數據挖掘：概念與技術（原書第3版）

出版者的話
中文版序
譯者序
譯者簡介
第3版序
第2版序
前言
致謝
作者簡介
第1章　引論
1.1　為什么進行數據挖掘
1.1.1　邁向信息時代
1.1.2　數據挖掘是信息技術的進化
1.2　什么是數據挖掘
1.3　可以挖掘什么類型的數據
1.3.1　數據庫數據
1.3.2　數據倉庫
1.3.3　事務數據
1.3.4　其他類型的數據
1.4　可以挖掘什么類型的模式
1.4.1　類/概念描述：特征化與區(qū)分
1.4.2　挖掘頻繁模式、關聯(lián)和相關性
1.4.3　用于預測分析的分類與回歸
1.4.4　聚類分析
1.4.5　離群點分析
1.4.6　所有模式都是有趣的嗎
1.5　使用什么技術
1.5.1　統(tǒng)計學
1.5.2　機器學習
1.5.3　數據庫系統(tǒng)與數據倉庫
1.5.4　信息檢索
1.6　面向什么類型的應用
1.6.1　商務智能
1.6.2　Web搜索引擎
1.7　數據挖掘的主要問題
1.7.1　挖掘方法
1.7.2　用戶界面
1.7.3　有效性和可伸縮性
1.7.4　數據庫類型的多樣性
1.7.5　數據挖掘與社會
1.8　小結
1.9　習題
1.10　文獻注釋
第2章　認識數據
2.1　數據對象與屬性類型
2.1.1　什么是屬性
2.1.2　標稱屬性
2.1.3　二元屬性
2.1.4　序數屬性
2.1.5　數值屬性
2.1.6　離散屬性與連續(xù)屬性
2.2　數據的基本統(tǒng)計描述
2.2.1　中心趨勢度量：均值、中位數和眾數
2.2.2　度量數據散布：極差、四分位數、方差、標準差和四分位數極差
2.2.3　數據的基本統(tǒng)計描述的圖形顯示
2.3　數據可視化
2.3.1　基于像素的可視化技術
2.3.2　幾何投影可視化技術
2.3.3　基于圖符的可視化技術
2.3.4　層次可視化技術
2.3.5　可視化復雜對象和關系
2.4　度量數據的相似性和相異性
2.4.1　數據矩陣與相異性矩陣
2.4.2　標稱屬性的鄰近性度量
2.4.3　二元屬性的鄰近性度量
2.4.4　數值屬性的相異性：閔可夫斯基距離
2.4.5　序數屬性的鄰近性度量
2.4.6　混合類型屬性的相異性
2.4.7　余弦相似性
2.5　小結
2.6　習題
2.7　文獻注釋
第3章　數據預處理
3.1　數據預處理：概述
3.1.1　數據質量：為什么要對數據預處理
3.1.2　數據預處理的主要任務
3.2　數據清理
3.2.1　缺失值
3.2.2　噪聲數據
3.2.3　數據清理作為一個過程
3.3　數據集成
3.3.1　實體識別問題
3.3.2　冗余和相關分析
3.3.3　元組重復
3.3.4　數據值沖突的檢測與處理
3.4　數據歸約
3.4.1　數據歸約策略概述
3.4.2　小波變換
3.4.3　主成分分析
3.4.4　屬性子集選擇
3.4.5　回歸和對數線性模型：參數化數據歸約
3.4.6　直方圖
3.4.7　聚類
3.4.8　抽樣
3.4.9　數據立方體聚集
3.5　數據變換與數據離散化
3.5.1　數據變換策略概述
3.5.2　通過規(guī)范化變換數據
3.5.3　通過分箱離散化
3.5.4　通過直方圖分析離散化
3.5.5　通過聚類、決策樹和相關分析離散化
3.5.6　標稱數據的概念分層產生
3.6　小結
3.7　習題
3.8　文獻注釋
第4章　數據倉庫與聯(lián)機分析處理
4.1　數據倉庫：基本概念
4.1.1　什么是數據倉庫
4.1.2　操作數據庫系統(tǒng)與數據倉庫的區(qū)別
4.1.3　為什么需要分離的數據倉庫
4.1.4　數據倉庫：一種多層體系結構
4.1.5　數據倉庫模型：企業(yè)倉庫、數據集市和虛擬倉庫
4.1.6　數據提取、變換和裝入
4.1.7　元數據庫
4.2　數據倉庫建模：數據立方體與OLAP
4.2.1　數據立方體：一種多維數據模型
4.2.2　星形、雪花形和事實星座：多維數據模型的模式
4.2.3　維：概念分層的作用
4.2.4　度量的分類和計算
4.2.5　典型的OLAP操作
4.2.6　查詢多維數據庫的星網查詢模型
4.3　數據倉庫的設計與使用
4.3.1　數據倉庫的設計的商務分析框架
4.3.2　數據倉庫的設計過程
4.3.3　數據倉庫用于信息處理
4.3.4　從聯(lián)機分析處理到多維數據挖掘
4.4　數據倉庫的實現
4.4.1　數據立方體的有效計算：概述
4.4.2　索引OLAP數據：位圖索引和連接索引
