数据挖掘基础教程2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据挖掘基础教程PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

出版者的话1

译者序1

前言1

第1章 数据挖掘1

1.1 引言1

1.1.1 数据挖掘与知识发现1

1.1.2 数据挖掘与数据分析2

1.1.3 数据挖掘与统计学2

1.1.4 数据挖掘与机器学习3

1.2 数据挖掘—成功的例子3

1.3 数据挖掘研究发展的主要原因9

1.4 当前研究成果9

1.5 图形模型和层次概率表示10

1.6 新的应用10

1.7 影响数据挖掘的趋势11

1.8 研究挑战12

1.9 实验平台和基础设施13

参考文献13

第2章 从商务角度看数据挖掘15

2.1 引言15

2.2 从数据挖掘工具到解决方案16

2.3 数据挖掘系统的演变17

2.4 知识发现过程18

2.5 数据挖掘支撑技术概述18

2.5.1 数据挖掘：验证与发现19

2.5.2 决策支持系统19

2.5.3 OLAP20

2.5.4 桌面DSS21

2.5.5 数据仓库21

2.5.6 数据挖掘过程22

2.6 数据挖掘技术24

参考文献25

第3章 数据挖掘算法的数据类型、输入和输出26

3.1 引言26

3.2 实例和特征26

3.3 特征（数据）的不同类型27

3.4 概念学习与概念描述28

3.5 数据挖掘的输出—知识表示30

3.5.1 分类学习算法的知识输出30

3.5.2 聚类学习算法的输出33

3.5.3 关联规则的输出36

3.5.4 用于数值预测的树的输出36

3.5.5 基于实例的学习和知识表示38

参考文献39

第4章 决策树—分类和回归树40

4.1 引言40

4.2 构造分类树42

4.2.1 用于标称属性的ID3算法42

4.2.2 信息论和信息熵43

4.2.3 构造树44

4.2.4 高分支属性48

4.2.5 从ID3到C4.549

4.2.6 形象化地理解ID3和C4.5算法49

4.3 CHAID51

4.3.1 CHAID的数学工具52

4.3.2 CHAID变量的类型52

4.3.3 CHAID算法52

4.3.4 CHAID算法描述53

4.3.5 将CHAID用于气象数据54

4.3.6 单调变量的预测子级别合并56

4.4 CART（分类和回归树）57

4.4.1 CART使用的不纯性度量57

4.4.2 Gini指数57

4.4.3 使用Gini指数—一个例子.58

4.4.4 双化指数59

4.4.5 有序双化60

4.4.6 CART分析的步骤60

4.5 回归树60

4.5.1 回归树的一个例子60

4.5.2 基于树的回归61

4.5.3 最小二乘方回归树63

4.5.4 LS回归树的有效生长65

4.5.5 连续变量上的划分66

4.5.6 离散变量上的划分67

4.5.7 模型树68

4.6 具有未知类值数据的类预测的一般问题69

4.7 剪枝导论71

4.8 模型评估77

4.8.1 交叉确认：保持方法78

4.8.2 模型比较79

4.8.3 代价敏感的学习80

习题80

参考文献84

第5章 数据挖掘的预处理和后处理85

5.1 引言85

5.2 数据预处理的步骤85

5.3 离散化86

5.3.1 人工方法87

5.3.2 分箱87

5.3.3 基于熵的离散化88

5.3.4 找出分割点的其他简单方法89

5.4 特征提取、选择和构造91

5.4.1 特征提取92

5.4.2 特征选择94

5.4.3 特征构造94

5.5 缺失数据及其处理方法和技术94

5.5.1 什么是缺失数据95

5.5.2 缺失数据的主要原因95

5.5.3 缺失数据的机制95

5.5.4 缺失数据的机制—一个人工例子95

5.6 在决策树归纳中处理缺失数据的例子97

5.7 后处理99

参考文献100

第6章 数据集102

6.1 引言102

6.2 隐形眼镜102

6.3 莺尾属植物数据库104

6.4 乳腺癌数据库106

6.5 工资数据库109

6.6 信用卡数据库110

6.7 住宅数据库111

6.8 1985年汽车进口数据库114

6.9 徽章问题117

6.9.1 问题描述117

6.9.2 部分数据118

