數(shù)據(jù)挖掘?qū)д?完整版)  圖書描述：

出版日期: 2011年1月1日
《數(shù)據(jù)挖掘?qū)д?完整版)》全面介紹了數(shù)據(jù)挖掘的理論和方法，旨在為讀者提供將數(shù)據(jù)挖掘應(yīng)用于實(shí)際問題所必需的知識?！稊?shù)據(jù)挖掘?qū)д?完整版)》涵蓋五個主題：數(shù)據(jù)、分類、關(guān)聯(lián)分析、聚類和異常檢測。除異常檢測外，每個主題都包含兩章：前面一章講述基本概念、代表性算法和評估技術(shù)，后面一章較深入地討論高級概念和算法。目的是使讀者在透徹地理解數(shù)據(jù)挖掘基礎(chǔ)的同時，還能了解更多重要的高級主題。此外，書中還提供了大量示例、圖表和習(xí)題。
《數(shù)據(jù)挖掘?qū)д?完整版)》適合作為相關(guān)專業(yè)高年級本科生和研究生數(shù)據(jù)挖掘課程的教材，同時也可作為數(shù)據(jù)挖掘研究和應(yīng)用開發(fā)人員的參考書。

編輯推薦

《數(shù)據(jù)挖掘?qū)д?完整版)》是明尼蘇達(dá)大學(xué)和密歇根州立大學(xué)數(shù)據(jù)挖掘課程的教材，由于獨(dú)具特色，正式出版之前就已經(jīng)被斯坦福大學(xué)、得克薩斯大學(xué)奧斯汀分校等眾多名校采用?！稊?shù)據(jù)挖掘?qū)д?完整版)》與許多其他同類圖書不同，《數(shù)據(jù)挖掘?qū)д?完整版)》將重點(diǎn)放在如何用數(shù)據(jù)挖掘知識解決各種實(shí)際問題。只要求具備很少的預(yù)備知識——不需要數(shù)據(jù)庫背景，只需要很少的統(tǒng)計學(xué)或數(shù)學(xué)背景知識。
《數(shù)據(jù)挖掘?qū)д?完整版)》中包含大量的圖表、綜合示例和豐富的習(xí)題，并且使用示例、關(guān)鍵算法的簡潔描述和習(xí)題，盡可能直接聚焦于數(shù)據(jù)挖掘的主要概念。
教輔內(nèi)容極為豐富，包括課程幻燈片、學(xué)生課題建議、數(shù)據(jù)挖掘資源（如數(shù)據(jù)挖掘算法和數(shù)據(jù)集）、聯(lián)機(jī)指南（使用實(shí)際的數(shù)據(jù)集和數(shù)據(jù)分析軟件，《數(shù)據(jù)挖掘?qū)д?完整版)》介紹的部分?jǐn)?shù)據(jù)挖掘技術(shù)提供例子講解）。

作者簡介
作者：（美國）陳封能（Pang-Ning Tan） （美國）斯坦巴赫（Michael Steinbach） （美國）庫瑪爾（Vipin Kumar） 譯者：范明 范宏建 等

陳封能(Pang-Ning Tan)現(xiàn)為密歇根州立大學(xué)計算機(jī)與工程系助理教授，主要教授數(shù)據(jù)挖掘、數(shù)據(jù)庫系統(tǒng)等課程。此前，他曾是明尼蘇達(dá)大學(xué)美國陸軍高性能計算研究中心副研究員（2002-2003）。
斯坦巴赫（Michael Steinbach）明尼蘇達(dá)大學(xué)計算機(jī)與工程系研究員，在讀博士。
庫瑪爾(Vipin Kumar)明尼蘇達(dá)大學(xué)計算機(jī)科學(xué)與工程系主任，曾任美國陸軍高性能計算研究中心主任。他擁有馬里蘭大學(xué)博士學(xué)位，是數(shù)據(jù)挖掘和高性能計算方面的國際權(quán)威，IEEE會士。
范明,鄭州大學(xué)信息工程學(xué)院教授，中國計算機(jī)學(xué)會數(shù)據(jù)庫專業(yè)委員會委員、人工智能與模式識別專業(yè)委員會委員，長期從事計算機(jī)軟件與理論教學(xué)和研究。先后發(fā)表論史40余篇。
范宏建 澳大利亞墨爾本大學(xué)計算機(jī)科學(xué)博士。先后在WWW、PAKDD、RSFDGrC、IEEE GrC和Australian AI等國際學(xué)術(shù)會議和IEEE Transactions on Knowledge and Data Engineering發(fā)表論文10余篇。目前是澳大利亞AUSTRAC的高級分析師。

