《大数据背景下数据挖掘及处理分析》内容首先对大数据及数据挖掘技术原理进行论述，然后对于数据的获取、可视化分析以及基于R语言的数据分析进行探索，针对数据的甄别模式和知识图谱与图数据挖掘分析，将数据挖掘与机器学习进行对比分析，结合应用实例探索数据挖掘的发展趋势。《大数据背景下数据挖掘及处理分析》可使大家全面了解数据挖掘的技巧，领略大量探索和展示数据的图形功能，从而更加高效地进行分析与沟通。
第一章 大数据时代数据挖掘
第一节 大数据概念
第二节 大数据的现状与挑战
第三节 数据挖掘形式与特点
第二章 大数据中数据获取的研究
第一节 数据获取组件分析
第二节 数据获取探针的原理解析
第三节 网页及日志的采集
第四节 数据分发中间件的作用
第三章 数据的可视化分析
第一节 大数据与图形分析
第二节 变量分布特征的可视化分析
第三节 G19数据的大数据可视化
第四节 文本词频数据的可视化
第四章 基于R语言的数据挖掘的起步分析
第一节 R的数据对象与类型
第二节 R的向量、矩阵和数组分析
第三节 R数据对象的相互转换
第五章 基于R中的聚类分析和判别分析
第一节 多种聚类分析的异同
第二节 R实现KNN聚类分析
第三节 使用R实现系统聚类
第四节 使用R实现快速聚类
第五节 多种判别分析模型综述
第六章 数据挖掘中的模式甄别与网络分析
第一节 模式甄别方法和及评价
第二节 模式甄别的监督侦测方法
第三节 网络节点重要性的测度
第四节 网络子群构成特征研究
第五节 主要的网络类型特点
第七章 知识图谱与图数据挖掘
第一节 知识图谱的构建与应用
第二节 基于图论的图数据检索方法研究
第三节 基于图论的图数据挖掘方法研究
第八章 大数据时代机器学习和数据挖掘的对比分析
第一节 大数据时代机器学习和数据挖掘的联系与区别
第二节 大数据时代机器学习的方式与类型
第三节 大数据时代机器学习与数据挖掘应用解析
第四节 大数据时代深度学习的实践与发展
第九章 数据挖掘的发展趋势和安全隐私
第一节 挖掘复杂的数据类型
第二节 数据挖掘的其他方法
第三节 数据挖掘与社会的影响
第四节 大数据的隐私安全
第十章 数据挖掘应用分析
第一节 金融数据分析的数据挖掘
第二节 零售和电信业的数据挖掘
第三节 科学与工程数据挖掘
第四节 入侵检测和预防数据挖掘
第五节 数据挖掘与推荐系统
参考文献
书单推荐
