本書結合案例，深入淺出地講解了復雜的數據分析技術，選用教育領域的數據進行預處理、降維、預測、聚類、關聯分析、時間序列分析和社會網絡分析，並結合微視頻講解案例操作，形成立體化教材。本書在內容設計上具有實踐性，在表現形式上具有富媒體性，便於讀者理解和掌握

●第1章 教育數據挖掘概述
1.1 數據挖掘及其要解決的問題
1.2 教育數據的來源和特點
1.3 教育數據分類
1.4 教育數據挖掘的目標和價值
1.5 教育數據挖掘技術概述
本章小節
第2章 教育數據采集和預處理
2.1 教育數據采集
2.2 初始數據存在的雜亂性
2.3 數據清洗
2.4 數據集成
2.5 數據變換
2.6 數據規約
2.7 教育數據預處理應用案例
本章小節
第3章 教育數據降維
3.1 數據降維概述
3.2 兩種數據降維方法
3.3 特征選擇數據降維方法
3.4 特征提取數據降維方法
3.5 特征選擇數據降維方法在教育數據中的應用案例
3.6 特征提取數據降維方法在教育數據中的應用案例1
3.7 特征提取數據降維方法在教育數據中的應用案例2
本章小節
第4章 決策樹、人工神經網絡和支持向量機
4.1 分類預測概述
4.2 決策樹
4.3 C5.0算法及其應用
4.4 決策樹應用案例
4.5 人工神經網絡
4.6 神經網絡應用案例
4.7 支持向量機
4.8 支持向量機應用案例
本章小節
第5章 樸素貝葉斯分類器、貝葉斯網絡和二項Logistic回歸
5.1 貝葉斯概率和貝葉斯定理
5.2 樸素貝葉斯分類器
5.3 樸素貝葉斯分類應用案例
5.4 貝葉斯網絡
5.5 貝葉斯網絡應用案例
5.6 二項Logistic回歸分析
5.7 二項Logistic回歸分析應用案例
本章小節
第6章 關聯分析
6.1 關聯分析概述
6.2 Apriori算法
6.3 經典應用案例——購物籃關聯分析
6.4 教育應用案例——學習行為關聯分析
本章小節
第7章 聚類分析
7.1 聚類分析概述
7.2 K-Means聚類及應用
7.3 層次聚類及其應用
7.4 兩步聚類及其應用
7.5 Kohonen網絡聚類
本章小節
第8章 滯後序列分析
8.1 行為序列分析和滯後序列分析概述
8.2 滯後序列分析工具
8.3 基於滯後序列分析法的學習行為分析流程
8.4 基於滯後序列分析法的學習行為分析應用
8.5 基於滯後序列分析法的學習行為分析應用案例
本章小節
第9章 社會網絡分析
9.1 社會網絡分析概述
9.2 社會網絡分析過程和方法
9.3 UCINET
9.4 Gephi
本章小節

本教材首先深入剖析教育數據的特征，提出教育數據挖掘技術的目標和應用前景，梳理教育領域常用的數據挖掘技術，揭示教育數據挖掘的本質。隨後，從教育數據采集與預處理、教育數據降維、分類與預測、關聯分析、聚類分析、滯後序列分析、社會網絡分析等方面介紹教育數據挖掘的原理和實踐。 本教材不僅闡釋了決策樹、人工神經網絡、支持向量機、樸素貝葉斯分類器、二項Logistic回歸、Apriori關聯分析、K-Means聚類、層次聚類、滯後序列分析、社會網絡分析等數據挖掘方法與技術的基本原理，也利用SPSS Modeler、GSEQ、UCINET、Gephi等軟件，結合案例和實踐操作對這些方法與技術的應用進行了全面的介紹。

丁繼紅 著