數(shù)據(jù)挖掘概念與技術(shù)（第2版）

出版者的話  
專家指導(dǎo)委員會(huì)  
中文版序  
譯者序  
序  
前言  
第1章 引言 1  
1.1 什么激發(fā)了數(shù)據(jù)挖掘,8為什么它是重要的 1  
1.2 什么是數(shù)據(jù)挖掘 3  
1.3 對(duì)何種數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘 6  
1.3.1 關(guān)系數(shù)據(jù)庫 6  
1.3.2 數(shù)據(jù)倉庫 8  
1.3.3 事務(wù)數(shù)據(jù)庫 10  
1.3.4 高級(jí)數(shù)據(jù)和信息系統(tǒng)與高級(jí)應(yīng)用 10  
1.4 數(shù)據(jù)挖掘功能—可以挖掘什么類型的模式    
1.4.1 概念/類描述：特征化和區(qū)分 14  
1.4.2 挖掘頻繁模式. 關(guān)聯(lián)和相關(guān) 15  
1.4.3 分類和預(yù)測(cè) 15  
1.4.4 聚類分析 17  
1.4.5 離群點(diǎn)分析 17  
1.4.6 演變分析 18  
1.5 所有模式都是有趣的嗎 18  
1.6 數(shù)據(jù)挖掘系統(tǒng)的分類 19  
1.7 數(shù)據(jù)挖掘任務(wù)原語 20  
1.8 數(shù)據(jù)挖掘系統(tǒng)與數(shù)據(jù)庫系統(tǒng)或數(shù)據(jù)倉庫系統(tǒng)的集成 22  
1.9 數(shù)據(jù)挖掘的主要問題 23  
1.10 小結(jié) 25  
習(xí)題 26  
文獻(xiàn)注釋 27  
第2章 數(shù)據(jù)預(yù)處理 30  
2.1 為什么要預(yù)處理數(shù)據(jù)    
2.2 描述性數(shù)據(jù)匯總 32  
2.2.1 度量數(shù)據(jù)的中心趨勢(shì)    
2.2.2 度量數(shù)據(jù)的離散程度 34  
2.2.3 基本描述數(shù)據(jù)匯總的圖形顯示 36  
2.3 數(shù)據(jù)清理 39  
2.3.1 缺失值 39  
2.3.2 噪聲數(shù)據(jù) 40  
2.3.3 數(shù)據(jù)清理作為一個(gè)過程 41  
2.4 數(shù)據(jù)集成和變換 43  
2.4.1 數(shù)據(jù)集成 43  
2.4.2 數(shù)據(jù)變換 45  
2.5 數(shù)據(jù)歸約 47  
2.5.1 數(shù)據(jù)立方體聚集 47  
2.5.2 屬性子集選擇 48  
2.5.3 維度歸約 49  
2.5.4 數(shù)值歸約 51  
2.6 數(shù)據(jù)離散化和概念分層產(chǎn)生 55  
2.6.1 數(shù)值數(shù)據(jù)的離散化和概念分層產(chǎn)生 56  
2.6.2 分類數(shù)據(jù)的概念分層產(chǎn)生 60  
2.7 小結(jié) 62  
習(xí)題 62  
文獻(xiàn)注釋 65  
第3章 數(shù)據(jù)倉庫與OLAP技術(shù)概述 67  
3.1 什么是數(shù)據(jù)倉庫 67  
3.1.1 操作數(shù)據(jù)庫系統(tǒng)與數(shù)據(jù)倉庫的區(qū)別 68  
3.1.2 為什么需要分離的數(shù)據(jù)倉庫 69  
3.2 多維數(shù)據(jù)模型 70  
3.2.1 由表和電子數(shù)據(jù)表到數(shù)據(jù)立方體 70  
3.2.2 星形. 雪花形和事實(shí)星座形模式：多維數(shù)據(jù)庫模式 72  
3.2.3 定義星形. 雪花形和事實(shí)星座形模式的例子 75  
3.2.4 度量的分類和計(jì)算 76  
3.2.5 概念分層 77  
3.2.6 多維數(shù)據(jù)模型中的OLAP操作 79  
3.2.7 查詢多維數(shù)據(jù)庫的星形網(wǎng)查詢模型 81  
3.3 數(shù)據(jù)倉庫的系統(tǒng)結(jié)構(gòu) 82  
3.3.1 數(shù)據(jù)倉庫的設(shè)計(jì)和構(gòu)造步驟 82  
3.3.2 三層數(shù)據(jù)倉庫的系統(tǒng)結(jié)構(gòu) 83  
