正版 数据挖掘原理 [英]麦克斯·布拉默(Max Bramer) 著 王净 译

目 ? ?录
?
第 1 章 ?数据挖掘简介 ? 1
1.1 ?数据爆炸 ? 1
1.2 ?知识发现 ? 2
1.3 ?数据挖掘的应用 ? 3
1.4 ?标签和无标签数据 ? 4
1.5 ?监督学习：分类 ? 4
1.6 ?监督学习：数值预测 ? 5
1.7 ?无监督学习：关联规则 ? 6
1.8 ?无监督学习：聚类 ? 7
第 2 章 ?用于挖掘的数据 ? 9
2.1 ?标准制定 ? 9
2.2 ?变量的类型 ? 10
2.3 ?数据准备 ? 11
2.4 ?缺失值 ? 13
2.4.1 ?丢弃实例 ? 13
2.4.2 ?用繁值/平均值替换 ? 13
2.5 ?减少属性个数 ? 14
2.6 ?数据集的UCI存储库 ? 15
2.7 ?本章小结 ? 15
2.8 ?自我评估练习 ? 15
第 3 章 ?分类简介：朴素贝叶斯和邻算法 ? 17
3.1 ?什么是分类 ? 17
3.2 ?朴素贝叶斯分类器 ? 18
3.3 ?邻分类 ? 24
3.3.1 ?距离测量 ? 26
3.3.2 ?标准化 ? 28
3.3.3 ?处理分类属性 ? 29
3.4 ?急切式和懒惰式学习 ? 30
3.5 ?本章小结 ? 30
3.6 ?自我评估练习 ? 30
第 4 章 ?使用决策树进行分类 ? 31
4.1 ?决策规则和决策树 ? 31
4.1.1 ?决策树：高尔夫示例 ? 31
4.1.2 ?术语 ? 33
4.1.3 ?degrees数据集 ? 33
4.2 ?TDIDT算法 ? 36
4.3 ?推理类型 ? 38
4.4 ?本章小结 ? 38
4.5 ?自我评估练习 ? 39
第 5 章 ?决策树归纳：使用熵进行属性选择 ? 41
5.1 ?属性选择：一个实验 ? 41
5.2 ?替代决策树 ? 42
5.2.1 ?足球/无板篮球示例 ? 42
5.2.2 ?匿名数据集 ? 44
5.3 ?选择要分裂的属性：使用熵 ? 46
5.3.1 ?lens24数据集 ? 46
5.3.2 ?熵 ? 47
5.3.3 ?使用熵进行属性选择 ? 48
5.3.4 ?信息增益化 ? 50
5.4 ?本章小结 ? 51
5.5 ?自我评估练习 ? 51
第 6 章 ?决策树归纳：使用频率表进行属性选择 ? 53
6.1 ?实践中的熵计算 ? 53
6.1.1 ?等效性证明 ? 55
6.1.2 ?关于零值的说明 ? 56
6.2 ?其他属性选择标准：多样性基尼指数 ? 56
6.3 ?χ2属性选择准则 ? 57
6.4 ?归纳偏好 ? 60
6.5 ?使用增益比进行属性选择 ? 61
6.5.1 ?分裂信息的属性 ? 62
6.5.2 ?总结 ? 63
6.6 ?不同属性选择标准生成的规则数 ? 63
6.7 ?缺失分支 ? 64
6.8 ?本章小结 ? 65
6.9 ?自我评估练习 ? 65
第 7 章 ?估计分类器的预测精度 ? 67
7.1 ?简介 ? 67
7.2 ?方法1：将数据划分为训练集和测试集 ? 68
7.2.1 ?标准误差 ? 68
7.2.2 ?重复训练和测试 ? 69
7.3 ?方法2：k-折交叉验证 ? 70
7.4 ?方法3：N -折交叉验证 ? 70
7.5 ?实验结果I ? 71
7.6 ?实验结果II：包含缺失值的数据集 ? 73
7.6.1 ?策略1：丢弃实例 ? 73
7.6.2 ?策略2：用繁值/平均值替换 ? 74
7.6.3 ?类别缺失 ? 75
7.7 ?混淆矩阵 ? 75
7.8 ?本章小结 ? 77
7.9 ?自我评估练习 ? 77
第 8 章 ?连续属性 ? 79
8.1 ?简介 ? 79
8.2 ?局部与全局离散化 ? 81
8.3 ?向TDIDT添加局部离散化 ? 81
