数据挖掘：概念、模型、方法和算法(第2版)（国外计算机科学经典教材） PDF下载

第1章　数据挖掘的概念
1.1概述
1.2数据挖掘的起源
1.3数据挖掘过程
1.4大型数据集
1.5数据仓库
1.6数据挖掘的商业方面：为什数据挖掘项目会失败
1.7本书结构安排
1.8复习题
1.9参考书目
第2章　数据准备
2.1原始数据的表述
2.2原始数据的特性
2.3原始数据的转换<；p>；第1章　数据挖掘的概念<；br />；1.1概述<；br />；1.2数据挖掘的起源<；br />；1.3数据挖掘过程<；br />；1.4大型数据集<；br />；1.5数据仓库<；br />；1.6数据挖掘的商业方面：为什数据挖掘项目会失败<；br />；1.7本书结构安排<；br />；1.8复习题<；br />；1.9参考书目<；br />；第2章　数据准备<；br />；2.1原始数据的表述<；br />；2.2原始数据的特性<；br />；2.3原始数据的转换<；br />；2.3.1标准化<；br />；2.3.2数据平整<；br />；2.3.3差值和比率<；br />；2.4丢失数据<；br />；2.5时间相关数据<；br />；2.6异常点分析<；br />；2.7复习题<；br />；2.8参考书目<；br />；第3章　数据归约<；br />；3.1大型数据集的维度<；br />；3.2特征归约<；br />；3.2.1特征选择<；br />；3.2.2特征提取<；br />；3.3 relief算法<；br />；3.4特征排列的熵度量<；br />；3.5主成分分析<；br />；3.6值归约<；br />；3.7特征离散化：chimerge技术<；br />；3.8案例归约<；br />；3.9复习题<；br />；3.10参考书目<；br />；第4章　从数据中学习<；br />；4.1学习机器<；br />；4.2统计学习原理<；br />；4.3学习方法的类型<；br />；4.4常见的学习任务<；br />；4.5支持向量机<；br />；4.6 knn：最近邻分类器<；br />；4.7模型选择与泛化<；br />；4.8模型的评估<；br />；4.990％准确的情形<；br />；4.9.1保险欺诈检测<；br />；4.9.2改进心脏护理<；br />；4.10复习题<；br />；4.11参考书目<；br />第5章　统计方法<br />5.1统计推断<br />5.2评测数据集的差异<br />5.3贝叶斯定理<br />5.4预测回归<br />5.5方差分析<br />5.6对数回归<br />5.7对数—线性模型<br />5.8线性判别分析<br />5.9复习题<br />5.10参考书目<br />第6章　决策树和决策规则<br />6.1决策树<br />6.2 c4.5算法：生成决策树<br />6.3未知属性值<br />6.4修剪决策树<br />6.5 c4.5算法：生成决策规则<br />6.6 cart算法和gini指标<br />6.7决策树和决策规则的局限性<br />6.8复习题<br />6.9参考书目<br />第7章　人工神经网络<br />7.1人工神经元的模型<br />7.2人工神经网络的结构<br />7.3学习过程<br />7.4使用ann完成的学习任务<br />7.4.1模式联想<br />7.4.2模式识别<br />7.5多层感知机<br />7.6竞争网络和竞争学习<br />7.7 som<br />7.8复习题<br />7.9参考书目<br />第8章　集成学习<br />8.1集成学习方法论<br />8.2多学习器组合方案<br />8.3 bagging和boosting<br />8.4 adaboost算法<br />8.5复习题<br />8.6参考书目<br />第9章　聚类分析<br />9.1聚类的概念<br />9.2相似度的度量<br />9.3凝聚层次聚类<br />9.4分区聚类<br />9.5增量聚类<br />9.6 dbscan算法<br />9.7 birch算法<br />9.8聚类验证<br />9.9复习题<br />9.10参考书目<br />第10章　关联规则<br />10.1购物篮分析<br />10.2 apriori算法<br />10.3从频繁项集中得到<br />关联规则<br />10.4提高apriori算法的效率<br />10.5 fp增长方法<br />10.6关联分类方法<br />10.7多维关联规则挖掘<br />10.8复习题<br />10.9参考书目<br />第11章　web挖掘和文本挖掘<br />11.1web挖掘<br />11.2web内容、结构与<br />使用挖掘<br />11.3hits和logsom算法<br />11.4挖掘路径遍历模式<br />11.5pagerank算法<br />11.6文本挖掘<br />11.7潜在语义分析<br />11.8复习题<br />11.9参考书目<br />第12章　数据挖掘高级技术<br />12.1图挖掘<br />12.2时态数据挖掘<br />12.2.1时态数据表示<br />12.2.2序列之间的相似性度量<br />12.2.3时态数据模型<br />12.2.4数据挖掘<br />12.3空间数据挖掘(sdm)<br />12.4分布式数据挖掘(ddm)<br />12.5关联并不意味着存在因果关系<br />12.6数据挖掘的隐私、安全及法律问题<br />12.7复习题<br />12.8参考书目<br />第13章　遗传算法<br />13.1遗传算法的基本原理<br />13.2用遗传算法进行优化<br />13.2.1编码方案和初始化<br />13.2.2适合度估计<br />13.2.3选择<br />13.2.4交叉<br />13.2.5突变<br />13.3遗传算法的简单例证<br />13.3.1表述<br />13.3.2初始群体<br />13.3.3评价<br />13.3.4交替<br />13.3.5遗传算子<br />13.3.6评价(第二次迭代)<br />13.4图式<br />13.5旅行推销员问题<br />13.6使用遗传算法的机器学习<br />13.6.1规则交换<br />13.6.2规则概化<br />13.6.3规则特化<br />13.6.4规则分割<br />13.7遗传算法用于聚类<br />13.8复习题<br />13.9参考书目<br />第14章　模糊集和模糊逻辑<br />14.1模糊集<br />14.2模糊集的运算<br />14.3扩展原理和模糊关系<br />14.4模糊逻辑和模糊推理系统<br />14.5多因子评价<br />14.6从数据中提取模糊模型<br />14.7数据挖掘和模糊集<br />14.8复习题<br />14.9参考书目<br />第15章　可视化方法<br />15.1感知和可视化<br />15.2科学可视化和信息可视化<br />15.3平行坐标<br />15.4放射性可视化<br />15.5使用自组织映射进行可视化<br />15.6数据挖掘的可视化系统<br />15.7复习题<br />15.8参考书目<br />附录a数据挖掘工具<br />附录b数据挖掘应用</p>