3.3.3 數(shù)據(jù)倉庫后端工具和實(shí)用程序 85  
3.3.4 元數(shù)據(jù)儲(chǔ)存庫 86  
3.3.5 OLAP服務(wù)器類型：ROLAP  
MOLAP與HOLAP 86  
3.4 數(shù)據(jù)倉庫實(shí)現(xiàn) 88  
3.4.1 數(shù)據(jù)立方體的有效計(jì)算 88  
3.4.2 索引OLAP數(shù)據(jù) 90  
3.4.3 OLAP查詢的有效處理 92  
3.5 從數(shù)據(jù)倉庫到數(shù)據(jù)挖掘 93  
3.5.1 數(shù)據(jù)倉庫的使用 93  
3.5.2 由聯(lián)機(jī)分析處理到聯(lián)機(jī)分析挖掘 95  
3.6 小結(jié) 96  
習(xí)題 97  
文獻(xiàn)注釋 99  
第4章  數(shù)據(jù)立方體計(jì)算與數(shù)據(jù)泛化 101  
4.1 數(shù)據(jù)立方體計(jì)算的有效方法 101  
4.1.1 不同類型立方體物化的路線圖 101  
4.1.2 完全立方體計(jì)算的多路數(shù)組聚集 105  
4.1.3 BUC：從頂點(diǎn)方體向下計(jì)算冰山立方體 108  
4.1.4 Star-Cubing：使用動(dòng)態(tài)星形樹結(jié)構(gòu)計(jì)算冰山立方體 111  
4.1.5 為快速高維OLAP預(yù)計(jì)算殼片段 116  
4.1.6 計(jì)算具有復(fù)雜冰山條件的立方體 121  
4.2 數(shù)據(jù)立方體和OLAP技術(shù)的進(jìn)一步發(fā)展 122  
4.2.1 數(shù)據(jù)立方體的發(fā)現(xiàn)驅(qū)動(dòng)的探查 122  
4.2.2 在多粒度的復(fù)雜聚集：多特征立方體 124  
4.2.3 數(shù)據(jù)立方體中被約束的梯度分析 126  
4.3 面向?qū)傩缘臍w納—另一種數(shù)據(jù)泛化和概念描述方法 128  
4.3.1 數(shù)據(jù)特征化的面向?qū)傩缘臍w納 129  
4.3.2 面向?qū)傩詺w納的有效實(shí)現(xiàn) 132  
4.3.3 導(dǎo)出泛化的表示 133  
4.3.4 挖掘類比較：區(qū)分不同的類 136  
4.3.5 類描述：特征化和比較的表示 139  
4.4 小結(jié) 140  
習(xí)題 141  
文獻(xiàn)注釋 144  
第5章 挖掘頻繁模式. 關(guān)聯(lián)和相關(guān) 146  
5.1 基本概念和路線圖 146  
5.1.1 購物籃分析：引發(fā)性例子 146  
5.1.2 頻繁項(xiàng)集. 閉項(xiàng)集和關(guān)聯(lián)規(guī)則 147  
5.1.3 頻繁模式挖掘：路線圖 149  
5.2 有效的和可伸縮的頻繁項(xiàng)集挖掘方法 150  
5.2.1 Apriori算法：使用候選產(chǎn)生發(fā)現(xiàn)頻繁項(xiàng)集 151  
5.2.2 由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則 154  
5.2.3 提高Apriori算法的效率 155  
5.2.4 不候選產(chǎn)生挖掘頻繁項(xiàng)集 156  
5.2.5 使用垂直數(shù)據(jù)格式挖掘頻繁項(xiàng)集 159  
5.2.6 挖掘閉頻繁項(xiàng)集 160  
5.3 挖掘各種類型的關(guān)聯(lián)規(guī)則 162  
5.3.1 挖掘多層關(guān)聯(lián)規(guī)則 162  
5.3.2 從關(guān)系數(shù)據(jù)庫和數(shù)據(jù)倉庫挖掘多維關(guān)聯(lián)規(guī)則 164  
5.4 由關(guān)聯(lián)挖掘到相關(guān)分析 168  
5.4.1 強(qiáng)關(guān)聯(lián)規(guī)則不一定有趣：一個(gè)例子 168  
5.4.2 從關(guān)聯(lián)分析到相關(guān)分析 168  
5.5 基于約束的關(guān)聯(lián)挖掘 172  
5.5.1 關(guān)聯(lián)規(guī)則的元規(guī)則制導(dǎo)挖掘 172  