8.3.1 ?计算一组伪属性的信息增益 ? 82
8.3.2 ?计算效率 ? 86
8.4 ?使用ChiMerge算法进行全局离散化 ? 88
8.4.1 ?计算期望值和χ2 ? 90
8.4.2 ?查找阈值 ? 94
8.4.3 ?设置minIntervals和maxIntervals ? 95
8.4.4 ?ChiMerge算法：总结 ? 96
8.4.5 ?对ChiMerge算法的评述 ? 96
8.5 ?比较树归纳法的全局离散化和局部离散化 ? 97
8.6 ?本章小结 ? 98
8.7 ?自我评估练习 ? 98
第 9 章 ?避免决策树的过度拟合 ? 99
9.1 ?处理训练集中的冲突 ? 99
9.2 ?关于过度拟合数据的更多规则 ? 103
9.3 ?预剪枝决策树 ? 104
9.4 ?后剪枝决策树 ? 106
9.5 ?本章小结 ? 111
9.6 ?自我评估练习 ? 111
第 10 章 ?关于熵的更多信息 ? 113
10.1 ?简介 ? 113
10.2 ?使用位的编码信息 ? 116
10.3 ?区分值 ? 117
10.4 ?对“非等可能”的值进行编码 ? 118
10.5 ?训练集的熵 ? 121
10.6 ?信息增益必须为正数或零 ? 122
10.7 ?使用信息增益来简化分类任务的特征 ? 123
10.7.1 ?示例1：genetics数据集 ? 124
10.7.2 ?示例2：bcst96数据集 ? 126
10.8 ?本章小结 ? 128
10.9 ?自我评估练习 ? 128
第 11 章 ?归纳分类的模块化规则 ? 129
11.1 ?规则后剪枝 ? 129
11.2 ?冲突解决 ? 130
11.3 ?决策树的问题 ? 133
11.4 ?Prism算法 ? 135
11.4.1 ?基本Prism算法的变化 ? 141
11.4.2 ?将Prism算法与TDIDT算法进行比较 ? 142
11.5 ?本章小结 ? 143
11.6 ?自我评估练习 ? 143
第 12 章 ?度量分类器的性能 ? 145
12.1 ?真假正例和真假负例 ? 146
12.2 ?性能度量 ? 147
12.3 ?真假正例率与预测精度 ? 150
12.4 ?ROC图 ? 151
12.5 ?ROC曲线 ? 153
12.6 ?寻找分类器 ? 153
12.7 ?本章小结 ? 155
12.8 ?自我评估练习 ? 155
第 13 章 ?处理大量数据 ? 157
13.1 ?简介 ? 157
13.2 ?将数据分发到多个处理器 ? 159
13.3 ?案例研究：PMCRI ? 161
13.4 ?评估分布式系统PMCRI的有效性 ? 163
13.5 ?逐步修改分类器 ? 167
13.6 ?本章小结 ? 171
13.7 ?自我评估练习 ? 171
第 14 章 ?集成分类 ? 173
14.1 ?简介 ? 173
14.2 ?估计分类器的性能 ? 175
14.3 ?为每个分类器选择不同的训练集 ? 176
14.4 ?为每个分类器选择一组不同的属性 ? 177
14.5 ?组合分类：替代投票系统 ? 177
14.6 ?并行集成分类器 ? 180
14.7 ?本章小结 ? 181
14.8 ?自我评估练习 ? 181
第 15 章 ?比较分类器 ? 183
15.1 ?简介 ? 183
15.2 ?配对t检验 ? 184
15.3 ?为比较评估选择数据集 ? 189
15.4 ?抽样 ? 191
15.5 ?“无显著差异”的结果有多糟糕? ? 193
15.6 ?本章小结 ? 194
15.7 ?自我评估练习 ? 194
第 16 章 ?关联规则挖掘I ? 195
16.1 ?简介 ? 195
16.2 ?规则兴趣度的衡量标准 ? 196
16.2.1 ?Piatetsky-Shapiro标准和RI度量 ? 198
