《數(shù)據(jù)挖掘：概念、模型、方法和算法（第2版）》開(kāi)篇闡述數(shù)據(jù)挖掘原理，此后在示例的引導(dǎo)下詳細(xì)講解起源于統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、模糊邏輯和演化計(jì)算等學(xué)科的具有代表性的、最前沿的挖掘方法和算法。本書(shū)還著重描述如何恰當(dāng)?shù)剡x擇方法和數(shù)據(jù)分析軟件并合理地調(diào)整參數(shù)。每章末尾附有復(fù)習(xí)題。 本書(shū)主要用作計(jì)算機(jī)科學(xué)、計(jì)算機(jī)工程和計(jì)算機(jī)信息系統(tǒng)專(zhuān)業(yè)的研究生數(shù)據(jù)挖掘教材，高年級(jí)本科生或具備同等教育背景的讀者也完全可以理解本書(shū)的所有主題。

目錄
第1章 數(shù)據(jù)挖掘的概念
1.1 概述
1.2 數(shù)據(jù)挖掘的起源
1.3 數(shù)據(jù)挖掘過(guò)程
1.4 大型數(shù)據(jù)集
1.5 數(shù)據(jù)倉(cāng)庫(kù)
1.6 數(shù)據(jù)挖掘的商業(yè)方面：為什么數(shù)據(jù)挖掘項(xiàng)目會(huì)失敗
1.7 本書(shū)結(jié)構(gòu)安排
1.8 復(fù)習(xí)題
1.9 參考書(shū)目
第2章 數(shù)據(jù)準(zhǔn)備
2.1 原始數(shù)據(jù)的表述
2.2 原始數(shù)據(jù)的特性
2.3 原始數(shù)據(jù)的轉(zhuǎn)換
2.3.1 標(biāo)準(zhǔn)化
2.3.2 數(shù)據(jù)平整
2.3.3 差值和比率
2.4 丟失數(shù)據(jù)
2.5 時(shí)間相關(guān)數(shù)據(jù)
2.6 異常點(diǎn)分析
2.7 復(fù)習(xí)題
2.8 參考書(shū)目
第3章 數(shù)據(jù)歸約
3.1 大型數(shù)據(jù)集的維度
3.2 特征歸約
3.2.1 特征選擇
3 .2.2 特征提取
3.3 Relief算法
3.4 特征排列的熵度量
3.5 主成分分析
3.6 值歸約
3.7 特征離散化ChiMerge技術(shù)
3.8 案例歸約
3.9 復(fù)習(xí)題
3.10 參考書(shū)目
第4章 從數(shù)據(jù)中學(xué)習(xí)
4.1 學(xué)習(xí)機(jī)器
4.2 統(tǒng)計(jì)學(xué)習(xí)原理
4.3 學(xué)習(xí)方法的類(lèi)型
4.4 常見(jiàn)的學(xué)習(xí)任務(wù)
4.5 支持向量機(jī)
4.6 kNN：最近鄰分類(lèi)器
4.7 模型選擇與泛化
4.8 模型的評(píng)估
4.9 90%準(zhǔn)確的情形
4.9.1 保險(xiǎn)欺詐檢測(cè)
4.9.2 改進(jìn)心臟護(hù)理
4.10 復(fù)習(xí)題
4.11 參考書(shū)目
第5章 統(tǒng)計(jì)方法
5.1 統(tǒng)計(jì)推斷
5.2 評(píng)測(cè)數(shù)據(jù)集的差異
5.3 貝葉斯定理
5.4 預(yù)測(cè)回歸
5.5 方差分析
5.6 對(duì)數(shù)回歸
5.7 對(duì)數(shù)-線性模型
5.8 線性判別分析
5.9 復(fù)習(xí)題
5.10 參考書(shū)目
第6章 決策樹(shù)和決策規(guī)則
6.1 決策樹(shù)
6.2 C4.5算法：生成決策樹(shù)
6.3 未知屬性值
6.4 修剪決策樹(shù)
6.5 C4.5算法：生成決策規(guī)則
6.6 CART算法和Gini指標(biāo)
6.7 決策樹(shù)和決策規(guī)則的局限性
6.8 復(fù)習(xí)題
6.9 參考書(shū)目
第7章 人工神經(jīng)網(wǎng)絡(luò)
7.1 人工神經(jīng)元的模型
7.2 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7.3 學(xué)習(xí)過(guò)程
7.4 使用ANN完成的學(xué)習(xí)任務(wù)
7.4.1 模式聯(lián)想
7.4.2 模式識(shí)別
7.5 多層感知機(jī)
7.6 競(jìng)爭(zhēng)網(wǎng)絡(luò)和競(jìng)爭(zhēng)學(xué)習(xí)
7.7 SoM
7.8 復(fù)習(xí)題
7.9 參考書(shū)目
第8章 集成學(xué)習(xí)
8.1 集成學(xué)習(xí)方法論
8.2 多學(xué)習(xí)器組合方案
8.3 bagging和boosting
8.4 AdaBoost算法
8.5 復(fù)習(xí)題
8.6 參考書(shū)目
第9章 聚類(lèi)分析
9.1 聚類(lèi)的概念
9.2 相似度的度量
9.3 凝聚層次聚類(lèi)
9.4 分區(qū)聚類(lèi)
9.5 增量聚類(lèi)
9.6 DBSCAN箅法
9.7 BIRCH算法
9.8 聚類(lèi)驗(yàn)證
9.9 復(fù)習(xí)題
9.10 參考書(shū)目
第10章 關(guān)聯(lián)規(guī)則
10.1 購(gòu)物籃分析
10.2 Apriori算法
10.3 從頻繁項(xiàng)集中得到關(guān)聯(lián)規(guī)則
10.4 提高Apriori算法的效率
10.5 FP增長(zhǎng)方法
10.6 關(guān)聯(lián)分類(lèi)方法
10.7 多維關(guān)聯(lián)規(guī)則挖掘
10.8 復(fù)習(xí)題
10.9 參考書(shū)目
第11章 Web挖掘和文本挖掘
11.1Web挖掘
11.2 Web內(nèi)容、結(jié)構(gòu)與使用挖掘
11.3 HITS和LOGSOM算法
11.4 挖掘路徑遍歷模式
11.5 PageRank算法
11.6 文本挖掘
11.7 潛在語(yǔ)義分析
11.8 復(fù)習(xí)題
11.9 參考書(shū)目
第12章 數(shù)據(jù)挖掘高級(jí)技術(shù)
12.1 圖挖掘
……
第13章 遺傳算法
第14章 模糊集和模糊邏輯
第15章 可視化方法
附錄A 數(shù)據(jù)挖掘工具
附錄B 數(shù)據(jù)挖掘應(yīng)用