数据挖掘导论 （英文版）

图书标准信息

• 作者 [美]Pang-NingTan、Michael、Vipin Kumar 著
• 出版社 人民邮电出版社
• 出版时间 2006-01
• 版次 1
• ISBN 9787115141446
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 516页
• 字数 713千字
• 丛书 图灵原版计算机科学系列

【内容简介】

　　本书对数据挖掘进行了全面介绍，旨在为读者提供将数据挖掘应用于实际问题所必需的知识。本书涵盖五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都有两章：前面一章讲述基本概念、代表性算法和评估技术，而后面一章较深入地讨论高级概念和算法。目的是在使读者透彻地理解数据挖掘基础的同时，还能了解更多重要的高级主题。此外，书中还提供了大量例子、图表和习题。
　　本书适合作为相关专业高年级本科生和研究生数据挖掘课程的教材，同时也可作为从事数据挖掘研究和应用开发工作的技术人员的参考书。

【作者简介】

　　Pang-NingTan现为密歇根州立大学计算机与工程系助理教授，主要教授数据挖掘、数据库系统等课程。此前，他曾是明尼苏达大学美国陆军高性能计算研究中心副研究员（2002-2003）。
　　MichaelSteinbach明尼苏达大学计算机与工程系研究员，在读博士。
　　VipinKumar明尼苏达大学计算机科学与工程系主任，曾任美国陆军高性能计算研究中心主任。他拥有马里兰大学博士学位，是数据挖掘和高性能计算方面的国际权威，IEEE会士。

【目录】

1　Introduction　1
1.1　WhatIsDataMining?　2
1.2　MotivatingChallenges　3
1.3　TheOriginsofDataMining　4
1.4　DataMiningTasks　5
1.5　ScopeandOrganizationoftheBook　8
1.6　BibliographicNotes　9
1.7　Exercises　12

2　Data　13
2.1　TypesofData　15
2.1.1　AttributesandMeasurement　15
2.1.2　TypesofDataSets　20
2.2　DataQuality　25
2.2.1　MeasurementandDataCollectionIssues　26
2.2.2　IssuesRelatedtoApplications　31
2.3　DataPreprocessing　32
2.3.1　Aggregation　32
2.3.2　Sampling　34
2.3.3　DimensionalityReduction　36
2.3.4　FeatureSubsetSelection　37
2.3.5　FeatureCreation　39
2.3.6　DiscretizationandBinarization　41
2.3.7　VariableTransformation　45
2.4　MeasuresofSimilarityandDissimilarity　47
2.4.1　Basics　47
2.4.2　SimilarityandDissimilaritybetweenSimpleAttributes　49
2.4.3　DissimilaritiesbetweenDataObjects　50
2.4.4　SimilaritiesbetweenDataObjects　52
2.4.5　ExamplesofProximityMeasures　53
2.4.6　IssuesinProximityCalculation　58
2.4.7　SelectingtheRightProximityMeasure　60
2.5　BibliographicNotes　61
2.6　Exercises　64

3　ExploringData　71
3.1　TheIrisDataSet　71
3.2　SummaryStatistics　72
3.2.1　FrequenciesandtheMode　72
3.2.2　Percentiles　73
3.2.3　MeasuresofLocation:MeanandMedian　73
3.2.4　MeasuresofSpread:RangeandVariance　75
3.2.5　MultivariateSummaryStatistics　76
3.2.6　OtherWaystoSummarizetheData　77
3.3　Visualization　77
3.3.1　MotivationsforVisualization　77
3.3.2　GeneralConcepts　78
3.3.3　Techniques　81
3.3.4　VisualizingHigher-DimensionalData　90
3.3.5　DosandDonts　94
3.4　OLAPandMultidimensionalDataAnalysis　95
3.4.1　RepresentingIrisDataasaMultidimensionalArray　95
3.4.2　MultidimensionalData:TheGeneralCase　97
3.4.3　AnalyzingMultidimensionalData　98
3.4.4　FinalCommentsonMultidimensionalDataAnalysis　101
3.5　BibliographicNotes　102
3.6　Exercises　103