16.2.2 ?规则兴趣度度量应用于chess数据集 ? 200
16.2.3 ?使用规则兴趣度度量来解决冲突 ? 201
16.3 ?关联规则挖掘任务 ? 202
16.4 ?找到N条规则 ? 202
16.4.1 ?J-Measure：度量规则的信息内容 ? 203
16.4.2 ?搜索策略 ? 204
16.5 ?本章小结 ? 207
16.6 ?自我评估练习 ? 207
第 17 章 ?关联规则挖掘II ? 209
17.1 ?简介 ? 209
17.2 ?事务和项目集 ? 209
17.3 ?对项目集的支持 ? 211
17.4 ?关联规则 ? 211
17.5 ?生成关联规则 ? 213
17.6 ?Apriori ? 214
17.7 ?生成支持项目集：一个示例 ? 217
17.8 ?为支持项目集生成规则 ? 219
17.9 ?规则兴趣度度量：提升度和杠杆率 ? 220
17.10 ?本章小结 ? 222
17.11 ?自我评估练习 ? 222
第 18 章 ?关联规则挖掘III：频繁模式树 ? 225
18.1 ?简介：FP-growth ? 225
18.2 ?构造FP-tree ? 227
18.2.1 ?预处理事务数据库 ? 227
18.2.2 ?初始化 ? 229
18.2.3 ?处理事务1：f, c, a, m, p ? 230
18.2.4 ?处理事务2：f, c, a, b, m ? 231
18.2.5 ?处理事务3：f, b ? 235
18.2.6 ?处理事务4：c, b, p ? 236
18.2.7 ?处理事务5：f, c, a, m, p ? 236
18.3 ?从FP-tree中查找频繁项目集 ? 238
18.3.1 ?以项目p结尾的项目集 ? 240
18.3.2 ?以项目m结尾的项目集 ? 248
18.4 ?本章小结 ? 254
18.5 ?自我评估练习 ? 254
第 19 章 ?聚类 ? 255
19.1 ?简介 ? 255
19.2 ?k-means聚类 ? 257
19.2.1 ?示例 ? 258
19.2.2 ?找到簇集 ? 262
19.3 ?凝聚式层次聚类 ? 263
19.3.1 ?记录簇间距离 ? 265
19.3.2 ?终止聚类过程 ? 268
19.4 ?本章小结 ? 268
19.5 ?自我评估练习 ? 268
第 20 章 ?文本挖掘 ? 269
20.1 ?多重分类 ? 269
20.2 ?表示数据挖掘的文本文档 ? 270
20.3 ?停用词和词干 ? 271
20.4 ?使用信息增益来减少特征 ? 272
20.5 ?表示文本文档：构建向量空间模型 ? 272
20.6 ?规范权重 ? 273
20.7 ?测量两个向量之间的距离 ? 274
20.8 ?度量文本分类器的性能 ? 275
20.9 ?超文本分类 ? 275
20.9.1 ?对网页进行分类 ? 276
20.9.2 ?超文本分类与文本分类 ? 277
20.10 ?本章小结 ? 279
20.11 ?自我评估练习 ? 280
第 21 章 ?分类流数据 ? 281
21.1 ?简介 ? 281
21.2 ?构建H-Tree：更新数组 ? 283
21.2.1 ?currentAtts数组 ? 284
21.2.2 ?splitAtt数组 ? 284
21.2.3 ?将记录排序到适当的叶节点 ? 284
21.2.4 ?hitcount数组 ? 285
21.2.5 ?classtotals数组 ? 285
21.2.6 ?acvCounts阵列 ? 285
21.2.7 ?branch数组 ? 286
21.3 ?构建H-Tree：详细示例 ? 287
21.3.1 ?步骤1：初始化根节点0 ? 287
