数据挖掘 概念与技术（原书第3版） 概念与技术(原书第3版) pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

图书标签:

• 数据挖掘
• 机器学习
• 数据分析
• 统计学习
• 人工智能
• 模式识别
• 数据库
• 算法
• 商业智能
• 数据科学

店铺： 荣丰通达图书专营店

出版社： 机械工业出版社

ISBN：9787111391401

商品编码：28719307504

丛书名： 计算机科学丛书

开本：16开

出版时间：2012-08-01

用纸：胶版纸

页数：496

编辑

　　

　　◆数据挖掘领域有里程碑意义的经典著作
　　◆完整全面阐述该领域的重要知识和技术创新
　　◆数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都必读的参考书
　　◆适用于数据分析、数据挖掘和知识发现课程的教材，可以用做高年级本科生或者一年级研究生的数据挖掘导论教材。
　　
　
　　
　　

内容简介

　　《数据挖掘：概念与技术（原书第3版）》完整全面地讲述数据挖掘的概念、方法、技术和全新研究进展。本书对前两版做了全面修订，加强和重新组织了全书的技术内容，重点论述了数据预处理、频繁模式挖掘、分类和聚类等的内容，还全面讲述了OLAP和离群点检测，并研讨了挖掘网络、复杂数据类型以及重要应用领域。
　　《数据挖掘：概念与技术（原书第3版）》是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都必读的参考书，是一本适用于数据分析、数据挖掘和知识发现课程的教材，可以用做高年级本科生或者一年级研究生的数据挖掘导论教材。

作者简介

　　Jiawei Han（韩家炜），是伊利诺伊大学厄巴纳-尚佩恩分校计算机科学系的Bliss教授。他因知识发现和数据挖掘研究方面的贡献而获得许多奖励，包括ACM SIGKDD创新奖（2004）、IEEE计算机学会技术成就奖（2005）和IEEE W.Wallace McDowell奖（2009）。他是ACM和IEEE会士。他还担任《ACM Transactions on Knowledge Discovery from Data》的执行主编（2006—2011）和许多杂志的编委，包括《IEEE Transactions on Knowledge and Data Engineering》和《Data Mining Knowledge Discovery》。

　　Micheline Kamber，由加拿大魁北克蒙特利尔Concordia大学获计算机科学（人工智能）硕士学位。她曾是NSERC学者，作为研究者在McGill大学、西蒙-弗雷泽大学和瑞士工作。她的数据挖掘背景和以易于理解的形式写作的热情使得本书更受人员、教师和学生的欢迎。　　Jian Pei（裴健），现在是西蒙-弗雷泽大学计算机科学学院教授。他在Jiawei Han的指导下，于2002年获西蒙-弗雷泽大学计算科学博士学位。他在数据挖掘、数据库、Web搜索和信息检索的主要学术论坛发表了大量文章，并积极服务于学术团体。他的文章被引用数千次，并获多次荣誉奖。他是多种数据挖掘和数据分析杂志的助理编辑。

2016年8月作为首席数据科学家加入华为；2017年调入云BU任AI首席科学家；自2004年起在加拿大Simon Fraser University计算科学学院任教，历任助理教授、副教授、教授，曾任学院主管科研和产业合作的副院长；现兼任统计与精算系及健康科学学院教授，2013-2016年任电子电工学会，知识与数据工程学报主编，美国计算机学会会士，电子电工学会会士，自2014年起任Canada Research Chair (Tier 1) in Big Data Science 2017年起任美国计算机学会知识发现与数据挖掘专委会（SIGKDD）主席

