第1章 绪论 1
11 什么是数据挖掘 4
12 数据挖掘要解决的问题 5
13 数据挖掘的起源 7
14 数据挖掘任务 9
15 本书组织结构 13
16 文献注释 15
17 习题 21
第2章 数据 23
21 数据类型 26
211 属性与度量 27
212 数据集的类型 34
22 数据质量 42
221 测量和数据收集问题 42
222 关于应用的问题 49
23 数据预处理 50
231 聚集 51
232 抽样 52
233 维归约 56
234 特征子集选择 58
235 特征创建 61
236 离散化和二元化 63
237 变量变换 69
24 相似性和相异性的度量 71
241 基础 72
242 简单属性之间的相似度和相异度 74
243 数据对象之间的相异度 76
244 数据对象之间的相似度 78
245 邻近度度量的例子 79
246 互信息 88
* 247 核函数 90
* 248 Bregman散度 94
249 邻近度计算问题 96
2410 选择正确的邻近度度量 98
25 文献注释 100
26 习题 105
第3章 分类：基本概念和技术 113
31 基本概念 114
32 一般的分类框架 117
33 决策树分类器 119
331 构建决策树的基本算法 121
332 表示属性测试条件的方法 124
333 选择属性测试条件的方法 127
334 决策树归纳算法 136
335 示例：Web机器人检测 138
336 决策树分类器的特征 140
34 模型的过拟 147
35 模型选择 156
351 验证集应用 156
352 模型复杂度合并 157
353 统计范围估计 162
354 决策树的模型选择 162
36 模型评估 164
361 保持方法 165
362 交叉验证 165
37 超参数的使用 168
371 超参数选择 168
372 嵌套交叉验证 170
38 模型选择和评估中的陷阱 172
381 训练集和测试集之间的重叠 172
382 使用验证错误率作为泛化错误率
*39 模型比较 173
391 估计准确率的置信区间 174
392 比较两个模型的性能 175
310 文献注释 176
311 习题 185
第4章 分类：其他技术 193
41 分类器的种类 193
42 基于规则的分类器 195
421 基于规则的分类器原理 197
422 规则集的属性 198
423 规则提取的直接方法 199
424 规则提取的间接方法 204
425 基于规则的分类器的特点 206
43 最近邻分类器 208
431 算法 209
432 最近邻分类器的特点 210
44 朴素贝叶斯分类器 212
441 概率论基础 213
442 朴素贝叶斯假设 218
45 贝叶斯网络 227
451 图表示 227
452 推理与学习 233
453 贝叶斯网络的特点 242
46 logistic回归 243
461 logistic回归用作广义线性模型 244
462 学习模型参数 245
463 logistic回归模型的特点 248
47 人工神经网络 249
471 感知机 250
472 多层神经网络 254
473 人工神经网络的特点 261
48 深度学习 262
481 使用协同损失函数 263
482 使用响应激活函数 266
483 正则化 268
484 模型参数的初始化 271
485 深度学习的特点 275
49 支持向量机 276
491 分离超平面的边缘 276
492 线性SVM 278
493 软边缘SVM 284
494 非线性SVM 290
495 SVM的特点 294
410 组合方法 296
4101 组合方法的基本原理 297
4102 构建组合分类器的方法 297
4103 偏置–方差分解 300
4104 装袋 302
4105 提升 305
4106 随机森林 310
4107 组合方法的实验比较 312
411 类不平衡问题 313
4111 类不平衡的分类器构建 314
4112 带类不平衡的性能评估 318
4113 寻找最优的评分阈值 322
4114 综合评估性能 323
412 多类问题 330
413 文献注释 333
414 习题 345
第5章 关联分析：基本概念和算法 357
51 预备知识 358
52 频繁项集的产生 362
521 先验原理 363
522 Apriori算法的频繁项集产生 364
523 候选项集的产生与剪枝 368
524 支持度计数 373
525 计算复杂度 377
53 规则的产生 380
531 基于置信度的剪枝 380
532 Apriori算法中规则的产生 381
533 示例：美国国会投票记录 382
54 频繁项集的紧凑表示 384
541 极大频繁项集 384
542 闭项集 386
*55 其他产生频繁项集的方法 389
*56 FP增长算法 393
561 FP树表示法 394
562 FP增长算法的频繁项集产生 397
57 关联模式的评估 401
571 兴趣度的客观度量 402
572 多个二元变量的度量 414
573 辛普森悖论 416
58 倾斜支持度分布的影响 418
59 文献注释 424
510 习题 438
第6章 关联分析：高级概念 451
61 处理分类属性 451
62 处理连续属性 454
621 基于离散化的方法 454
622 基于统计学的方法 458
623 非离散化方法 460
63 处理概念分层 462
64 序列模式 464
641 预备知识 465
642 序列模式发现 468
* 643 时限约束 473
* 644 可选计数方案 477
65 子图模式 479
651 预备知识 480
652 频繁子图挖掘 483
653 候选生成 487
654 候选剪枝 493
655 支持度计数 493
*66 非频繁模式 493
661 负模式 494
662 负相关模式 495
663 非频繁模式、负模式和负相关模式比较 496
664 挖掘有趣的非频繁模式的技术 498