數(shù)據(jù)挖掘?qū)д?完整版) 目錄：

第1章 緒論 1
1.1 什么是數(shù)據(jù)挖掘 2
1.2 數(shù)據(jù)挖掘要解決的問題 2
1.3 數(shù)據(jù)挖掘的起源 3
1.4 數(shù)據(jù)挖掘任務(wù) 4
1.5 本書的內(nèi)容與組織 7
文獻(xiàn)注釋 7
參考文獻(xiàn) 8
習(xí)題 10

第2章 數(shù)據(jù) 13
2.1 數(shù)據(jù)類型 14
2.1.1 屬性與度量 15
2.1.2 數(shù)據(jù)集的類型 18
2.2 數(shù)據(jù)質(zhì)量 22
2.2.1 測量和數(shù)據(jù)收集問題 22
2.2.2 關(guān)于應(yīng)用的問題 26
2.3 數(shù)據(jù)預(yù)處理 27
2.3.1 聚集 27
2.3.2 抽樣 28
2.3.3 維歸約 30
.2.3.4 特征子集選擇 31
2.3.5 特征創(chuàng)建 33
2.3.6 離散化和二元化 34
2.3.7 變量變換 38
2.4 相似性和相異性的度量 38
2.4.1 基礎(chǔ) 39
2.4.2 簡單屬性之間的相似度和相異度 40
2.4.3 數(shù)據(jù)對象之間的相異度 41
2.4.4 數(shù)據(jù)對象之間的相似度 43
2.4.5 鄰近性度量的例子 43
2.4.6 鄰近度計算問題 48
2.4.7 選取正確的鄰近性度量 50
文獻(xiàn)注釋 50
參考文獻(xiàn) 52
習(xí)題 53

第3章 探索數(shù)據(jù) 59
3.1 鳶尾花數(shù)據(jù)集 59
3.2 匯總統(tǒng)計 60
3.2.1 頻率和眾數(shù) 60
3.2.2 百分位數(shù) 61
3.2.3 位置度量：均值和中位數(shù) 61
3.2.4 散布度量：極差和方差 62
3.2.5 多元匯總統(tǒng)計 63
3.2.6 匯總數(shù)據(jù)的其他方法 64
3.3 可視化 64
3.3.1 可視化的動機(jī) 64
3.3.2 一般概念 65
3.3.3 技術(shù) 67
3.3.4 可視化高維數(shù)據(jù) 75
3.3.5 注意事項 79
3.4 olap和多維數(shù)據(jù)分析 79
3.4.1 用多維數(shù)組表示鳶尾花數(shù)據(jù) 80
3.4.2 多維數(shù)據(jù)：一般情況 81
3.4.3 分析多維數(shù)據(jù) 82
3.4.4 關(guān)于多維數(shù)據(jù)分析的最后評述 84
文獻(xiàn)注釋 84
參考文獻(xiàn) 85
習(xí)題 86

第4章 分類：基本概念、決策樹與模型評估 89
4.1 預(yù)備知識 89
4.2 解決分類問題的一般方法 90
4.3 決策樹歸納 92
4.3.1 決策樹的工作原理 92
4.3.2 如何建立決策樹 93
4.3.3 表示屬性測試條件的方法 95
4.3.4 選擇最佳劃分的度量 96
4.3.5 決策樹歸納算法 101
4.3.6 例子：web 機(jī)器人檢測 102
4.3.7 決策樹歸納的特點(diǎn) 103
4.4 模型的過分?jǐn)M合 106
4.4.1 噪聲導(dǎo)致的過分?jǐn)M合 107
4.4.2 缺乏代表性樣本導(dǎo)致的過分?jǐn)M合 109
4.4.3 過分?jǐn)M合與多重比較過程 109
4.4.4 泛化誤差估計 110
4.4.5 處理決策樹歸納中的過分?jǐn)M合 113
4.5 評估分類器的性能 114
4.5.1 保持方法 114
4.5.2 隨機(jī)二次抽樣 115
4.5.3 交叉驗證 115
4.5.4 自助法 115
4.6 比較分類器的方法 116
4.6.1 估計準(zhǔn)確度的置信區(qū)間 116
4.6.2 比較兩個模型的性能 117
4.6.3 比較兩種分類法的性能 118
文獻(xiàn)注釋 118
參考文獻(xiàn) 120
習(xí)題 122