目录

出版者的话
中文版序
译者序
译者简介
第3版序
第2版序
前言
致谢
作者简介第1章　引论
1.1　为什么进行数据挖掘
1.1.1　迈向信息时代
1.1.2　数据挖掘是信息技术的进化
1.2　什么是数据挖掘
1.3　可以挖掘什么类型的数据
1.3.1　数据库数据
1.3.2　数据仓库
1.3.3　事务数据
1.3.4　其他类型的数据
1.4　可以挖掘什么类型的模式
1.4.1　类/概念描述：特征化与区分
1.4.2　挖掘频繁模式、关联和相关性
1.4.3　用于预测分析的分类与回归
1.4.4　聚类分析
1.4.5　离群点分析
1.4.6　所有模式都是有趣的吗
1.5　使用什么技术
1.5.1　统计学
1.5.2　机器学习
1.5.3　数据库与数据仓库
1.5.4　信息检索
1.6　面向什么类型的应用
1.6.1　商务智能
1.6.2　Web搜索引擎
1.7　数据挖掘的主要问题
1.7.1　挖掘方法
1.7.2　用户界面
1.7.3　有效性和可伸缩性
1.7.4　数据库类型的多样性
1.7.5　数据挖掘与社会
1.8　小结
1.9　习题
1.10　文献注释第2章　认识数据
2.1　数据对象与属性类型
2.1.1　什么是属性
2.1.2　标称属性
2.1.3　二元属性
2.1.4　序数属性
2.1.5　数值属性
2.1.6　离散属性与连续属性
2.2　数据的基本统计描述
2.2.1　中心趋势度量：均值、中位数和众数
2.2.2　度量数据散布：极差、四分位数、方差、标准差和四分位数极差
2.2.3　数据的基本统计描述的图形显示
2.3　数据可视化
2.3.1　基于像素的可视化技术
2.3.2　几何投影可视化技术
2.3.3　基于图符的可视化技术
2.3.4　层次可视化技术
2.3.5　可视化复杂对象和关系
2.4　度量数据的相似性和相异性
2.4.1　数据矩阵与相异性矩阵
2.4.2　标称属性的邻近性度量
2.4.3　二元属性的邻近性度量
2.4.4　数值属性的相异性：闵可夫斯基距离
2.4.5　序数属性的邻近性度量
2.4.6　混合类型属性的相异性
2.4.7　余弦相似性
2.5　小结
2.6　习题
2.7　文献注释第3章　数据预处理
3.1　数据预处理：概述
3.1.1　数据质量：为什么要对数据预处理
3.1.2　数据预处理的主要任务
3.2　数据清理
3.2.1　缺失值
3.2.2　噪声数据
3.2.3　数据清理作为一个过程
3.3　数据集成
3.3.1　实体识别问题
3.3.2　冗余和相关分析
3.3.3　元组重复
3.3.4　数据值冲突的检测与处理
3.4　数据归约
3.4.1　数据归约策略概述
3.4.2　小波变换
3.4.3　主成分分析
3.4.4　属性子集选择
3.4.5　回归和对数线性模型：参数化数据归约
3.4.6　直方图
3.4.7　聚类
3.4.8　抽样
3.4.9　数据立方体聚集
3.5　数据变换与数据离散化
3.5.1　数据变换策略概述
3.5.2　通过规范化变换数据
3.5.3　通过分箱离散化
3.5.4　通过直方图分析离散化
3.5.5　通过聚类、决策树和相关分析离散化
3.5.6　标称数据的概念分层产生
3.6　小结
3.7　习题
3.8　文献注释第4章　数据仓库与联机分析处理
4.1　数据仓库：基本概念
4.1.1　什么是数据仓库
4.1.2　操作数据库与数据仓库的区别
4.1.3　为什么需要分离的数据仓库
4.1.4　数据仓库：一种多层体系结构
4.1.5　数据仓库模型：企业仓库、数据集市和虚拟仓库
4.1.6　数据提取、变换和装入
4.1.7　元数据库
4.2　数据仓库建模：数据立方体与OLAP
4.2.1　数据立方体：一种多维数据模型
4.2.2　星形、雪花形和事实星座：多维数据模型的模式
4.2.3　维：概念分层的作用
4.2.4　度量的分类和计算
4.2.5　典型的OLAP操作
4.2.6　查询多维数据库的星网查询模型
4.3　数据仓库的设计与使用
4.3.1　数据仓库的设计的商务分析框架
4.3.2　数据仓库的设计过程
4.3.3　数据仓库用于信息处理
4.3.4　从联机分析处理到多维数据挖掘
4.4　数据仓库的实现
4.4.1　数据立方体的有效计算：概述
4.4.2　索引OLAP数据：位图索引和连接索引
4.4.3　OLAP查询的有效处理
4.4.4　OLAP服务器结构：ROLAP、MOLAP、HOLAP的比较
4.5　数据泛化：面向属性的归纳
4.5.1　数据特征的面向属性的归纳
4.5.2　面向属性归纳的有效实现
4.5.3　类比较的面向属性归纳
4.6　小结
4.7　习题
4.8　文献注释第5章　数据立方体技术
5.1　数据立方体计算：基本概念
5.1.1　立方体物化：完全立方体、冰山立方体、闭立方体和立方体外壳
5.1.2　数据立方体计算的一般策略
5.2　数据立方体计算方法
5.2.1　完全立方体计算的多路数组聚集
5.2.2　BUC：从顶点方体向下计算冰山立方体
5.2.3　Star-Cubing：使用动态星树结构计算冰山立方体
5.2.4　为快速高维OLAP预计算壳片段
5.3　使用探索立方体技术处理查询
5.3.1　抽样立方体：样本数据上基于OLAP的挖掘
5.3.2　排序立方体：top-k查询的有效计算
5.4　数据立方体空间的多维数据分析
5.4.1　预测立方体：立方体空间的预测挖掘
5.4.2　多特征立方体：多粒度上的复杂聚集
5.4.3　基于异常的、发现驱动的立方体空间探查
5.5　小结
5.6　习题
5.7　文献注释第6章　挖掘频繁模式、关联和相关性：基本概念和方法
6.1　基本概念
6.1.1　购物篮分析：一个诱发例子
6.1.2　频繁项集、闭项集和关联规则
6.2　频繁项集挖掘方法
6.2.1　Apriori算法：通过限制候选产现频繁项集
6.2.2　由频繁项集产生关联规则
6.2.3　提高Apriori算法的效率
6.2.4　挖掘频繁项集的模式增长方法
6.2.5　使用垂直数据格式挖掘频繁项集
6.2.6　挖掘闭模式和极大模式
6.3　哪些模式是有趣的：模式评估方法
6.3.1　强规则不一定是有趣的
6.3.2　从关联分析到相关分析
6.3.3　模式评估度量比较
6.4　小结
6.5　习题
6.6　文献注释第7章　模式挖掘
7.1　模式挖掘：一个路线图
