●出版者的話譯者序前言第1章  緒論1  1.1  什麼是數據挖掘2  1.2  數據挖掘要解決的問題3  1.3  數據挖掘的起源4  1.4  數據挖掘任務5  1.5  本書組織結構7  文獻注釋8  參考文獻10  習題12第2章  數據14  2.1  數據類型15    2.1.1  屬性與度量16    2.1.2  數據集的類型19  2.2  數據質量24    2.2.1  測量和數據收集問題24    2.2.2  關於應用的問題27  2.3  數據預處理28    2.3.1  聚集28    2.3.2  抽樣30    2.3.3  維歸約31    2.3.4  特征子集選擇32    2.3.5  特征創建34    2.3.6  離散化35    2.3.7  變量變換38  2.4  相似性和相異性的度量40    2.4.1  基礎40    2.4.2  簡單屬性之間的相似度和相異度41    2.4.3  數據對像之間的相異度42    2.4.4  數據對像之間的相似度44    2.4.5  鄰近度度量的例子44    2.4.6  互信息50    *  2.4.7  核函數51    *  2.4.8  Bregman散度53    2.4.9  鄰近度計算問題54    2.4.10  選擇正確的鄰近度度量56  文獻注釋56  參考文獻58  習題60第3章  分類：基本概念和技術65  3.1  基本概念65  3.2  一般的分類框架67  3.3  決策樹分類器69    3.3.1  構建決策樹的基本算法70    3.3.2  表示屬性測試條件的方法71    3.3.3  選擇屬性測試條件的方法73    3.3.4  決策樹歸納算法79    3.3.5  示例：Web機器人檢測79    3.3.6  決策樹分類器的特征81  3.4  模型的過擬合85  3.5  模型選擇90    3.5.1  驗證集應用90    3.5.2  模型復雜度合並91    3.5.3  統計範圍估計93    3.5.4  決策樹的模型選擇94  3.6  模型評估95    3.6.1  保持方法95    3.6.2  交叉驗證96  3.7  超參數的使用97    3.7.1  超參數選擇98    3.7.2  嵌套交叉驗證98  3.8  模型選擇和評估中的陷阱99    3.8.1  訓練集和測試集之間的重疊99    3.8.2  使用驗證錯誤率作為泛化錯誤率100  *  3.9  模型比較100    3.9.1  估計準確率的置信區間100    3.9.2  比較兩個模型的性能101  文獻注釋102  參考文獻105  習題108第4章  分類：其他技術114  4.1  分類器的種類114  4.2  基於規則的分類器115    4.2.1  基於規則的分類器原理116    4.2.2  規則集的屬性116    4.2.3  規則提取的直接方法117    4.2.4  規則提取的間接方法120    4.2.5  基於規則的分類器的特點121  4.3  最近鄰分類器122    4.3.1  算法123    4.3.2  最近鄰分類器的特點124  4.4  樸素貝葉斯分類器124    4.4.1  概率論基礎125    4.4.2  樸素貝葉斯假設127  4.5  貝葉斯網絡132    4.5.1  圖表示132    4.5.2  推理與學習135    4.5.3  貝葉斯網絡的特點139  4.6  logistic回歸140    4.6.1  logistic回歸用作廣義線性模型141    4.6.2  學習模型參數141    4.6.3  logistic回歸模型的特點142  4.7  人工神經網絡143    4.7.1  感知機144    4.7.2  多層神經網絡146    4.7.3  人工神經網絡的特點150  4.8  深度學習151    4.8.1  使用協同損失函數151    4.8.2  使用響應激活函數153    4.8.3  正則化154    4.8.4  模型參數的初始化155    4.8.5  深度學習的特點157  4.9  支持向量機158    4.9.1  分離超平面的邊緣158    4.9.2  線性SVM159    4.9.3  軟邊緣SVM162    4.9.4  非線性SVM165    4.9.5  SVM的特點167  4.10  組合方法168    4.10.1  組合方法的基本原理168    4.10.2  構建組合分類器的方法169    4.10.3  偏置方差分解170    4.10.4  裝袋171    4.10.5  提升173    4.10.6  隨機森林176    4.10.7  組合方法的實驗比較177  4.11  類不平衡問題178    4.11.1  類不平衡的分類器構建179    4.11.2  帶類不平衡的性能評估180    4.11.3  尋找很優的評分閾值183    4.11.4  綜合評估性能183  4.12  多類問題188  文獻注釋189  參考文獻193  習題198第5章  關聯分析：基本概念和算法205  5.1  預備知識205  5.2  頻繁項集的產生207    5.2.1  先驗原理209    5.2.2  Apriori算法的頻繁項集產生210    5.2.3  候選項集的產生與剪枝212    5.2.4  支持度計數215    5.2.5  計算復雜度217  5.3  規則的產生219    5.3.1  基於置信度的剪枝219    5.3.2  Apriori算法中規則的產生219    5.3.3  示例：美國國會投票記錄221  5.4  頻繁項集的緊湊表示221    5.4.1  極大頻繁項集221    5.4.2  閉項集223  *  5.5  其他產生頻繁項集的方法225  *  5.6  FP增長算法228    5.6.1  FP樹表示法228    5.6.2  FP增長算法的頻繁項集產生229  5.7  關聯模式的評估231    5.7.1  興趣度的客觀度量232    5.7.2  變量的度量239    5.7.3  辛普森悖論240  5.8  傾斜支持度分布的影響241  文獻注釋244  參考文獻248  習題256第6章  關聯分析：高級概念263  6.1  處理

本書所涵蓋的主題包括：數據預處理、預測建模、關聯分析、聚類分析、異常檢測和避免錯誤發現。通過介紹每個主題的基本概念和算法，為讀者提供將數據挖掘應用於實際問題所需的必要背景。

[美]陳封能（Pang-Ning Tan）等 著 段磊 張天慶 等 譯

自12年前的第1版以來，數據分析領域發生了很大的變化。采集數據和用數據做決策的速率不斷提高，采集到的數據數量和種類也在不斷增加。事實上，“大數據”這個術語已被用於指代那些可獲得的海量、多樣的數據集。此外，“數據科學”這個術語也被用於描述一個新興領域，其中，數據挖掘、機器學習、統計學等諸多領域的工具和技術，被用於從數據（通常是大數據）中提取出可實際應用的見解。數據的增長為數據分析的各領域創造了大量的機會。其中，有著廣泛應用的預測建模領域的發展最引人注目。例如，在神經網絡（也稱為深度學習）方面取得的近期新進展，已經在許多具有挑戰性的領域（如圖像分類、語音識別以及文本分類和理解）表現出令人矚目的成果。即使那些發展不是特別顯著的領域（例如聚類、關聯分析和異常檢測等）也在不斷前進。這個新版本就是對這些發展的響應。概述  與第1版相同，本書第2版全面介紹了數據挖掘，方便學生、教師、等