第5章 分類：其他技術(shù) 127
5.1 基于規(guī)則的分類器 127
5.1.1 基于規(guī)則的分類器的工作原理 128
5.1.2 規(guī)則的排序方案 129
5.1.3 如何建立基于規(guī)則的分類器 130
5.1.4 規(guī)則提取的直接方法 130
5.1.5 規(guī)則提取的間接方法 135
5.1.6 基于規(guī)則的分類器的特征 136
5.2 最近鄰分類器 137
5.2.1 算法 138
5.2.2 最近鄰分類器的特征 138
5.3 貝葉斯分類器 139
5.3.1 貝葉斯定理 139
5.3.2 貝葉斯定理在分類中的應(yīng)用 140
5.3.3 樸素貝葉斯分類器 141
5.3.4 貝葉斯誤差率 145
5.3.5 貝葉斯信念網(wǎng)絡(luò) 147
5.4 人工神經(jīng)網(wǎng)絡(luò) 150
5.4.1 感知器 151
5.4.2 多層人工神經(jīng)網(wǎng)絡(luò) 153
5.4.3 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn) 155
5.5 支持向量機(jī) 156
5.5.1 最大邊緣超平面 156
5.5.2 線性支持向量機(jī)：可分情況 157
5.5.3 線性支持向量機(jī)：不可分情況 162
5.5.4 非線性支持向量機(jī) 164
5.5.5 支持向量機(jī)的特征 168
5.6 組合方法 168
5.6.1 組合方法的基本原理 168
5.6.2 構(gòu)建組合分類器的方法 169
5.6.3 偏倚-方差分解 171
5.6.4 裝袋 173
5.6.5 提升 175
5.6.6 隨機(jī)森林 178
5.6.7 組合方法的實(shí)驗比較 179
5.7 不平衡類問題 180
5.7.1 可選度量 180
5.7.2 接受者操作特征曲線 182
5.7.3 代價敏感學(xué)習(xí) 184
5.7.4 基于抽樣的方法 186
5.8 多類問題 187
文獻(xiàn)注釋 189
參考文獻(xiàn) 190
習(xí)題 193

第6章 關(guān)聯(lián)分析：基本概念和算法 201
6.1 問題定義 202
6.2 頻繁項集的產(chǎn)生 204
6.2.1 先驗原理 205
6.2.2 apriori算法的頻繁項集產(chǎn)生 206
6.2.3　候選的產(chǎn)生與剪枝 208
6.2.4 支持度計數(shù) 210
6.2.5 計算復(fù)雜度 213
6.3 規(guī)則產(chǎn)生 215
6.3.1 基于置信度的剪枝 215
6.3.2 apriori算法中規(guī)則的產(chǎn)生 215
6.3.3 例：美國國會投票記錄 217
6.4 頻繁項集的緊湊表示 217
6.4.1 極大頻繁項集 217
6.4.2 閉頻繁項集 219
6.5 產(chǎn)生頻繁項集的其他方法 221
6.6 fp增長算法 223
6.6.1 fp樹表示法 224
6.6.2 fp增長算法的頻繁項集產(chǎn)生 225
6.7 關(guān)聯(lián)模式的評估 228
6.7.1 興趣度的客觀度量 228
6.7.2 多個二元變量的度量 235
6.7.3 辛普森悖論 236
6.8 傾斜支持度分布的影響 237
文獻(xiàn)注釋 240
參考文獻(xiàn) 244
習(xí)題 250

第7章 關(guān)聯(lián)分析：高級概念 259
7.1 處理分類屬性 259
7.2 處理連續(xù)屬性 261
7.2.1 基于離散化的方法 261
7.2.2 基于統(tǒng)計學(xué)的方法 263
7.2.3 非離散化方法 265
7.3 處理概念分層 266
7.4 序列模式 267
7.4.1 問題描述 267
7.4.2 序列模式發(fā)現(xiàn) 269
7.4.3 時限約束 271
7.4.4 可選計數(shù)方案 274
7.5 子圖模式 275
7.5.1 圖與子圖 276
7.5.2 頻繁子圖挖掘 277
7.5.3 類apriori方法 278
7.5.4 候選產(chǎn)生 279
7.5.5 候選剪枝 282
7.5.6 支持度計數(shù) 285
7.6 非頻繁模式 285
7.6.1 負(fù)模式 285
7.6.2 負(fù)相關(guān)模式 286
7.6.3 非頻繁模式、負(fù)模式和負(fù)相關(guān)模式比較 287
7.6.4 挖掘有趣的非頻繁模式的技術(shù) 288
7.6.5 基于挖掘負(fù)模式的技術(shù) 288
7.6.6 基于支持度期望的技術(shù) 290
文獻(xiàn)注釋 292
參考文獻(xiàn) 293
習(xí)題 295

