数据挖掘教程

出版时间：2003-11  出版社：清华大学  作者：罗杰（RichardJ.Roiger），吉茨（Michael  页数：362  
Tag标签：无  

前言

《数据挖掘教程》一书出版发行以来，承蒙读者厚爱，很多学校选用此书作为教材，并不断来邮件和电话反馈使用过程中的一些建议和问题。此次再版，北京联合大学应用文理学院的戴老师和我一起，汇总了读者的建议和我们自己在教学过程中的一些体会，对全书进行了修订，改正第一版翻译过程中不确切的地方；戴老师对书中的例子又进行了一遍验证，更正了原书中的一些错误。希望此书再版给各位读者在学习和教学过程中带来更大的帮助。在此也特别感谢在使用过程中给我们反馈的各位读者。

内容概要

　　《国外经典教材·数据挖掘教程》为数据挖掘的基础教程，是作者多年来从事数据挖掘和专家系统课程教学经验的总结。它从商业角度介绍了数据挖掘的原理以及从数据中提取隐含模式的技术。《国外经典教材·数据挖掘教程》首先帮助读者建立起数据挖掘的概念，进而通过13个数据挖掘示例帮助读者掌握数据挖掘的原理。《国外经典教材·数据挖掘教程》的最后部分还介绍了结合专家系统和智能代理解决复杂问题的方法。

作者简介

作者：(美国)罗杰 (Richard J.Roiger) (美国)吉茨 (Michael W.Geatz) 译者：翁敬农 戴红Richard　J.Roiger，于1991年获得了明尼苏达大学的计算机科学博士学位。他在州立曼凯托大学以优异的成绩获得了数学学士和硕士学位。Richard已经发表了20多篇关于数据挖掘和知识发现的论文。他是美国人工智能协会以及美国计算机协会的成员。目前，Roiger是州立明尼苏达大学的一名教授，同时还是InformationAcumenCorporation的一名顾问。Michaelw．Geatz是InformationAcumenCotDotation的创始人之一，该公司从事人工智能软件咨询。同时他还是IntelliPatch的总裁。早先，他是高科技条形码制造公司USATechnologies,Inc．的总裁。他于1991年获得了金门大学自勺MBA学位。

书籍目录

第I部分 数据挖掘基础第1章 数据挖掘：初探1.1 数据挖掘：定义1.2 计算机可以学习什么1.3 数据挖掘是否适合自身的问题1.4 采用专家系统还是数据挖掘1.5 一个简单的数据挖掘处理模型1.6 为什么不进行简单的搜索1.7 数据挖掘应用1.8 本章小结1.9 关键术语1.10 练习第2章 数据挖掘：深入讨论2.1 数据挖掘策略2.2 有指导的数据挖掘技术2.3 关联规则2.4 聚类技术2.5 评估性能2.6 本章小结2.7 关键术语2.8 练习第3章 基本数据挖掘技术3.1 决策树3.2 生成关联规则3.3 K-平均值算法3.4 遗传学习3.5 选择一种数据挖掘技术3.6 本章小结3.7 关键术语3.8 练习第4章 基于Excel的数据挖掘工具4.1 iData分析器4.2 ESX：一种多用途的数据挖掘工具4.3 iDAV格式的数据挖掘4.4 用于无指导聚类的5步法4.5 用于有指导学习的6步法4.6 生成规则技术4.7 实例典型性4.8 特别考虑和特性4.9 本章小结4.10 关键术语4.11 练习第II部分 知识发现工具第5章 数据库中的知识发现5.1 一种KDD过程模型5.2 步骤1：目标定义5.3 步骤2：创建目标数据集5.4 步骤3：数据预处理5.5 步骤4：数据转换5.6 步骤5：数据挖掘5.7 步骤6：解释和评估5.8 步骤7：采取行动5.9 CRISP－DM过程模型5.10 ESX实验5.11 本章小结5.12 关键术语5.13 练习第6章 数据仓库6.1 操作型数据库6.2 设计数据仓库6.3 联机分析处理6.4 用Excel数据透视表分析数据6.5 本章小结6.6 关键术语6.7 练习第7章 形式评估技术7.1 评估对象7.2 评估工具7.3 计算检验集置信区间7.4 比较有指导学习者模型7.5 属性评估7.6 无指导评估技术7.7 评估具有数值输出的有指导模型7.8 本章小结7.9 关键术语7.10 练习第III部分 高级数据挖掘技术第8章 神经网络8.1 前馈神经网络8.2 神经网络训练：概念介绍8.4 一般考虑8.5 神经网络训练：详细说明8.6 本章小结8.7 关键术语8.8 练习第9章 使用iDA建立神经网络9.1 反向传播学习的4步法9.2 神经网络聚类4步法9.3 使用ESX进行神经网络簇分析9.4 本章小结9.5 关键术语9.6 练习第10章 统计技术10.1 线性回归分析10.2 对数回归10.3 贝叶斯分类器10.4 聚类算法10.5 启发式的还是统计的10.6 本章小结10.7 关键术语10.8 练习第11章 专门技术11.1 时间序列分析11.2 挖掘Web11.3 挖掘文本数据11.4 改进性能11.5 本章小结11.6 关键术语11.7 练习第IV部分 智能系统第12章 基于规则的系统12.1 探索人工智能12.2 状态空间搜索的问题求解12.3 专家系统12.4 构造基于规则的系统12.5 本章小结12.6 关键术语12.7 练习第13章 基于规则的系统中不确定性的管理13.1 不确定性：来源和解决方案13.2 基于规则的模糊系统13.3 不确定性的基于概率的方法13.4 本章小结13.5 关键术语13.6 练习第14章 智能代理14.1 智能代理的特征14.2 智能代理的分类14.3 整合数据挖掘、专家系统和智能代理14.4 本章小结14.5 关键术语14.6 练习附录A iDA软件A.1 软件安装A.2 卸载iDAA.3 软件局限性A.4 软件使用指南A.5 故障检测A.6 软件支持附录B 数据挖掘数据集B.1 iDA数据集包B.2 所要挖掘的数据集所在的Web站点附录C 决策树属性选取附录D 性能评估的统计D.1 单位汇总统计D.2 正态分布D.3 比较有指导学习模型D.4 数值输出的置信区间D.5 比较具有数值输出的模型附录E Excel数据透视表：Office 97E.1 创建简单数据透视表E.2 假设检验的数据透视表E.3 创建多维数据透视图

章节摘录

插图：

编辑推荐

《国外经典教材·数据挖掘教程》适合作为信息管理系统（MIS）和计算机科学专业的大学教授。它还可以为研究生提供数据挖掘和知识发现的基础知识。它也适合对使用数据挖掘解决商业问题感兴趣的专业人士作为自学指导。