《數據挖掘教程》是清華大學出版社出版的一本書。
基本介紹
- 書名：數據挖掘教程
- 作者：Margarent H.Dunham
- ISBN： 7302105332
- 出版社： 清華大學出版社
圖書信息,內容簡介,目錄,
圖書信息
數據挖掘教程——世界著名計算機教材精選
圖書作者： Margarent H.Dunham 著 郭崇慧、田鳳占等 譯出版社： 清華大學出版社
ISBN： 7302105332
出版時間： 2005-5第1版
印刷時間： 2005-5第1印刷
開 本： 16
價 格(元)： 39
內容簡介
本書全面系統地介紹了各種數據挖掘的基本概念、方法和算法。全書由四部分構成。書中對每種算法不僅進行了詳盡的解釋，還給出了算例及偽代碼。每章後的練習和參考文獻為作為提供了進一步思考相關問題的線索。
本書適意作為計算機專業高年級本科生、研究生教材，也可作為相關領域研究人員的參考書。
目錄
第1部分 導論
第1章 概述
1.1 基本數據挖掘任務
1.1.1 分類
1.1.2 回歸
1.1.3 時間序列分析
1.1.4 預測
1.1.5 聚類
1.1.6 匯總
1.1.7 關聯規則
1.1.8 序列發現
1.2 數據挖掘與資料庫中的知識發現
1.2.1 數據挖掘的發展
1.3 數據挖掘問題
1.4 數據挖掘度量
1.5 數據挖掘的社會影響
1.6 從資料庫觀點看數據挖掘
1.7 數據挖掘的未來發展
1.8 練習
1.9 參考文獻注釋
第2章 相關概念
2.1 資料庫/OLTP系統
2.2 模糊集和模糊邏輯
2.3 信息檢索
2.4 決策支持系統
2.5 維數據建模
2.5.1 多維模式
2.5.2 索引
2.6 數據倉儲
2.7 OLAP
2.8 Web搜尋引擎
2.9 統計學
2.10 機器學習
2.11 模式匹配
2.12 小結
2.13 練習
2.14 參考文獻注釋
第3章 數據挖掘技術
3.1 引言
3.2 數據挖掘的統計方法
3.2.1 點估計
3.2.2 基於匯總的模型
3.2.3 貝葉斯定理
3.2.4 假設檢驗
3.2.5 回歸和相關
3.3 相似性度量
3.4 決策樹
3.5 神經網路
3.5.1 激勵函式
3.6 遺傳算法
3.7 練習
3.8 參考文獻注釋
第2部分 核心課題
第4章 分類
4.1 引言
4.1.1 分類中的問題
4.2 基於統計的算法
4.2.1 回歸
4.2.2 貝葉斯分類
4.3 基於距離的算法
4.3.1 簡單方法
4.3.2 K最近鄰
4.4 基於決策樹的算法
4.4.1 ID3
4.4.2 C4.5 和C5.0
4.4.3 CART
4.4.4 可伸縮的決策樹技術
4.5 基於神經網路的算法
4.5.1 傳播
4.5.2 神經網路有指導學習
4.5.3 徑向基函式網路
4.5.4 感知器
4.6 基於規則的算法
4.6.1 從決策樹生成規則
4.6.2 從神經網路生成規則
4.6.3 不用決策樹或神經網路生成規則
4.7 組合技術
4.8 小結
4.9 練習
4.10 參考文獻注釋
第5章 聚類
5.1 引言
5.2 相似性和距離度量
5.3 異常點
5.4 層次算法
5.4.1 凝聚算法
5.4.2 分裂聚類
5.5 劃分算法
5.5.1 最小生成樹
5.5.2 平方誤差聚類算法
5.5.3 K均值聚類
5.5.4 最近鄰算法
5.5.5 PAM算法
5.5.6 結合能量算法
5.5.7 基於遺傳算法的聚類
5.5.8 基於神經網路的聚類
5.6 大型資料庫聚類
5.6.1 BIRCH
5.6.2 DBSCAN
5.6.3 CURE算法
5.7 對類別屬性進行聚類
5.8 比較
5.9 練習
5.10 參考文獻注釋
第6章 關聯規則
6.1 引言
6.2 大項目集
6.3 基本算法
6.3.1 Apriori算法
6.3.2 抽樣算法
6.3.3 劃分
6.4 並行和分散式算法
6.4.1 數據並行
6.4.2 任務並行
6.5 方法比較
6.6 增量規則
6.7 高級關聯規則技術
6.7.1 泛化關聯規則
6.7.2 多層關聯規則
6.7.3 數量關聯規則
6.7.4 使用多個最小支持度
6.7.5 相關規則
6.8 度量規則的質量
6.9 練習
6.10 參考文獻注釋
第3部分 高級課題
第7章 Web挖掘
7.1 引言
7.2 Web內容挖掘
7.2.1 爬蟲
7.2.2 Harvest系統
7.2.3 虛擬Web視圖
7.2.4 個性化
7.3 Web結構挖掘
7.3.1 PageRank
7.3.2 Clever
7.4 Web使用挖掘
7.4.1 預處理
7.4.2 數據結構
7.4.3 模式發現
7.4.4 模式分析
7.5 練習
7.6 參考文獻注釋
第8章 空間數據挖掘
8.1 引言
8.2 空間數據概述
8.2.1 空間查詢
8.2.2 空間數據結構
8.2.3 主題地圖
8.2.4 圖像資料庫
8.3 空間數據挖掘原語
8.4 一般化和特殊化
8.4.1 漸進求精
8.4.2 一般化
8.4.3 最近鄰
8.4.4 STING
8.5 空間規則
8.5.1 空間關聯規則
8.6 空間分類算法
8.6.1 對ID3的擴展
8.6.2 空間決策樹
8.7 空間聚類算法
8.7.1 對CLARANS的擴展
8.7.2 SD(CLARANS)
8.7.3 DBCLASD
8.7.4 BANG
8.7.5 WaveCluster
8.7.6 近似
8.8 練習
8.9 參考文獻注釋
第9章 時序數據挖掘
9.1 引言
9.2 時序事件建模
9.3 時間序列
9.3.1 時間序列分析
9.3.2 趨勢分析
9.3.3 變換
9.3.4 相似性
9.3.5 預測
9.4 模式檢測
9.4.1 串匹配
9.5 時序序列
9.5.1 AprioriAll
9.5.2 SPADE
9.5.3 一般化
9.5.4 特徵抽取
9.6 時序關聯規則
9.6.1 事務間關聯規則
9.6.2 情節規則
9.6.3 趨勢依賴
9.6.4 序列關聯規則
9.6.5 日曆關聯規則
9.7 練習
9.8 參考文獻注釋
附錄A 數據挖掘產品
A.1 參考文獻注釋
附錄B 參考文獻
辭彙表