4.4.3　OLAP查詢的有效處理
4.4.4　OLAP服務器結構：ROLAP、MOLAP、HOLAP的比較
4.5　數據泛化：面向屬性的歸納
4.5.1　數據特征的面向屬性的歸納
4.5.2　面向屬性歸納的有效實現
4.5.3　類比較的面向屬性歸納
4.6　小結
4.7　習題
4.8　文獻注釋
第5章　數據立方體技術
5.1　數據立方體計算：基本概念
5.1.1　立方體物化：完全立方體、冰山立方體、閉立方體和立方體外殼
5.1.2　數據立方體計算的一般策略
5.2　數據立方體計算方法
5.2.1　完全立方體計算的多路數組聚集
5.2.2　BUC：從頂點方體向下計算冰山立方體
5.2.3　Star-Cubing：使用動態(tài)星樹結構計算冰山立方體
5.2.4　為快速高維OLAP預計算殼片段
5.3　使用探索立方體技術處理高級查詢
5.3.1　抽樣立方體：樣本數據上基于OLAP的挖掘
5.3.2　排序立方體：top-k查詢的有效計算
5.4　數據立方體空間的多維數據分析
5.4.1　預測立方體：立方體空間的預測挖掘
5.4.2　多特征立方體：多粒度上的復雜聚集
5.4.3　基于異常的、發(fā)現驅動的立方體空間探查
5.5　小結
5.6　習題
5.7　文獻注釋
第6章　挖掘頻繁模式、關聯(lián)和相關性：基本概念和方法
6.1　基本概念
6.1.1　購物籃分析：一個誘發(fā)例子
6.1.2　頻繁項集、閉項集和關聯(lián)規(guī)則
6.2　頻繁項集挖掘方法
6.2.1　Apriori算法：通過限制候選產生發(fā)現頻繁項集
6.2.2　由頻繁項集產生關聯(lián)規(guī)則
6.2.3　提高Apriori算法的效率
6.2.4　挖掘頻繁項集的模式增長方法
6.2.5　使用垂直數據格式挖掘頻繁項集
6.2.6　挖掘閉模式和極大模式
6.3　哪些模式是有趣的：模式評估方法
6.3.1　強規(guī)則不一定是有趣的
6.3.2　從關聯(lián)分析到相關分析
6.3.3　模式評估度量比較
6.4　小結
6.5　習題
6.6　文獻注釋
第7章　高級模式挖掘
7.1　模式挖掘：一個路線圖
7.2　多層、多維空間中的模式挖掘
7.2.1　挖掘多層關聯(lián)規(guī)則
7.2.2　挖掘多維關聯(lián)規(guī)則
7.2.3　挖掘量化關聯(lián)規(guī)則
7.2.4　挖掘稀有模式和負模式
7.3　基于約束的頻繁模式挖掘
7.3.1　關聯(lián)規(guī)則的元規(guī)則制導挖掘
7.3.2　基于約束的模式產生：模式空間剪枝和數據空間剪枝
7.4　挖掘高維數據和巨型模式
7.5　挖掘壓縮或近似模式
7.5.1　通過模式聚類挖掘壓縮模式
7.5.2　提取感知冗余的top-k模式
7.6　模式探索與應用
7.6.1　頻繁模式的語義注解
7.6.2　模式挖掘的應用
7.7　小結
7.8　習題
7.9　文獻注釋
第8章　分類：基本概念
8.1　基本概念
8.1.1　什么是分類
8.1.2　分類的一般方法
8.2　決策樹歸納
8.2.1　決策樹歸納
8.2.2　屬性選擇度量
8.2.3　樹剪枝
8.2.4　可伸縮性與決策樹歸納
8.2.5　決策樹歸納的可視化挖掘
8.3　貝葉斯分類方法
8.3.1　貝葉斯定理
8.3.2　樸素貝葉斯分類
8.4　基于規(guī)則的分類
8.4.1　使用IF-THEN規(guī)則分類
8.4.2　由決策樹提取規(guī)則
8.4.3　使用順序覆蓋算法的規(guī)則歸納
8.5　模型評估與選擇
8.5.1　評估分類器性能的度量
8.5.2　保持方法和隨機二次抽樣
8.5.3　交叉驗證
8.5.4　自助法
8.5.5　使用統(tǒng)計顯著性檢驗選擇模型
8.5.6　基于成本效益和ROC曲線比較分類器
8.6　提高分類準確率的技術
8.6.1　組合分類方法簡介
8.6.2　裝袋
8.6.3　提升和AdaBoost
8.6.4　隨機森林
8.6.5　提高類不平衡數據的分類準確率
8.7　小結
8.8　習題
8.9　文獻注釋
第9章　分類：高級方法
9.1　貝葉斯信念網絡
9.1.1　概念和機制
9.1.2　訓練貝葉斯信念網絡
9.2　用后向傳播分類
9.2.1　多層前饋神經網絡
9.2.2　定義網絡拓撲
9.2.3　后向傳播
9.2.4　黑盒內部：后向傳播和可解釋性
9.3　支持向量機
9.3.1　數據線性可分的情況
9.3.2　數據非線性可分的情況
9.4　使用頻繁模式分類