21.3.2 ?步骤2：开始读取记录 ? 287
21.3.3 ?步骤3：考虑在节点0处分裂 ? 288
21.3.4 ?步骤4：在根节点上拆分并初始化新的叶节点 ? 289
21.3.5 ?步骤5：处理下一组记录 ? 290
21.3.6 ?步骤6：考虑在节点2处分裂 ? 292
21.3.7 ?步骤7：处理下一组记录 ? 292
21.3.8 ?H-Tree算法概述 ? 293
21.4 ?分裂属性：使用信息增益 ? 295
21.5 ?分裂属性：使用Hoeffding边界 ? 297
21.6 ?H-Tree算法：版本 ? 300
21.7 ?使用不断进化的H-Tree进行预测 ? 302
21.8 ?实验：H-Tree与TDIDT ? 304
21.8.1 ?lens24数据集 ? 304
21.8.2 ?vote数据集 ? 306
21.9 ?本章小结 ? 307
21.10 ?自我评估练习 ? 307
第 22 章 ?分类流数据II：时间相关数据 ? 309
22.1 ?平稳数据与时间相关数据 ? 309
22.2 ?H-Tree算法总结 ? 311
22.2.1 ?currentAtts数组 ? 312
22.2.2 ?splitAtt数组 ? 312
22.2.3 ?hitcount数组 ? 312
22.2.4 ?classtotals数组 ? 312
22.2.5 ?acvCounts数组 ? 313
22.2.6 ?branch数组 ? 313
22.2.7 ?H-Tree算法的伪代码 ? 313
22.3 ?从H-Tree到CDH-Tree：概述 ? 315
22.4 ?从H-Tree转换到CDH-Tree：递增计数 ? 315
22.5 ?滑动窗口法 ? 316
22.6 ?在节点处重新分裂 ? 320
22.7 ?识别可疑节点 ? 320
22.8 ?创建备用节点 ? 322
22.9 ?成长/遗忘备用节点及其后代 ? 325
22.10 ?用备用节点替换一个内部节点 ? 327
22.11 ?实验：跟踪概念漂移 ? 333
22.11.1 ?lens24数据：替代模式 ? 335
22.11.2 ?引入概念漂移 ? 335
22.11.3 ?使用交替lens24数据的实验 ? 336
22.11.4 ?关于实验的评论 ? 343
22.12 ?本章小结 ? 343
22.13 ?自我评估练习 ? 343
附录 A ?基本数学知识 ? 345
附录 B ?数据集 ? 357
附录 C ?更多信息来源 ? 371
附录 D ?词汇表和符号 ? 373
附录 E ?自我评估练习题答案 ? 391
参考文献 ? 419
?
?

      《数据挖掘原理(第3版)》深入探讨重要的数据挖掘技术。所谓数据挖掘，即从数据中自动提取隐含和潜在有用的信息；该技术正越来越多地用于商业、科学和其他应用领域。本书浓墨重彩地描述分类、关联规则挖掘和聚类。 　　

        普通读者可通过本书自学数据挖掘“黑匣子”内部的基本原理，并了解如何合理地选择商业数据挖掘包。学者和科研人员可通过本书了解*前沿技术并进一步推动该领域的发展。 　　

        《数据挖掘原理(第3版)》在第2版的基础上进行扩展，透彻讲解适用于平稳数据的H-Tree算法，以及适用于时间相关数据(概念漂移)的CDH-Tree算法。

图书：
        　本书在详明实例的引导下，清晰阐述每个主题，将重点放在算法上；本书详细解释所涉及的数学基础知识，这样，即便你没有很强的数学或统计学背景，同样可理解本书的内容。
        　每章末尾提供练习题，供读者检验自己的知识掌握水平。附录中列出完整的术语表。
        　本书面向计算机科学、商业研究、市场营销、人工智能、生物信息学和法医学专业的学生，可用作本科和研究生教材。