665 基于挖掘负模式的技术 499
666 基于支持度期望的技术 501
67 文献注释 505
68 习题 510
第7章 聚类分析：基本概念和算法 525
71 概述 528
711 什么是聚类分析 528
712 聚类的不同类型 529
713 簇的不同类型 531
72 K均值 534
721 K均值算法 535
722 K均值：附加的问题 544
723 二分K均值 547
724 K均值和不同的簇类型 548
725 优点与缺点 549
726 K均值作为优化问题 549
73 凝聚层次聚类 554
731 基本凝聚层次聚类算法 555
732 特殊技术 557
733 簇邻近度的Lance-Williams公式 562
734 层次聚类的主要问题 563
735 离群点 564
736 优点与缺点 565
74 DBSCAN 565
741 传统的密度：基于中心的方法 565
742 DBSCAN算法 567
743 优点与缺点 569
75 簇评估 571
751 概述 571
752 无监督簇评估：使用凝聚度和分离度 574
753 无监督簇评估：使用邻近度矩阵 582
754 层次聚类的无监督评估 585
755 确定正确的簇个数 587
756 聚类趋势 588
757 簇有效性的监督度量 589
758 评估簇有效性度量的显著性 594
759 簇有效性度量的选择 596
76 文献注释 597
77 习题 603
第8章 聚类分析：其他问题与算法 613
81 数据、簇和聚类算法的特性 614
811 示例：比较K均值和DBSCAN 614
812 数据特性 615
813 簇特性 617
814 聚类算法的一般特性 619
82 基于原型的聚类 621
821 模糊聚类 621
822 使用混合模型的聚类 627
823 自组织映射 637
83 基于密度的聚类 644
831 基于网格的聚类 644
832 子空间聚类 648
833 DENCLUE：基于密度聚类的一种基于核的方案 652
84 基于图的聚类 656
841 稀疏化 657
842 最小生成树聚类 658
843 OPOSSUM：使用METIS的稀疏相似度最优划分 659
844 Chameleon：使用动态建模的层次聚类 660
845 谱聚类 666
846 共享最近邻相似度 673
847 Jarvis-Patrick聚类算法 676
848 SNN密度 678
849 基于SNN密度的聚类 679
85 可伸缩的聚类算法 681
851 可伸缩：一般问题和方法 681
852 BIRCH 684
853 CURE 686
86 使用哪种聚类算法 690
87 文献注释 693
88 习题 699
第9章 异常检测 703
91 异常检测问题的特性 705
911 异常的定义 705
912 数据的性质 706
913 如何使用异常检测 707
92 异常检测方法的特性 708
93 统计方法 710
931 使用参数模型 710
932 使用非参数模型 714
933 对正常类和异常类建模 715
934 评估统计意义 717
935 优点与缺点 718
94 基于邻近度的方法 719
941 基于距离的异常分数 719
942 基于密度的异常分数 720
943 基于相对密度的异常分数 722
944 优点与缺点 723
95 基于聚类的方法 724
951 发现异常簇 724
952 发现异常实例 725
953 优点与缺点 728
96 基于重构的方法 728
97 单类分类 732
971 核函数的使用 733
972 原点技巧 734
973 优点与缺点 738
98 信息论方法 738
99 异常检测评估 740
910 文献注释 742
911 习题 749
第10章 避免错误发现 755
101 预备知识：统计检验 756
1011 显著性检验 756
1012 假设检验 761
1013 多重假设检验 767
1014 统计检验中的陷阱 776
102 对零分布和替代分布建模 778
1021 生成合成数据集 781
1022 随机化类标 782
1023 实例重采样 782
1024 对检验统计量的分布建模 783
103 分类问题的统计检验 783
1031 评估分类性能 783
1032 以多重假设检 验处理二分类问题 785
1033 模型选择中的多重假设检验 786
104 关联分析的统计检验 787
1041 使用统计模型 788
1042 使用随机化方法 794
105 聚类分析的统计检验 795
1051 为内部指标生成零分布 796
1052 为外部指标生成零分布 798
1053 富集 798
106 异常检测的统计检验 800
107 文献注释 803
108 习题 808
Contents
1 Introduction 1
11 What Is Data Mining? 4
12 Motivating Challenges 5
13 The Origins of Data Mining 7
14 Data Mining Tasks 9
15 Scope and Organization of the Book 13
16 Bibliographic Notes 15
17 Exercises 21
2 Data 23
21 Types of Data 26
211 Attributes and Measurement 27
212 Types of Data Sets 34
22 Data Quality 42
221 Measurement and Data Collection Issues 42
222 Issues Related to Applications 49
23 Data Preprocessing 50
231 Aggregation 51
232 Sampling 52
233 Dimensionality Reduction 56
鄂公网安备 42010302001612号 