数据挖掘导论(完整版)

《数据挖掘导论(完整版)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、内容简介本书全面介绍了数据挖掘的理论和方法，旨在为读者提供将数据挖掘应用于实际问题所必需的知识。本书涵盖五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都包含两章：前面一章讲述基本概念、代表性算法和评估技术，后面一章较深入地讨论高级概念和算法。目的是使读者在透彻地理解数据挖掘基础的同时，还能了解更多重要的高级主题。此外，书中还提供了大量示例、图表和习题。　　本书适合作为相关专业高年级本科生和研究生数据挖掘课程的教材，同时也可作为数据挖掘研究和应用开发人员的参考书。作者简介陈封能(Pang-NingTan)现为密歇根州立大学计算机与工程

2、系助理教授，主要教授数据挖掘、数据库系统等课程。此前，他曾是明尼苏达大学美国陆军高性能计算研究中心副研究员（2002-2003）。　　斯坦巴赫（MichaelSteinbach）明尼苏达大学计算机与工程系研究员，在读博士。　　库玛尔(VipinKumar)明尼苏达大学计算机科学与工程系主任，曾任美国陆军高性能计算研究中心主任。他拥有马里兰大学博士学位，是数据挖掘和高性能计算方面的国际权威，IEEE会士。　　范明,郑州大学信息工程学院教授，中国计算机学会数据库专业委员会委员、人工智能与模式识别专业委员会委员，长期从事计算机软件与理论教学和研究。先后发表论史4

3、0余篇。　　范宏建澳大利亚墨尔本大学计算机科学博士。先后在WWW、PAKDD、RSFDGrC、IEEEGrC和AustralianAI等国际学术会议和IEEETransactionsonKnowledgeandDataEngineering发表论文10余篇。目前是澳大利亚AUSTRAC的高级分析师。目录第1章绪论1.1什么是数据挖掘1.2数据挖掘要解决的问题1.3数据挖掘的起源1.4数据挖掘任务1.5本书的内容与组织　文献注释　参考文献　习题第2章数据2.1数据类型2.1.1属性与度量2.1.2数据集的类型2.2数据质量2.2.1测量和数据收集问题2.2.

4、2关于应用的问题2.3数据预处理2.3.1聚集2.3.2抽样2.3.3维归约2.3.4特征子集选择2.3.5特征创建2.3.6离散化和二元化2.3.7变量变换2.4相似性和相异性的度量2.4.1基础2.4.2简单属性之间的相似度和相异度2.4.3数据对象之间的相异度2.4.4数据对象之间的相似度2.4.5邻近性度量的例子2.4.6邻近度计算问题2.4.7选取正确的邻近性度量　文献注释　参考文献　习题第3章探索数据第4章分类：基本概念、决策树与模型评估第5章分类：其他技术第6章关联分析：基本概念和算法第7章关联分析：高级概念第8章聚类分析：基本概念和算法第9

5、章聚类分析：其他问题与算法第10章异常检测文献注释参考文献习题附录a线性代数附录b维归约附录c概率统计附录d回归附录e优化点击此处查看更多内容