術》：本書全面地講述數據挖掘領域的重要知識和技術創新。在第1版內容相當全面的基礎上，第2版展示了該領域的最新研究成果，例如挖掘流、時序和序列數據以及挖掘時間空間、多媒體、文本和Web數據。本書可作為數據挖掘和知識發現領域的教師、研究人員和開發人員的一本必讀書。