7.2　多层、多维空间中的模式挖掘
7.2.1　挖掘多层关联规则
7.2.2　挖掘多维关联规则
7.2.3　挖掘量化关联规则
7.2.4　挖掘稀有模式和负模式
7.3　基于约束的频繁模式挖掘
7.3.1　关联规则的元规则制导挖掘
7.3.2　基于约束的模式产生：模式空间剪枝和数据空间剪枝
7.4　挖掘高维数据和巨型模式
7.5　挖掘压缩或近似模式
7.5.1　通过模式聚类挖掘压缩模式
7.5.2　提取感知冗余的top-k模式
7.6　模式探索与应用
7.6.1　频繁模式的语义注解
7.6.2　模式挖掘的应用
7.7　小结
7.8　习题
7.9　文献注释第8章　分类：基本概念
8.1　基本概念
8.1.1　什么是分类
8.1.2　分类的一般方法
8.2　决策树归纳
8.2.1　决策树归纳
8.2.2　属性选择度量
8.2.3　树剪枝
8.2.4　可伸缩性与决策树归纳
8.2.5　决策树归纳的可视化挖掘
8.3　贝叶斯分类方法
8.3.1　贝叶斯定理
8.3.2　朴素贝叶斯分类
8.4　基于规则的分类
8.4.1　使用IF-THEN规则分类
8.4.2　由决策树提取规则
8.4.3　使用顺序覆盖算法的规则归纳
8.5　模型评估与选择
8.5.1　评估分类器性能的度量
8.5.2　保持方法和随机二次抽样
8.5.3　交叉验证
8.5.4　自助法
8.5.5　使用统计显著性检验选择模型
8.5.6　基于成本效益和ROC曲线比较分类器
8.6　提高分类准确率的技术
8.6.1　组合分类方法简介
8.6.2　装袋
8.6.3　提升和AdaBoost
8.6.4　随机森林
8.6.5　提高类不平衡数据的分类准确率
8.7　小结
8.8　习题
8.9　文献注释第9章　分类：方法
9.1　贝叶斯信念网络
9.1.1　概念和机制
9.1.2　训练贝叶斯信念网络
9.2　用后向传播分类
9.2.1　多层前馈神经网络
9.2.2　定义网络拓扑
9.2.3　后向传播
9.2.4　黑盒内部：后向传播和可解释性
9.3　支持向量机
9.3.1　数据线性可分的情况
9.3.2　数据非线性可分的情况
9.4　使用频繁模式分类
9.4.1　关联分类
9.4.2　基于有区别力的频繁模式分类
9.5　惰性学习法(或从近邻学习）
9.5.1　k-近邻分类
9.5.2　基于案例的推理
9.6　其他分类方法
9.6.1　遗传算法
9.6.2　粗糙集方法
9.6.3　模糊集方法
9.7　关于分类的其他问题
9.7.1　多类分类
9.7.2　半监督分类
9.7.3　主动学习
9.7.4　迁移学习
9.8　小结
9.9　习题
9.10　文献注释第10章　聚类分析：基本概念和方法
10.1　聚类分析
10.1.1　什么是聚类分析
10.1.2　对聚类分析的要求
10.1.3　基本聚类方法概述
10.2　划分方法
10.2.1　k-均值：一种基于形心的技术
10.2.2　k-中心点：一种基于代表对象的技术
10.3　层次方法
10.3.1　凝聚的与分裂的层次聚类
10.3.2　算法方法的距离度量
10.3.3　BIRCH：使用聚类特征树的多阶段聚类
10.3.4　Chameleon：使用动态建模的多阶段层次聚类
10.3.5　概率层次聚类
10.4　基于密度的方法
10.4.1　DBSCAN：一种基于高密度连通区域的基于密度的聚类
10.4.2　OPTICS：通过点排序识别聚类结构
10.4.3　DENCLUE：基于密度分布函数的聚类
10.5　基于网格的方法
10.5.1　STING：统计信息网格
10.5.2　CLIQUE：一种类似于Apriori的子空间聚类方法
10.6　聚类评估
10.6.1　估计聚类趋势
10.6.2　确定簇数
10.6.3　测定聚类质量
10.7　小结
10.8　习题
10.9　文献注释第11章　聚类分析
11.1　基于概率模型的聚类
11.1.1　模糊簇
11.1.2　基于概率模型的聚类
11.1.3　期望大化算法
11.2　聚类高维数据
11.2.1　聚类高维数据：问题、挑战和主要方法
11.2.2　子空间聚类方法
11.2.3　双聚类
11.2.4　维归约方法和谱聚类
11.3　聚类图和网络数据
11.3.1　应用与挑战
11.3.2　相似性度量
11.3.3　图聚类方法
11.4　具有约束的聚类
11.4.1　约束的分类
11.4.2　具有约束的聚类方法
11.5　小结
11.6　习题
11.7　文献注释第12章　离群点检测
12.1　离群点和离群点分析
12.1.1　什么是离群点
12.1.2　离群点的类型
12.1.3　离群点检测的挑战
12.2　离群点检测方法
12.2.1　监督、半监督和无监督方法
12.2.2　统计方法、基于邻近性的方法和基于聚类的方法
12.3　统计学方法
12.3.1　参数方法
12.3.2　非参数方法
12.4　基于邻近性的方法
12.4.1　基于距离的离群点检测和嵌套循环方法
12.4.2　基于网格的方法
12.4.3　基于密度的离群点检测
12.5　基于聚类的方法
12.6　基于分类的方法
12.7　挖掘情境离群点和集体离群点
12.7.1　把情境离群点检测转换成传统的离群点检测
12.7.2　关于情境对正常行为建模
12.7.3　挖掘集体离群点
12.8　高维数据中的离群点检测
12.8.1　扩充的传统离群点检测
12.8.2　发现子空间中的离群点
12.8.3　高维离群点建模
12.9　小结
12.10　习题
12.11　文献注释第13章　数据挖掘的发展趋势和研究前沿
13.1　挖掘复杂的数据类型
13.1.1　挖掘序列数据：时间序列、符号序列和生物学序列
13.1.2　挖掘图和网络
13.1.3　挖掘其他类型的数据
13.2　数据挖掘的其他方法
13.2.1　统计学数据挖掘
13.2.2　关于数据挖掘基础的观点
13.2.3　可视和听觉数据挖掘
13.3　数据挖掘应用
13.3.1　金融数据分析的数据挖掘
13.3.2　零售和电信业的数据挖掘
13.3.3　科学与工程数据挖掘
13.3.4　入侵检测和数据挖掘
13.3.5　数据挖掘与
13.4　数据挖掘与社会
13.4.1　普适的和无形的数据挖掘
13.4.2　数据挖掘的隐私、安全和社会影响
13.5　数据挖掘的发展趋势
13.6　小结
13.7　习题
13.8　文献注释
参考文献
索引