5.5.2 約束推進(jìn)：規(guī)則約束制導(dǎo)的挖掘 173  
5.6 小結(jié) 176  
習(xí)題 177  
文獻(xiàn)注釋 181  
第6章 分類和預(yù)測(cè) 184  
6.1 什么是分類,129什么是預(yù)測(cè).. 184  
6.2 關(guān)于分類和預(yù)測(cè)的問題 186  
6.2.1 為分類和預(yù)測(cè)準(zhǔn)備數(shù)據(jù) 186  
6.2.2 比較分類和預(yù)測(cè)方法 187  
6.3 用決策樹歸納分類 188  
6.3.1 決策樹歸納 189  
6.3.2 屬性選擇度量 191  
6.3.3 樹剪枝 196  
6.3.4 可伸縮性與決策樹歸納 198  
6.4 貝葉斯分類 200  
6.4.1 貝葉斯定理 201  
6.4.2 樸素貝葉斯分類 201  
6.4.3 貝葉斯信念網(wǎng)絡(luò) 204  
6.4.4 訓(xùn)練貝葉斯信念網(wǎng)絡(luò) 205  
6.5 基于規(guī)則的分類 206  
6.5.1 使用IF-THEN規(guī)則分類 206  
6.5.2 從決策樹提取規(guī)則 208  
6.5.3 使用順序覆蓋算法的規(guī)則歸納 209  
6.6 用后向傳播分類 212  
6.6.1 多層前饋神經(jīng)網(wǎng)絡(luò) 213  
6.6.2 定義網(wǎng)絡(luò)拓?fù)?213  
6.6.3 后向傳播 214  
6.6.4 黑盒內(nèi)部：后向傳播和可解釋性 218  
6.7 支持向量機(jī) 219  
6.7.1 數(shù)據(jù)線性可分的情況 219  
6.7.2 數(shù)據(jù)非線性可分的情況 222  
6.8 關(guān)聯(lián)分類：基于關(guān)聯(lián)規(guī)則分析的分類 224  
6.9 惰性學(xué)習(xí)法（或從近鄰學(xué)習(xí)） 226  
6.9.1 k最近鄰分類法 226  
6.9.2 基于案例的推理 228  
6.10 其他分類方法 228  
6.10.1 遺傳算法 228  
6.10.2 粗糙集方法 229  
6.10.3 模糊集方法 229  
6.11 預(yù)測(cè) 231  
6.11.1 線性回歸 231  
6.11.2 非線性回歸 233  
6.11.3 其他基于回歸的方法 234  
6.12 準(zhǔn)確率和誤差的度量 234  
6.12.1 分類器準(zhǔn)確率度量 234  
6.12.2 預(yù)測(cè)器誤差度量 236  
6.13 評(píng)估分類器或預(yù)測(cè)器的準(zhǔn)確率 237  
6.13.1 保持方法和隨機(jī)子抽樣 237  
6.13.2 交叉確認(rèn) 238  
6.13.3 自助法 238  
6.14 系綜方法—提高準(zhǔn)確率 238  
6.14.1 裝袋 239  
6.14.2 提升 240  
6.15 模型選擇 241  
6.15.1 估計(jì)置信區(qū)間 242  
6.15.2 ROC 曲線 243  
6.16 小結(jié) 244  
習(xí)題 245  
文獻(xiàn)注釋 247  
第7章 聚類分析 251  
7.1 什么是聚類分析 251  
7.2 聚類分析中的數(shù)據(jù)類型 253  
7.2.1 區(qū)間標(biāo)度變量 253  
7.2.2 二元變量 255  
7.2.3 分類. 序數(shù)和比例標(biāo)度變量 256  
7.2.4 混合類型的變量 259  
7.2.5 向量對(duì)象 260  
7.3 主要聚類方法的分類 261  
7.4 劃分方法 263  
7.4.1 典型的劃分方法：k均值和k中心點(diǎn) 263  
7.4.2 大型數(shù)據(jù)庫的劃分方法：從k中心點(diǎn)到CLARANS 266  
7.5 層次方法 267  
7.5.1 凝聚和分裂層次聚類 267  
7.5.2 BIRCH：利用層次方法的平衡迭代歸約和聚類 269  
7.5.3 ROCK：分類屬性的層次聚類算法 271  
7.5.4 Chameleon：利用動(dòng)態(tài)建模的層次聚類算法 272  
7.6 基于密度的方法 273  
7.6.1 DBSCAN：一種基于高密度連通區(qū)域的基于密度的聚類方法 273  