第8章 聚類分析：基本概念和算法 305
8.1 概述 306
8.1.1 什么是聚類分析 306
8.1.2 不同的聚類類型 307
8.1.3 不同的簇類型 308
8.2 k均值 310
8.2.1 基本k均值算法 310
8.2.2 k均值：附加的問題 315
8.2.3 二分k均值 316
8.2.4 k均值和不同的簇類型 317
8.2.5 優(yōu)點(diǎn)與缺點(diǎn) 318
8.2.6 k均值作為優(yōu)化問題 319
8.3 凝聚層次聚類 320
8.3.1 基本凝聚層次聚類算法 321
8.3.2 特殊技術(shù) 322
8.3.3 簇鄰近度的lance-williams公式 325
8.3.4 層次聚類的主要問題 326
8.3.5 優(yōu)點(diǎn)與缺點(diǎn) 327
8.4 dbscan 327
8.4.1 傳統(tǒng)的密度：基于中心的方法 327
8.4.2 dbscan算法 328
8.4.3 優(yōu)點(diǎn)與缺點(diǎn) 329
8.5 簇評估 330
8.5.1 概述 332
8.5.2 非監(jiān)督簇評估：使用凝聚度和分離度 332
8.5.3 非監(jiān)督簇評估：使用鄰近度矩陣 336
8.5.4 層次聚類的非監(jiān)督評估 338
8.5.5 確定正確的簇個數(shù) 339
8.5.6 聚類趨勢 339
8.5.7 簇有效性的監(jiān)督度量 340
8.5.8 評估簇有效性度量的顯著性 343
文獻(xiàn)注釋 344
參考文獻(xiàn) 345
習(xí)題 347

第9章 聚類分析：其他問題與算法 355
9.1 數(shù)據(jù)、簇和聚類算法的特性 355
9.1.1 例子：比較k均值和dbscan 355
9.1.2 數(shù)據(jù)特性 356
9.1.3 簇特性 357
9.1.4 聚類算法的一般特性 358
9.2 基于原型的聚類 359
9.2.1 模糊聚類 359
9.2.2 使用混合模型的聚類 362
9.2.3 自組織映射 369
9.3 基于密度的聚類 372
9.3.1 基于網(wǎng)格的聚類 372
9.3.2 子空間聚類 374
9.3.3 denclue：基于密度聚類的一種基于核的方案 377
9.4 基于圖的聚類 379
9.4.1 稀疏化 379
9.4.2 最小生成樹聚類 380
9.4.3 opossum：使用metis的稀疏相似度最優(yōu)劃分 381
9.4.4 chameleon：使用動態(tài)建模的層次聚類 381
9.4.5 共享最近鄰相似度 385
9.4.6 jarvis-patrick聚類算法 387
9.4.7 snn密度 388
9.4.8 基于snn密度的聚類 389
9.5 可伸縮的聚類算法 390
9.5.1 可伸縮：一般問題和方法 391
9.5.2 birch 392
9.5.3 cure 393
9.6 使用哪種聚類算法 395
文獻(xiàn)注釋 397
參考文獻(xiàn) 398
習(xí)題 400

第10章 異常檢測 403
10.1 預(yù)備知識 404
10.1.1 異常的成因 404
10.1.2 異常檢測方法 404
10.1.3 類標(biāo)號的使用 405
10.1.4 問題 405
10.2 統(tǒng)計方法 406
10.2.1 檢測一元正態(tài)分布中的離群點(diǎn) 407
10.2.2 多元正態(tài)分布的離群點(diǎn) 408
10.2.3 異常檢測的混合模型方法 410
10.2.4 優(yōu)點(diǎn)與缺點(diǎn) 411
10.3 基于鄰近度的離群點(diǎn)檢測 411
10.4 基于密度的離群點(diǎn)檢測 412
10.4.1 使用相對密度的離群點(diǎn)檢測 413
10.4.2 優(yōu)點(diǎn)與缺點(diǎn) 414
10.5 基于聚類的技術(shù) 414
10.5.1 評估對象屬于簇的程度 415
10.5.2 離群點(diǎn)對初始聚類的影響 416
10.5.3 使用簇的個數(shù) 416
10.5.4 優(yōu)點(diǎn)與缺點(diǎn) 416
文獻(xiàn)注釋 417
參考文獻(xiàn) 418
習(xí)題 420
附錄a 線性代數(shù) 423
附錄b 維歸約 433
附錄c 概率統(tǒng)計 445
附錄d 回歸 451
附錄e 優(yōu)化 457