9.4.1　關聯(lián)分類
9.4.2　基于有區(qū)別力的頻繁模式分類
9.5　惰性學習法(或從近鄰學習）
9.5.1　k-最近鄰分類
9.5.2　基于案例的推理
9.6　其他分類方法
9.6.1　遺傳算法
9.6.2　粗糙集方法
9.6.3　模糊集方法
9.7　關于分類的其他問題
9.7.1　多類分類
9.7.2　半監(jiān)督分類
9.7.3　主動學習
9.7.4　遷移學習
9.8　小結
9.9　習題
9.10　文獻注釋
第10章　聚類分析：基本概念和方法
10.1　聚類分析
10.1.1　什么是聚類分析
10.1.2　對聚類分析的要求
10.1.3　基本聚類方法概述
10.2　劃分方法
10.2.1　k-均值：一種基于形心的技術
10.2.2　k-中心點：一種基于代表對象的技術
10.3　層次方法
10.3.1　凝聚的與分裂的層次聚類
10.3.2　算法方法的距離度量
10.3.3　BIRCH：使用聚類特征樹的多階段聚類
10.3.4　Chameleon：使用動態(tài)建模的多階段層次聚類
10.3.5　概率層次聚類
10.4　基于密度的方法
10.4.1　DBSCAN：一種基于高密度連通區(qū)域的基于密度的聚類
10.4.2　OPTICS：通過點排序識別聚類結構
10.4.3　DENCLUE：基于密度分布函數的聚類
10.5　基于網格的方法
10.5.1　STING：統(tǒng)計信息網格
10.5.2　CLIQUE：一種類似于Apriori的子空間聚類方法
10.6　聚類評估
10.6.1　估計聚類趨勢
10.6.2　確定簇數
10.6.3　測定聚類質量
10.7　小結
10.8　習題
10.9　文獻注釋
第11章　高級聚類分析
11.1　基于概率模型的聚類
11.1.1　模糊簇
11.1.2　基于概率模型的聚類
11.1.3　期望最大化算法
11.2　聚類高維數據
11.2.1　聚類高維數據：問題、挑戰(zhàn)和主要方法
11.2.2　子空間聚類方法
11.2.3　雙聚類
11.2.4　維歸約方法和譜聚類
11.3　聚類圖和網絡數據
11.3.1　應用與挑戰(zhàn)
11.3.2　相似性度量
11.3.3　圖聚類方法
11.4　具有約束的聚類
11.4.1　約束的分類
11.4.2　具有約束的聚類方法
11.5　小結
11.6　習題
11.7　文獻注釋
第12章　離群點檢測
12.1　離群點和離群點分析
12.1.1　什么是離群點
12.1.2　離群點的類型
12.1.3　離群點檢測的挑戰(zhàn)
12.2　離群點檢測方法
12.2.1　監(jiān)督、半監(jiān)督和無監(jiān)督方法
12.2.2　統(tǒng)計方法、基于鄰近性的方法和基于聚類的方法
12.3　統(tǒng)計學方法
12.3.1　參數方法
12.3.2　非參數方法
12.4　基于鄰近性的方法
12.4.1　基于距離的離群點檢測和嵌套循環(huán)方法
12.4.2　基于網格的方法
12.4.3　基于密度的離群點檢測
12.5　基于聚類的方法
12.6　基于分類的方法
12.7　挖掘情境離群點和集體離群點
12.7.1　把情境離群點檢測轉換成傳統(tǒng)的離群點檢測
12.7.2　關于情境對正常行為建模
12.7.3　挖掘集體離群點
12.8　高維數據中的離群點檢測
12.8.1　擴充的傳統(tǒng)離群點檢測
12.8.2　發(fā)現子空間中的離群點
12.8.3　高維離群點建模
12.9　小結
12.10　習題
12.11　文獻注釋
第13章　數據挖掘的發(fā)展趨勢和研究前沿
13.1　挖掘復雜的數據類型
13.1.1　挖掘序列數據：時間序列、符號序列和生物學序列
13.1.2　挖掘圖和網絡
13.1.3　挖掘其他類型的數據
13.2　數據挖掘的其他方法
13.2.1　統(tǒng)計學數據挖掘
13.2.2　關于數據挖掘基礎的觀點
13.2.3　可視和聽覺數據挖掘
13.3　數據挖掘應用
13.3.1　金融數據分析的數據挖掘
13.3.2　零售和電信業(yè)的數據挖掘
13.3.3　科學與工程數據挖掘
13.3.4　入侵檢測和預防數據挖掘
13.3.5　數據挖掘與推薦系統(tǒng)
13.4　數據挖掘與社會
13.4.1　普適的和無形的數據挖掘
13.4.2　數據挖掘的隱私、安全和社會影響
13.5　數據挖掘的發(fā)展趨勢
13.6　小結
13.7　習題
13.8　文獻注釋
參考文獻
索引