精彩书摘

　　第1章　引论
　　本书是一个导论，介绍一个年青并且快速成长的领域——数据挖掘（又称从数据中发现知识，简称KDD）。本书关注从各种各样的应用数据中发现有趣数据模式的数据挖掘基本概念和技术，特别是那些开发有效的、可伸缩的数据挖掘工具的卓越技术。
　　本章组织如下：在1.1节，我们将学习为什么需要数据挖掘和数据挖掘如何成为信息技术自然进化的一部分。1.2节从知识发现过程定义数据挖掘。之后，我们将从各种角度学习数据挖掘，如可供挖掘的数据（1.3节），可以发现的模式（1.4节），所使用的技术（1.5节），以及应用（1.6节）。这样，你将获得数据挖掘的多维视图。后，1.7节概述数据挖掘研究和发展的主要问题。
　　1.1　为什么进行数据挖掘
　　需要是发明之母。——柏拉图
　　我们生活在大量数据日积月累的年代。分析这些数据是一种重要需求。1.1.1节考察数据挖掘如何通过提供从数据中发现知识的工具来满足这种需求。在1.1.2节，我们观察数据挖掘为何被视为信息技术的自然进化的结果。
　　1.1.1　迈向信息时代
　　一种流行的说法是“我们生活在信息时代”。然而，实际上我们生活在数据时代。每天，来自商业、社会、科学和工程、医学以及我们日常生活的方方面面的数兆兆字节（Tera-Byte，TB）或数千兆兆字节（Peta-Byte，PB）�〉氖�据注入我们的计算机网络、万维网和各种数据存储设备。1可用数据的爆炸式增长是我们的社会计算机化和功能强大的数据收集和存储工具快速发展的结果。世界范围的商业活动产生了巨大的数据集，包括销售事务、股票交易记录、产品描述、促销、公司利润和业绩以及顾客反馈。例如，像沃尔玛这样的大型商场遍及世界各地的数以千计的超市每周都要处理数亿交易。科学和工程实践持续不断地从遥感、过程测量、科学实验、实施、工程观测和环境监测中产生多达数千兆兆字节的数据。
　　……