4　Classification:BasicConcepts,DecisionTrees,andModelEvaluation　105
4.1　Preliminaries　105
4.2　GeneralApproachtoSolvingaClassificationProblem　107
4.3　DecisionTreeInduction　108
4.3.1　HowaDecisionTreeWorks　108
4.3.2　HowtoBuildaDecisionTree　110
4.3.3　MethodsforExpressingAttributeTestConditions　112
4.3.4　MeasuresforSelectingtheBestSplit　114
4.3.5　AlgorithmforDecisionTreeInduction　119
4.3.6　AnExample:WebRobotDetection　120
4.3.7　CharacteristicsofDecisionTreeInduction　122
4.4　ModelOverfitting　125
4.4.1　OverfittingDuetoPresenceofNoise　127
4.4.2　OverfittingDuetoLackofRepresentativeSamples　129
4.4.3　OverfittingandtheMultipleComparisonProcedure　129
4.4.4　EstimationofGeneralizationErrors　131
4.4.5　HandlingOverfittinginDecisionTreeInduction　134
4.5　EvaluatingthePerformanceofaClassifier　135
4.5.1　HoldoutMethod　136
4.5.2　RandomSubsampling　136
4.5.3　Cross-Validation　136
4.5.4　Bootstrap　137
4.6　MethodsforComparingClassifiers　137
4.6.1　EstimatingaConfidenceIntervalforAccuracy　138
4.6.2　ComparingthePerformanceof　TwoModels　139
4.6.3　ComparingthePerformanceofTwoClassifiers　140
4.7　BibliographicNotes　141
4.8　Exercises　144

5　Classification:AlternativeTechniques　151
5.1　Rule-BasedClassifier　151
5.1.1　HowaRule-BasedClassifierWorks　153
5.1.2　Rule-OrderingSchemes　154
5.1.3　HowtoBuildaRule-BasedClassifier　155
5.1.4　DirectMethodsforRuleExtraction　155
5.1.5　IndirectMethodsforRuleExtraction　161
5.1.6　CharacteristicsofRule-BasedClassifiers　163
5.2　Nearest-Neighborclassifiers　163
5.2.1　Algorithm　165
5.2.2　CharacteristicsofNearest-NeighborClassifiers　165
5.3　BayesianClassifiers　166
5.3.1　BayesTheorem　166
5.3.2　UsingtheBayesTheoremforClassification　168
5.3.3　Na?veBayesClassifier　169
5.3.4　BayesErrorRate　175
5.3.5　BayesianBeliefNetworks　176
5.4　ArtificialNeuralNetwork(ANN)　181
5.4.1　Perceptron　181
5.4.2　MultilayerArtificialNeuralNetwork　184
5.4.3　CharacteristicsofANN　187
5.5　SupportVectorMachine(SVM)　188
5.5.1　MaximumMarginHyperplanes　188
5.5.2　LinearSVM:SeparableCase　190
5.5.3　LinearSVM:NonseparableCase　195
5.5.4　NonlinearSVM　198
5.5.5　CharacteristicsofSVM　203
5.6　EnsembleMethods　203
5.6.1　RationaleforEnsembleMethod　203
5.6.2　MethodsforConstructinganEnsembleClassifier　204
5.6.3　Bias-VarianceDecomposition　206
5.6.4　Bagging　209
5.6.5　Boosting　211
5.6.6　RandomForests　215
5.6.7　EmpiricalComparisonamongEnsembleMethods　216
5.7　ClassImbalanceProblem　217
5.7.1　AlternativeMetrics　218
5.7.2　TheReceiverOperatingCharacteristicCurve　220
5.7.3　Cost-SensitiveLearning　223
5.7.4　Sampling-BasedApproaches　225
5.8　MulticlassProblem　226
5.9　BibliographicNotes　228
5.10Exercises　233