7.6.2 OPTICS：通過點(diǎn)排序識(shí)別聚類結(jié)構(gòu) 275  
7.6.3 DENCLUE：基于密度分布函數(shù)的聚類 276  
7.7 基于網(wǎng)格的方法 278  
7.7.1 STING：統(tǒng)計(jì)信息網(wǎng)格 278  
7.7.2 WaveCluster：利用小波變換聚類 279  
7.8 基于模型的聚類方法 280  
7.8.1 期望最大化方法 280  
7.8.2 概念聚類 281  
7.8.3 神經(jīng)網(wǎng)絡(luò)方法 283  
7.9 聚類高維數(shù)據(jù) 284  
7.9.1 CLIQUE：維增長子空間聚類方法 285  
7.9.2 PROCLUS：維歸約子空間聚類方法 287  
7.9.3 基于頻繁模式的聚類方法 287  
7.10 基于約束的聚類分析 290  
7.10.1 含有障礙物的對(duì)象聚類 291  
7.10.2 用戶約束的聚類分析 293  
7.10.3 半監(jiān)督聚類分析 293  
7.11 離群點(diǎn)分析 295  
7.11.1 基于統(tǒng)計(jì)分布的離群點(diǎn)檢測(cè) 295  
7.11.2 基于距離的離群點(diǎn)檢測(cè) 296  
7.11.3 基于密度的局部離群點(diǎn)檢測(cè) 298  
7.11.4 基于偏差的離群點(diǎn)檢測(cè) 299  
7.12 小結(jié) 300  
習(xí)題 301  
文獻(xiàn)注釋 303  
第8章 挖掘流. 時(shí)間序列和序列數(shù)據(jù) 306  
8.1 挖掘數(shù)據(jù)流 306  
8.1.1 流數(shù)據(jù)處理方法和流數(shù)據(jù)系統(tǒng) 307  
8.1.2 流OLAP和流數(shù)據(jù)立方體 310  
8.1.3 數(shù)據(jù)流中的頻繁模式挖掘 314  
8.1.4 動(dòng)態(tài)數(shù)據(jù)流的分類 315  
8.1.5 聚類演變數(shù)據(jù)流 318  
8.2 時(shí)間序列數(shù)據(jù)挖掘 320  
8.2.1 趨勢(shì)分析 320  
8.2.2 時(shí)間序列分析中的相似性搜索 323  
8.3 挖掘事務(wù)數(shù)據(jù)庫中的序列模式 325  
8.3.1 序列模式挖掘：概念和原語 326  
8.3.2 挖掘序列模式的可伸縮方法 327  
8.3.3 基于約束的序列模式挖掘 333  
8.3.4 時(shí)間相關(guān)序列數(shù)據(jù)的周期性分析 335  
8.4 挖掘生物學(xué)數(shù)據(jù)中的序列模式 336  
8.4.1 生物學(xué)序列比對(duì) 336  
8.4.2 生物學(xué)序列分析的隱馬爾可夫模型 339  
8.5 小結(jié) 345  
習(xí)題 346  
文獻(xiàn)注釋 348  
第9章 圖挖掘. 社會(huì)網(wǎng)絡(luò)分析和多關(guān)系數(shù)據(jù)挖掘 351  
9.1 圖挖掘 351  
9.1.1 挖掘頻繁子圖的方法 351  
9.1.2 挖掘變體和約束子結(jié)構(gòu)的模式 357  
9.1.3 應(yīng)用：圖索引. 相似性搜索. 分類和聚類 361  
9.2 社會(huì)網(wǎng)絡(luò)分析 363  
9.2.1 什么是社會(huì)網(wǎng)絡(luò) 363  
9.2.2 社會(huì)網(wǎng)絡(luò)的特征 365  
9.2.3 鏈接挖掘：任務(wù)和挑戰(zhàn) 367  
9.2.4 挖掘社會(huì)網(wǎng)絡(luò) 369  
9.3 多關(guān)系數(shù)據(jù)挖掘 373  
9.3.1 什么是多關(guān)系數(shù)據(jù)挖掘 373  
9.3.2 多關(guān)系分類的ILP方法 375  
9.3.3 元組ID傳播 376  
9.3.4 利用元組ID傳播進(jìn)行多關(guān)系分類 377  
9.3.5 用戶指導(dǎo)的多關(guān)系聚類 379  
9.4 小結(jié) 382  
習(xí)題 383  
文獻(xiàn)注釋 384  
第10章 挖掘?qū)ο? 空間. 多媒體. 文本和Web數(shù)據(jù) 386  