第7章 关联规则挖掘120

7.1 引言120

7.2 事务数据库中关联规则的自动发现120

7.3 Apriori算法123

7.4 缺点127

习题127

参考文献129

第8章 用开源和商业软件进行机器学习130

8.1 用Weka进行机器学习130

8.1.1 开始130

8.1.2 装入数据132

8.1.3 选择或过滤属性134

8.1.4 离散化135

8.1.5 关联规则挖掘140

8.1.6 分类142

8.1.7 聚类146

8.2 XLMINER150

参考文献150

第9章 分类和回归算法151

9.1 引言151

9.2 朴素贝叶斯151

9.2.1 朴素贝叶斯的零频率问题153

9.2.2 缺失值和数值属性153

9.3 多元回归分析155

9.3.1 什么是回归分析155

9.3.2 简单和多元回归分析155

9.3.3 在市场营销中的应用155

9.3.4 方法155

9.3.5 使用Excel进行多元回归分析156

9.3.6 输入数据156

9.3.7 回归输出158

9.4 逻辑斯谛回归160

9.5 k-最近邻分类163

9.5.1 k-近邻预测165

9.5.2 k-NN算法的缺点165

9.6 GMDH166

9.6.1 引言166

9.6.2 数据处理群组方法的背景166

9.6.3 构建决策规则168

9.6.4 实验结果171

9.6.5 讨论和总结171

9.7 进化计算和遗传算法171

9.7.1 进化理论172

9.7.2 遗传算法175

9.7.3 使用遗传算法进行机器学习177

习题178

参考文献180

第10章 支持向量机182

10.1 引言182

10.2 线性支持向量机的基本思想185

10.3 软边缘SVM：线性核187

10.3.1 线性SVM的线性规划公式表示189

10.3.2 有训练误差的SVM：非线性核190

10.4 邻近支持向量机190

10.5 生成数据集202

10.5.1 螺旋数据生成器202

10.5.2 棋盘格数据集203

10.5.3 多元正态分布数据生成器204

10.6 问题及解答206

习题207

参考文献207

第11章 聚类分析209

11.1 引言209

11.1.1 相似性及其度量211

11.1.2 聚类的基本类型218

11.2 划分聚类230

11.3 k-中心点233

11.4 现代聚类方法234

11.5 BIRCH236

11.6 DBSCAN238

11.6.1 DBSCAN算法的概念239

11.6.2 DBSCAN的基本概念和算法240

11.6.3 算法241

11.6.4 DBSCAN算法的优点242

11.7 OPTICS242

11.7.1 引言242

11.7.2 OPTICS算法的动机243

11.7.3 OPTICS采用的概念243

11.7.4 OPTICS算法243

11.7.5 可达图250

11.7.6 优点252

11.7.7 缺点252

11.8 基于图划分的聚类252

11.8.1 加权图划分252

11.8.2 平衡图划分—基本原则253

11.8.3 k路划分256

11.9 CHAMELEON：两阶段聚类算法256

11.9.1 数据建模257

11.9.2 簇相似性建模257

11.9.3 CHAMELEON的两个阶段258

11.9.4 用例子说明CHAMELEON算法259

11.10 COBWEB概念聚类算法262

11.10.1 COBWEB算法262

11.10.2 COBWEB：一个简单例子264

11.11 GCLUTO：图形化聚类工具箱270

11.11.1 概述271

11.11.2 GCLUTO中的可用选项277

11.11.3 使用GCLUTO进行文本挖掘283

习题285

参考文献291

第12章 多维数据可视化292

12.1 引言292

12.2 多维可视化的图表表示294

12.2.1 kiviat图294

12.2.2 平行坐标系295

12.2.3 3D散点图295

12.2.4 3D曲线图296

12.2.5 体积透视图296

12.2.6 房图297

12.2.7 Chernoff脸图298

12.3 可视化数据挖掘298

参考文献299

附录A SVM公式：完全可分的线性分类器300

附录B 图划分的矩阵形式304