前言/序言

　　社会的计算机化显著地增强了我们产生和收集数据的能力。大量数据从我们生活的每个角落涌出。存储的或瞬态的数据的爆炸性增长已激起对新技术和自动工具的需求，以帮助我们智能地将海量数据转换成有用的信息和知识。这导致称做数据挖掘的一个计算机科学前沿学科的产生，这是一个充满希望和欣欣向荣并具有广泛应用的学科。数据挖掘通常又称为数据中的知识发现（KDD），是自动地或方便地提取代表知识的模式；这些模式隐藏在大型数据库、数据仓库、Web、其他大量信息库或数据流中。
　　本书考察知识发现和数据挖掘的基本概念和技术。作为一个多学科领域，数据挖掘从多个学科汲取营养。这些学科包括统计学、机器学习、模式识别、数据库技术、信息检索、网络科学、知识库、人工智能、高性能计算和数据可视化。我们提供发现隐藏在大型数据集中的模式的技术，关注可行性、有用性、有效性和可伸缩性问题。因此，本书不打算作为数据库、机器学习、统计学或其他某领域的导论，尽管我们确实提供了这些领域的必要背景材料，以便读者理解它们各自在数据挖掘中的作用。本书是对数据挖掘的全面介绍。对于计算科学的学生、应用开发人员、行业人员以及涉及以上列举的学科的研究人员，本书应当是有用的。
　　数据挖掘出现于20世纪80年代后期，20世纪90年代有了突飞猛进的发展，并可望在新千年继续繁荣。本书全面展示该领域，介绍有趣的数据挖掘技术和，并讨论数据挖掘的应用和研究方向。写本书的重要动机是需要建立一个学习数据挖掘的有组织的框架——由于这个快速发展领域的多学科特点，这是一项具有挑战性的任务。我们希望本书有助于具有不同背景和经验的人交换关于数据挖掘的见解，为进一步促进这个令人激动的、不断发展的领域的成长做出贡献。
　　本书的组织
　　自本书第1版、第2版出版以来，数据挖掘领域已经取得了重大进展，开发出了许多新的数据挖掘方法、和应用，特别是对于处理包括信息网络、图、复杂结构和数据流，以及文本、Web、多媒体、时间序列、时间空间数据在内的新的数据类型。这种快速发展、新技术不断涌现使得在一本书中涵盖整个领域的广泛内容非常困难。因此，我们决定与其继续扩大本书的涵盖面，还不如让本书以足够的广度和深度涵盖该领域的核心内容，而把复杂数据类型的处理留给另一本即将面世的书。
　　第3版对本书的前两版做了全面修订，加强和重新组织了全书的技术内容，显著地扩充和加强处理一般数据类型挖掘的核心技术。第2版中讨论特定主题的章节（例如，数据预处理、频繁模式挖掘、分类和聚类）在这一版都被扩充，每章都分成两章。对于这些主题，一章囊括基本概念和技术，而另一章提供概念和方法。
　　第2版关于复杂数据类型的章节（例如，流数据、序列数据、图结构数据、社会网络数据和多重关系数据，以及文本、Web、多媒体和时间空间数据）现在保留给专门介绍数据挖掘的课题的新书。为了支持读者学习这些课题，我们把第2版的相关章节的电子版放在本书的网站上，作为第3版的配套材料。
　　第3版各章的简要内容如下（重点介绍新的内容）：
　　第1章提供关于数据挖掘的多学科领域的导论。该章讨论导致需要数据挖掘的数据库技术的发展历程和数据挖掘应用的重要性。该章考察挖掘的数据类型，包括关系的、事务的和数据仓库数据，以及复杂的数据类型，如时间序列、序列、数据流、时间空间数据、多媒体数据、文本数据、图、社会网络和Web数据。该章根据所挖掘的知识类型、所使用的技术以及目标应用的类型，对数据挖掘任务进行了一般分类。后讨论该领域的主要挑战。
　　第2章介绍一般数据特征。该章首先讨论数据对象和属性类型，然后介绍基本统计数据描述的典型度量。该章概述各种类型数据的数据可视化技术。除了数值数据的可视化方法外，还介绍文本、标签、图和多维数据的可视化方法。第2章还介绍度量各种类型数据的相似性和相异性的方法。
　　第3章介绍数据预处理技术。该章首先介绍数据质量的概念，然后讨论数据清理、数据集成、数据归约、数据变换和数据离散化的方法。
　　第4章和第5章是数据仓库、OLAP（联机分析处理）和数据立方体技术的引论。第4章介绍数据仓库和OLAP的基本概念、建模、结构、一般实现，以及数据仓库和其他数据泛化的关系。第5章更深入地考察数据立方体技术，详细地研究数据立方体的计算方法，包括Star-Cubing和高维OLAP方法。该章还讨论数据立方体和OLAP技术的进一步研究，如抽样立方体、排序立方体、预测立方体、用于复杂数据挖掘查询的多特征立方体和发现驱动的数据立方体的探查。
　　第6章和第7章介绍挖掘大型数据集中的频繁模式、关联和相关性的方法。第6章介绍基本概念，如购物篮分析，还有条理地提供了许多频繁项集挖掘技术。这些涵盖从基本Apriori算法和它的变形，到改进性能的更的方法，包括频繁模式增长方法，使用数据的垂直形式的频繁模式挖掘，挖掘闭频繁项集和极大频繁项集。该章还讨论模式评估方法并介绍挖掘相关模式的度量。第7章介绍模式挖掘方法。该章讨论多层和多维空间中的模式挖掘，挖掘稀有和负模式，挖掘巨型模式和高维空间数据，基于约束的模式挖掘和挖掘压缩或近似模式。该章还介绍模式探查和应用的方法，包括频繁模式的语义注解。
