數(shù)據(jù)挖掘?qū)д?/h1>

第1章  緒論        1
1.1  什么是數(shù)據(jù)挖掘        2
1.2  引發(fā)數(shù)據(jù)挖掘的挑戰(zhàn)        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(shū)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(lèi)型        14
2.1.1  屬性與度量        15
2.1.2  數(shù)據(jù)集的類(lèi)型        18
2.2  數(shù)據(jù)質(zhì)量        22
2.2.1  測(cè)量和數(shù)據(jù)收集問(wèn)題        22
2.2.2  關(guān)于應(yīng)用的問(wèn)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(jiǎn)單屬性之間的相似度和相異度        40
2.4.3  數(shù)據(jù)對(duì)象之間的相異度        41
2.4.4  數(shù)據(jù)對(duì)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(jì)算問(wèn)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(jì)        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(jì)        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(dòng)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(xiàng)        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(píng)述        84
文獻(xiàn)注釋        84
參考文獻(xiàn)        85
習(xí)題        86
第4章  分類(lèi)：基本概念、決策樹(shù)與模型評(píng)估        89
4.1  預(yù)備知識(shí)        89
4.2  解決分類(lèi)問(wèn)題的一般方法        90
4.3  決策樹(shù)歸納        92
4.3.1  決策樹(shù)的工作原理        92
4.3.2  如何建立決策樹(shù)        93
4.3.3  表示屬性測(cè)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(shù)歸納算法        101
4.3.6  例子：Web 機(jī)器人檢測(cè)        102
4.3.7  決策樹(shù)歸納的特點(diǎn)        103
4.4  模型的過(guò)分?jǐn)M合        106
4.4.1  噪聲導(dǎo)致的過(guò)分?jǐn)M合        107
4.4.2  缺乏代表性樣本導(dǎo)致的過(guò)分?jǐn)M合        109
4.4.3  過(guò)分?jǐn)M合與多重比較過(guò)程        109
4.4.4  泛化誤差估計(jì)        110
4.4.5  處理決策樹(shù)歸納中的過(guò)分?jǐn)M合        113
4.5  評(píng)估分類(lèi)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(yàn)證        115
4.5.4  自助法        115
4.6  比較分類(lèi)器的方法        116
4.6.1  估計(jì)準(zhǔn)確度的置信區(qū)間        116
4.6.2  比較兩個(gè)模型的性能        117
4.6.3  比較兩種分類(lèi)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(lèi)：其他技術(shù)        127
5.1  基于規(guī)則的分類(lèi)器        127
5.1.1  基于規(guī)則的分類(lèi)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(lèi)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(lèi)器的特征        136
5.2  最近鄰分類(lèi)器        137
5.2.1  算法        138
5.2.2  最近鄰分類(lèi)器的特征        138
5.3  貝葉斯分類(lèi)器        139
5.3.1  貝葉斯定理        139
5.3.2  貝葉斯定理在分類(lèi)中的應(yīng)用        140
5.3.3  樸素貝葉斯分類(lèi)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)（ANN）        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(xiàn)性支持向量機(jī)：可分情況        157
5.5.3  線(xiàn)性支持向量機(jī)：不可分情況        162
5.5.4  非線(xiàn)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(lèi)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(yàn)比較        179
5.7  不平衡類(lèi)問(wèn)題        180
5.7.1  可選度量        180
5.7.2  接受者操作特征曲線(xiàn)        182
5.7.3  代價(jià)敏感學(xué)習(xí)        184
5.7.4  基于抽樣的方法        186
5.8  多類(lèi)問(wèn)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(wèn)題定義        202
6.2  頻繁項(xiàng)集的產(chǎn)生        204
6.2.1  先驗(yàn)原理        205
6.2.2  Apriori算法的頻繁項(xiàng)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(jì)數(shù)        210
6.2.5  計(jì)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(guó)國(guó)會(huì)投票記錄        217