10.1 復(fù)雜數(shù)據(jù)對(duì)象的多維分析和描述性挖掘 386  
10.1.1 結(jié)構(gòu)化數(shù)據(jù)的泛化 386  
10.1.2 空間和多媒體數(shù)據(jù)泛化中的聚集和近似 387  
10.1.3 對(duì)象標(biāo)識(shí)和類/子類層次的泛化 388  
10.1.4 類復(fù)合層次泛化 388  
10.1.5 對(duì)象立方體的構(gòu)造與挖掘 389  
10.1.6 用分治法對(duì)規(guī)劃數(shù)據(jù)庫進(jìn)行基于泛化的挖掘 389  
10.2 空間數(shù)據(jù)挖掘 391  
10.2.1 空間數(shù)據(jù)立方體構(gòu)造和空間OLAP 392  
10.2.2 挖掘空間關(guān)聯(lián)和并置模式 395  
10.2.3 空間聚類方法 396  
10.2.4 空間分類和空間趨勢(shì)分析 396  
10.2.5 挖掘光柵數(shù)據(jù)庫 396  
10.3 多媒體數(shù)據(jù)挖掘 396  
10.3.1 多媒體數(shù)據(jù)的相似性搜索 396  
10.3.2 多媒體數(shù)據(jù)的多維分析 397  
10.3.3 多媒體數(shù)據(jù)的分類和預(yù)測(cè)分析 399  
10.3.4 挖掘多媒體數(shù)據(jù)中的關(guān)聯(lián) 399  
10.3.5 音頻和視頻數(shù)據(jù)挖掘 400  
10.4 文本挖掘 401  
10.4.1 文本數(shù)據(jù)分析和信息檢索 401  
10.4.2 文本的維度歸約 405  
10.4.3 文本挖掘方法 407  
10.5 挖掘萬維網(wǎng) 410  
10.5.1 挖掘Web頁面布局結(jié)構(gòu) 411  
10.5.2 挖掘Web鏈接結(jié)構(gòu)識(shí)別權(quán)威Web頁面 413  
10.5.3 挖掘Web上的多媒體數(shù)據(jù) 416  
10.5.4 Web文檔的自動(dòng)分類 418  
10.5.5 Web使用挖掘 418  
10.6 小結(jié) 419  
習(xí)題 420  
文獻(xiàn)注釋 421  
第11章 數(shù)據(jù)挖掘的應(yīng)用和發(fā)展趨勢(shì) 424  
11.1 數(shù)據(jù)挖掘的應(yīng)用 424  
11.1.1 金融數(shù)據(jù)分析的數(shù)據(jù)挖掘 424  
11.1.2 零售業(yè)的數(shù)據(jù)挖掘 425  
11.1.3 電信業(yè)的數(shù)據(jù)挖掘 426  
11.1.4 生物學(xué)數(shù)據(jù)分析的數(shù)據(jù)挖掘 427  
11.1.5 其他科技應(yīng)用的數(shù)據(jù)挖掘 428  
11.1.6 入侵檢測(cè)的數(shù)據(jù)挖掘 429  
11.2 數(shù)據(jù)挖掘系統(tǒng)產(chǎn)品和研究原型 430  
11.2.1 如何選擇數(shù)據(jù)挖掘系統(tǒng) 431  
11.2.2 商用數(shù)據(jù)挖掘系統(tǒng)的實(shí)例 432  
11.3 數(shù)據(jù)挖掘的其他主題 433  
11.3.1 數(shù)據(jù)挖掘的理論基礎(chǔ) 434  
11.3.2 統(tǒng)計(jì)學(xué)數(shù)據(jù)挖掘 434  
11.3.3 可視數(shù)據(jù)和音頻數(shù)據(jù)挖掘 435  
11.3.4 數(shù)據(jù)挖掘和協(xié)同過濾 440  
11.4 數(shù)據(jù)挖掘的社會(huì)影響 440  
11.4.1 無處不在和無形的數(shù)據(jù)挖掘 441  
11.4.2 數(shù)據(jù)挖掘. 隱私和數(shù)據(jù)安全 443  
11.5 數(shù)據(jù)挖掘的發(fā)展趨勢(shì) 445  
11.6 小結(jié) 446  
習(xí)題 447  
文獻(xiàn)注釋 449  
附錄 微軟用于數(shù)據(jù)挖掘的OLE DB簡(jiǎn)介 452  
A.1 模型創(chuàng)建 453  
A.2 模型訓(xùn)練 454  
A.3 模型預(yù)測(cè)和瀏覽 456  
索引 460