　　第8章和第9章介绍数据分类方法。由于分类方法的重要性和多样性，内容被划分成两章。第8章介绍分类的基本概念和方法，包括决策树归纳、贝叶斯分类和基于规则的分类。该章还讨论模型评估和选择方法，以及提高分类准确率的方法，包括组合方法和处理不平衡数据。第9章讨论分类的方法，包括贝叶斯信念网络、后向传播的神经网络技术、支持向量机、使用频繁模式的分类、k-邻近分类、基于案例的推理、遗传算法、粗糙集理论和模糊集方法。附加的主题包括多类分类、半监督分类、主动学习和迁移学习。
　　聚类分析是第10章和第11章的主题。第10章介绍数据聚类的基本概念和方法，包括基本聚类分析方法的概述、划分方法、层次方法、基于密度的方法和基于网格的方法。该章还介绍聚类评估方法。第11章讨论聚类的方法，包括基于概率模型的聚类、聚类高维数据、聚类图和网络数据，以及基于约束的聚类。
　　第12章专门讨论离群点检测。本章介绍离群点的基本概念和离群点分析，并从各种监督力度（监督的、半监督的和无监督的）以及方法角度（统计学方法、基于邻近性的方法、基于聚类的方法和基于分类的方法）讨论离群点检测方法。该章还讨论挖掘情境离群点和集体离群点，以及高维数据中的离群点检测。
　　后，在第13章我们讨论数据挖掘的趋势、应用和研究前沿。我们简略地介绍挖掘复杂数据类型，包括挖掘序列数据（例如，时间序列、符号序列和生物学序列），挖掘图和网络，以及挖掘空间、多媒体、文本和Web数据。这些数据挖掘方法的深入讨论留给正在撰写的数据挖掘课题一书。然后，该章转向讨论其他数据挖掘方法学，包括统计学数据挖掘、数据挖掘基础、可视和听觉数据挖掘，以及数据挖掘的应用。讨论数据挖掘在金融数据分析、零售和电信产业、科学与工程，以及入侵检测和方面的应用。该章还讨论数据挖掘与的联系。由于数据挖掘出现在我们日常生活的方方面面，所以我们讨论数据挖掘与社会，包括无处不在和无形的数据挖掘，以及隐私、安全和数据挖掘对社会的影响。我们用考察数据挖掘的发展趋势结束本书。
　　书中楷体字用于强调定义的术语，而黑体字用于突出主要思想。
　　本书与其他数据挖掘教材相比具有一些显著特点：它广泛、深入地讨论了数据挖掘原理。各章尽可能是自包含的，使得读者可以按自己感兴趣的次序阅读。章节提供了更大的视野，感兴趣的读者可以选读。本书提供了数据挖掘的所有主要方法，还提供了关于多维OLAP分析等数据挖掘的重要主题，这些主题在其他书中常常被忽略或很少提及。本书还维护了一个网站，其中包含大量在线资源，为教师、学生和该领域的人员提供支持。这些将在下面介绍。
　　致教师
　　本书旨在提供数据挖掘领域的一个广泛而深入的概览，可以作为高年级本科生或一年级研究生的数据挖掘导论。除了讲稿、教师指南和阅读材料列表等教学资源之外，本书网站还提供了一个样本课程安排。
　　根据授课学时、学生的背景和你的兴趣，你可以选取章节的子集，以不同的顺序进行讲授。例如，如果你只打算给学生讲授数据挖掘入门导论，可以按照图P.1的建议。注意，根据需要，必要时可以省略其中某些节或某些小节。
　　图P.1　入门导论课程的建议章节序列
　　根据学时和讲授范围，你可以有选择地把更多的章节增加到这个基本序列中。例如，对分类方法更感兴趣的教师可以首先增加“第9章　分类：方法”；对模式挖掘更感兴趣的教师可以选择包括“第7章　模式挖掘”；而对OLAP和数据立方体技术感兴趣的教师可以增加“第4章　数据仓库与联机分析处理”和“第5章　数据立方体技术”。
　　或者，你可以选择在两个学期的系列课程中讲授整本书，包括本书的所有章节，时间允许的话，加上图和网络挖掘这样的课题。这些课题可以从本书网站提供的配套材料选择，辅以挑选的研究论文。
　　本书的每一章都可以用做自学材料，或者用做数据库、机器学习、模式识别和数据智能分析等相关课程的专题。
　　每章后面都有一些习题，适合作为家庭作业。这些习题或者是用于测验对内容的掌握情况的小问题，或者是需要分析思考的大问题，或者是实现设计。有些习题也可以用做研究讨论课题。每章后面的文献注释可以用来查找包含正文中提供的概念和方法的来源、相关课题的深入讨论和可能的扩展的研究文献。
　　致学生
　　我们希望本书将激发你对年青，但正在快速发展的数据挖掘领域的兴趣。我们试图以清晰的方式提供材料，仔细地解释所涵盖的主题。每一章后面都附有一个小结，总结要点。全书包含了许多图和解释，以便使本书更加有趣和便于阅读。尽管本书是作为教材编写的，但是我们也试图把它组织成一本有用的参考书或手册，以有助于你今后在数据挖掘方面进行深入研究和求职。
　　为阅读本书，你需要知道什么？
　　·你应当具有关于统计学、数据库和机器学习的概念和术语方面的知识。然而，我们尽力提供这些基础知识的足够背景，以便在读者对这些领域不太熟悉或者记忆有些淡忘时，也能够理解本书的讨论。
　　·你应当具有一些程序设计经验。特别是你应当能够阅读伪代码，能够理解像多维数组这样的简单数据结构。