6.4  頻繁項(xiàng)集的緊湊表示        217
6.4.1  最大頻繁項(xiàng)集        217
6.4.2  頻繁閉項(xiàng)集        219
6.5  產(chǎn)生頻繁項(xiàng)集的其他方法        221
6.6  FP增長(zhǎng)算法        223
6.6.1  FP樹(shù)表示法        224
6.6.2  FP增長(zhǎng)算法的頻繁項(xiàng)集產(chǎn)生        225
6.7  關(guān)聯(lián)模式的評(píng)估        228
6.7.1  興趣度的客觀(guān)度量        228
6.7.2  多個(gè)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(jí)概念        259
7.1  處理分類(lèi)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(jì)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(wèn)題描述        267
7.4.2  序列模式發(fā)現(xiàn)        269
7.4.3  時(shí)限約束        271
7.4.4  可選計(jì)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(lèi)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(jì)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(lèi)分析：基本概念和算法        305
8.1  概述        306
8.1.1  什么是聚類(lèi)分析        306
8.1.2  不同的聚類(lèi)類(lèi)型        307
8.1.3  不同的簇類(lèi)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(wèn)題        315
8.2.3  二分K均值        316
8.2.4  K均值和不同的簇類(lèi)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(wèn)題        319
8.3  凝聚層次聚類(lèi)        320
8.3.1  基本凝聚層次聚類(lèi)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(lèi)的主要問(wèn)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(píng)估        330
8.5.1  概述        332
8.5.2  非監(jiān)督簇評(píng)估：使用凝聚度和分離度        332
8.5.3  非監(jiān)督簇評(píng)估：使用鄰近度矩陣        336
8.5.4  層次聚類(lèi)的非監(jiān)督評(píng)估        338
8.5.5  確定正確的簇個(gè)數(shù)        339
8.5.6  聚類(lèi)趨勢(shì)        339
8.5.7  簇有效性的監(jiān)督度量        340
8.5.8  評(píng)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(lèi)分析：附加的問(wèn)題與算法        355
9.1  數(shù)據(jù)、簇和聚類(lèi)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(lèi)算法的一般特性        358
9.2  基于原型的聚類(lèi)        359
9.2.1  模糊聚類(lèi)        359
9.2.2  使用混合模型的聚類(lèi)        362
9.2.3  自組織映射        369
9.3  基于密度的聚類(lèi)        372
9.3.1  基于網(wǎng)格的聚類(lèi)        372
9.3.2  子空間聚類(lèi)        374
9.3.3  DENCLUE：基于密度聚類(lèi)的一種基于核的方案        377
9.4  基于圖的聚類(lèi)        379
9.4.1  稀疏化        379
9.4.2  最小生成樹(shù)聚類(lèi)        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(dòng)態(tài)建模的層次聚類(lèi)        381
9.4.5  共享最近鄰相似度        385
9.4.6  Jarvis-Patrick聚類(lèi)算法        387
9.4.7  SNN密度        388
9.4.8  基于SNN密度的聚類(lèi)        389
9.5  可伸縮的聚類(lèi)算法        390
9.5.1  可伸縮：一般問(wèn)題和方法        391
9.5.2  BIRCH        392
9.5.3  CURE        393
9.6  使用哪種聚類(lèi)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(cè)        403
10.1  預(yù)備知識(shí)        404
10.1.1  異常的成因        404
10.1.2  異常檢測(cè)方法        404
10.1.3  類(lèi)標(biāo)號(hào)的使用        405
10.1.4  問(wèn)題        405
10.2  統(tǒng)計(jì)方法        406
10.2.1  檢測(cè)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(cè)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(cè)        411
10.4  基于密度的離群點(diǎn)檢測(cè)        412
10.4.1  使用相對(duì)密度的離群點(diǎn)檢測(cè)        413
10.4.2  優(yōu)點(diǎn)與缺點(diǎn)        414
10.5  基于聚類(lèi)的技術(shù)        414
10.5.1  評(píng)估對(duì)象屬于簇的程度        415
10.5.2  離群點(diǎn)對(duì)初始聚類(lèi)的影響        416
10.5.3  使用簇的個(gè)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