/>

海量数据背后的洞察之光：一本关于数据分析的深度探索 在这个信息爆炸的时代，数据已不再仅仅是冰冷的数字，而是蕴藏着巨大价值的宝藏。从商业决策的优化到科学研究的突破，从社会趋势的预测到个体需求的满足，数据分析正以前所未有的力量重塑着我们的世界。然而，如何从海量、异构、甚至混乱的数据中提炼出有价值的洞察，让数据说话，成为了一项至关重要的挑战。本书正是为了回应这一挑战而生，它将带领读者踏上一段深入探索数据分析核心概念与技术的旅程，解锁隐藏在数据深处的奥秘。 本书并非一本仅限于理论推演的枯燥教材，而是以一种系统性、前瞻性且极具实践指导意义的视角，全面解析了数据分析领域的核心思想和关键方法。它不仅关注“是什么”，更深入探讨“为什么”以及“如何做”，旨在帮助读者建立起扎实的数据分析理论基础，并掌握能够应用于实际问题的强大工具。 一、 数据分析的基石：理解数据的本质与价值 在深入探讨技术之前，本书首先为读者构建起一个关于数据分析的宏观认知框架。它强调了理解数据的重要性，包括数据的类型、结构、来源以及可能存在的偏差。从结构化数据到非结构化数据，从统计数据到文本、图像、音频等多模态数据，本书都进行了细致的阐述，帮助读者认识到不同数据形态的特点及其在分析过程中可能带来的挑战。 更重要的是，本书深入剖析了数据分析的价值所在。它解释了为什么企业需要进行数据分析，例如提升运营效率、预测市场趋势、理解客户行为、开发新产品等；阐述了数据分析在科学研究中的作用，如模式识别、因果推断、模型构建等；并描绘了数据分析如何赋能社会治理、公共服务等领域。通过对数据价值的清晰阐释，本书能够激发读者对数据分析的浓厚兴趣，并明确其学习的目标与方向。 二、 数据预处理：奠定分析的坚实基础 现实世界中的原始数据往往是“脏”的，充斥着缺失值、异常值、重复值以及不一致的格式。这些问题如果不加以解决，将会严重影响后续分析的准确性和可靠性。因此，本书投入了相当大的篇幅来详细介绍数据预处理的关键技术。 读者将学习如何识别和处理缺失数据，了解不同的填充策略（如均值填充、中位数填充、回归填充等）及其适用场景。如何检测和处理异常值，理解统计学方法（如Z-score、IQR）和可视化技术在异常值检测中的应用。数据清洗的艺术，包括如何处理重复记录、统一数据格式、纠正错误数据等，也将得到深入讲解。 此外，本书还强调了特征工程的重要性。特征工程是将原始数据转化为更具信息量、更能被模型学习的特征的过程。读者将学习如何创建新的特征，如组合特征、多项式特征、交互特征等，以及如何对现有特征进行转换，如归一化、标准化、离散化等，以提高模型的性能。本书将数据预处理的过程视为数据分析的“炼金术”，强调其在整个分析流程中的基石作用。 三、 数据探索与可视化：洞察数据的内在规律 在对数据进行清洗和预处理之后，接下来的关键步骤是探索数据的内在规律，并通过直观的方式将其呈现出来。本书将数据探索与可视化视为发现数据价值的重要手段。 读者将学习如何运用描述性统计方法来概括数据的基本特征，如均值、中位数、方差、标准差、分位数等，从而对数据的分布、集中趋势和离散程度有一个初步的了解。 本书特别强调了数据可视化的强大力量。通过各种图表，如直方图、散点图、箱线图、折线图、热力图等，读者可以直观地观察数据的分布、变量之间的关系、模式的出现以及异常点的存在。本书将引导读者掌握选择合适的图表类型来表达特定信息，并讲解如何利用可视化工具来构建交互式的、能够引导探索的图表。通过这些可视化手段，数据中的隐藏的故事将逐渐浮现。 四、 核心数据分析技术：揭示数据背后的模式与关联 在掌握了数据的基本属性并进行了初步探索后，本书将带领读者深入到核心的数据分析技术中。这些技术是发现数据深层规律、构建预测模型、支持决策制定的关键。 分类与回归： 本书将详细介绍监督学习中的两大核心任务：分类和回归。读者将学习到多种经典的分类算法，如逻辑回归、决策树、支持向量机（SVM）、朴素贝叶斯等，理解它们的原理、优缺点以及适用场景。同时，对于回归问题，本书将讲解线性回归、多项式回归等模型，以及如何评估回归模型的性能。 聚类分析： 作为无监督学习的重要分支，聚类分析旨在将相似的数据点分组，从而发现数据的内在结构。本书将介绍K-Means、层次聚类、DBSCAN等经典的聚类算法，并讨论如何评估聚类结果的质量。聚类分析在客户分群、市场细分、异常检测等方面有着广泛的应用。 关联规则挖掘： 关联规则挖掘是发现数据项之间有趣关系的技术，例如“购买了啤酒的顾客也很可能购买尿布”。本书将深入讲解Apriori算法等经典关联规则挖掘算法，并探讨支持度、置信度和提升度等衡量规则强度的指标。关联规则在购物篮分析、推荐系统等方面发挥着重要作用。 异常检测： 识别数据中的异常模式对于欺诈检测、网络安全、工业故障诊断等领域至关重要。本书将介绍多种异常检测技术，包括基于统计的方法、基于距离的方法、基于密度的密度窥探（LOF）以及基于模型的方法。 降维技术： 当数据集的维度过高时，会带来“维度灾难”的问题，影响模型的性能和可视化效果。本书将介绍主成分分析（PCA）、因子分析（Factor Analysis）等降维技术，帮助读者理解如何有效地降低数据的维度，同时保留重要的信息。 五、 模型评估与优化：确保分析的有效性与鲁棒性 任何数据分析技术的应用都需要对模型的性能进行严格评估，并根据评估结果进行优化。本书对此给予了高度重视。 读者将学习到如何选择合适的评估指标来衡量模型的好坏，例如分类模型的准确率、精确率、召回率、F1分数、ROC曲线和AUC值；回归模型的均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、R²分数等。 本书还将深入探讨交叉验证（Cross-validation）技术，这是一种通过将数据集划分为多个子集并进行多次训练和测试来更可靠地评估模型泛化能力的方法。理解过拟合（Overfitting）和欠拟合（Underfitting）的概念，并学习如何通过正则化、调整模型复杂度、增加训练数据等方法来避免这些问题，将是模型优化的关键。 六、 数据分析的实践与应用：将理论转化为现实 本书的宗旨是将理论知识转化为解决实际问题的能力。因此，它将通过大量的实例和案例研究，展示数据分析技术在不同领域的应用。 商业智能与市场营销： 如何利用数据分析来理解客户需求、进行精准营销、优化产品定价、预测销售额，提升客户满意度。 金融领域： 如何进行信用风险评估、欺诈检测、股票市场预测、投资组合优化。 医疗健康： 如何通过数据分析来辅助疾病诊断、药物研发、流行病预测、个性化医疗。 社交媒体与网络分析： 如何分析用户行为、发现社交网络中的关键节点、预测信息传播。 科学研究： 如何在天文学、生物学、物理学等领域利用数据分析来发现新的科学规律。 通过这些实践性的内容，读者能够更清晰地理解数据分析技术是如何落地生根，并为各行各业带来实际效益的。 七、 未来展望与挑战 数据分析领域日新月异，新的技术和方法层出不穷。本书在最后也会对数据分析的未来发展趋势进行展望，例如深度学习在数据分析中的应用、大数据处理技术的进步、可解释性AI（Explainable AI）的重要性、以及数据伦理与隐私保护等议题。同时，本书也会指出当前数据分析领域面临的挑战，如数据孤岛问题、数据安全问题、以及对专业人才的需求等。 总而言之，本书为渴望掌握数据分析精髓的读者提供了一个全面、深入且实用的学习路径。它不仅教授技术，更引领思考，旨在培养读者运用数据解决复杂问题的能力，点亮海量数据背后的洞察之光，最终成为一名能够驾驭数据、创造价值的数据分析专家。

评分☆☆☆☆☆

当我阅读《数据挖掘：概念与技术》（原书第3版）时，我惊喜地发现它以一种非常易于理解的方式，将许多复杂的数据挖掘概念和技术呈现在读者面前。书中对各种算法的数学原理并没有过度渲染，而是侧重于其直观的理解和实际的应用。例如，在讲解分类算法时，作者们不仅解释了决策树、朴素贝叶斯等方法的原理，还详细阐述了如何处理不平衡数据、如何进行特征选择等实际问题。让我印象深刻的是，书中关于“概念漂移”和“异常检测”的章节，它们以非常生动的案例，说明了在动态变化的数据环境中，我们如何识别和应对这些挑战。这本书的实用性体现在其对模型评估和选择的详细指导，它教会我如何根据具体任务的需求，选择最合适的评价指标和模型。总而言之，《数据挖掘：概念与技术》（原书第3版）为我打开了一扇通往数据世界的大门，让我能够更自信地去探索和应用数据挖掘的力量。

评分☆☆☆☆☆

不得不说，这本书的深度和广度都让人惊叹，它提供了一个无与伦比的全面视角来审视数据挖掘这一领域。在阅读过程中，我深深体会到作者对于数据挖掘过程的严谨性把握。他们强调了数据质量的重要性，以及在模型构建之前进行充分的数据探索和预处理是多么关键。书中关于数据转换、降维、噪声处理等章节，提供了非常实用的方法和技巧，这些都是我在实际工作中经常会遇到的挑战。更让我印象深刻的是，作者们并没有止步于介绍现有的成熟算法，而是引导读者思考算法背后的思想和假设，这使得我们在面对新的、未知的挖掘任务时，能够更加灵活地选择和调整算法，甚至创新出新的方法。我对书中关于集成学习的章节尤为着迷，它展示了如何通过结合多个模型的优势来提升整体性能，这种“集体智慧”的思想在许多领域都有着重要的启示意义。总而言之，这本《数据挖掘：概念与技术》不仅仅是一本教科书，它更像是一位经验丰富的导师，在数据挖掘的道路上给予我循循善诱的指引。

评分☆☆☆☆☆

老实说，刚拿到《数据挖掘：概念与技术》（原书第3版）时，我对它所涵盖的篇幅和深度有些畏惧，但真正开始阅读后，这种感觉很快就转变成了强烈的求知欲。书中对于一些经典数据挖掘算法的讲解，例如Apriori算法和K-Means算法，虽然是基础，但作者们通过清晰的图示和逐步的推理，将它们的核心思想展现得淋漓尽致。我特别喜欢书中关于“数据挖掘过程模型”（CRISP-DM）的介绍，它提供了一个非常实用的框架，指导我们如何系统地开展一个数据挖掘项目，从业务理解到模型部署，每一个环节都环环相扣，紧密相连。此外，书中对不同类型数据（如文本、网页、空间数据）的挖掘方法都有所涉猎，这让我认识到数据挖掘技术的广泛应用前景。这本书不仅为初学者提供了坚实的基础，也为有经验的从业者提供了深入研究的材料，是一部名副其实的经典之作。

评分☆☆☆☆☆

这本《数据挖掘：概念与技术》（原书第3版）确实是一本值得深入研究的宝藏。当我第一次翻开它时，就被其系统性的结构和详尽的解释所吸引。书中对于数据挖掘的各个方面都进行了深入浅出的阐述，从最基础的数据预处理，到复杂的关联规则挖掘、分类、聚类，再到时序模式挖掘和异常检测，无一不包。作者们并没有停留在理论层面，而是通过大量的实例和伪代码，将抽象的概念转化为易于理解和实践的操作。我特别喜欢其中关于决策树和支持向量机章节的讲解，作者用非常直观的方式剖析了这些算法的内部工作原理，让我茅塞顿开。而且，这本书不仅仅是技术手册，它还探讨了数据挖掘的应用领域，比如文本挖掘、图挖掘、多媒体数据挖掘等，这极大地拓宽了我的视野，让我开始思考如何将所学知识应用于实际业务场景，解决实际问题。我常常会在遇到具体问题时，翻回书中相关的章节，总能找到启发和解决思路。这本书的价值在于，它不仅能教会你“怎么做”，更能让你理解“为什么这么做”，这对于真正掌握数据挖掘技术至关重要。

评分☆☆☆☆☆

翻阅《数据挖掘：概念与技术》（原书第3版）的过程中，我感受到了作者团队深厚的学术功底和丰富的实践经验。这本书的结构设计非常合理，从基础概念的引入，到核心算法的讲解，再到高级主题的探讨，层层递进，逻辑清晰。书中对于不同数据挖掘算法的比较和权衡，以及在不同场景下的适用性分析，都做得非常到位。我尤其欣赏书中关于评估模型性能的部分，它详细介绍了各种评价指标，并解释了它们在不同情况下的含义和局限性，这对于我们客观地评价挖掘结果，避免盲目乐观或悲观至关重要。此外，书中还涉及了数据挖掘中的伦理和隐私问题，这在当前数据爆炸的时代，是不可忽视的重要议题。作者们通过讨论这些问题，提醒我们在追求技术进步的同时，也要关注其社会影响。这本书让我对数据挖掘有了更深层次的理解，不仅仅是技术本身，更是它在实际应用中的价值和潜在风险。