6　AssociationAnalysis:BasicConceptsandAlgorithms　241
6.1　ProblemDefinition　242
6.2　FrequentItemsetGeneration　244
6.2.1　TheAprioriPrinciple　246
6.2.2　FrequentItemsetGenerationintheAprioriAlgorithm　247
6.2.3　CandidateGenerationandPruning　249
6.2.4　SupportCounting　252
6.2.5　ComputationalComplexity　255
6.3　RuleGeneration　257
6.3.1　Confidence-BasedPruning　258
6.3.2　RuleGenerationinAprioriAlgorithm　258
6.3.3　AnExample:CongressionalVotingRecords　259
6.4　CompactRepresentationofFrequentItemsets　260
6.4.1　MaximalFrequentItemsets　260
6.4.2　ClosedFrequentItemsets　262
6.5　AlternativeMethodsforGeneratingFrequentItemsets　264
6.6　FP-GrowthAlgorithm　268
6.6.1　FP-TreeRepresentation　268
6.6.2　FrequentItemsetGenerationinFP-GrowthAlgorithm　270
6.7　EvaluationofAssociationPatterns　273
6.7.1　ObjectiveMeasuresofInterestingness　274
6.7.2　MeasuresbeyondPairsofBinaryVariables　282
6.7.3　SimpsonsParadox　283
6.8　EffectofSkewedSupportDistribution　285
6.9　BibliographicNotes　288
6.10Exercises　298

7　AssociationAnalysis:AdvancedConcepts　307
7.1　HandlingCategoricalAttributes　307
7.2　HandlingContinuousAttributes　309
7.2.1　Discretization-BasedMethods　310
7.2.2　Statistics-BasedMethods　312
7.2.3　Non-discretizationMethods　314
7.3　HandlingaConceptHierarchy　316
7.4　SequentialPatterns　318
7.4.1　ProblemFormulation　318
7.4.2　SequentialPatternDiscovery　320
7.4.3　TimingConstraints　323
7.4.4　AlternativeCountingSchemes　327
7.5　SubgraphPatterns　328
7.5.1　GraphsandSubgraphs　329
7.5.2　FrequentSubgraphMining　330
7.5.3　Apriori-likeMethod　332
7.5.4　CandidateGeneration　333
7.5.5　CandidatePruning　338
7.5.6　SupportCounting　340
7.6　InfrequentPatterns　340
7.6.1　NegativePatterns　341
7.6.2　NegativelyCorrelatedPatterns　342
7.6.3　ComparisonsamongInfrequentPatterns,NegativePatterns,andNegativelyCorrelatedPatterns　343
7.6.4　TechniquesforMiningInterestingInfrequentPatterns　344
7.6.5　TechniquesBasedonMiningNegativePatterns　345
7.6.6　TechniquesBasedonSupportExpectation　347
7.7　BibliographicNotes　350
7.8　Exercises　353

8　ClusterAnalysis:BasicConceptsandAlgorithms　363
8.1　Overview　365
8.1.1　WhatIsClusterAnalysis?　365
8.1.2　DifferentTypesofClusterings　366
8.1.3　DifferentTypesofClusters　368
8.2　K-means　370
8.2.1　TheBasicK-meansAlgorithm　371
8.2.2　K-means:AdditionalIssues　378
8.2.3　BisectingK-means　380
8.2.4　K-meansandDifferentTypesofClusters　381
8.2.5　StrengthsandWeaknesses　383
8.2.6　K-meansasanOptimizationProblem　383
8.3　AgglomerativeHierarchicalClustering　385
8.3.1　BasicAgglomerativeHierarchicalClusteringAlgorithm　385
8.3.2　SpecificTechniques　387
8.3.3　TheLance-WilliamsFormulaforClusterProximity　391
8.3.4　KeyIssuesinHierarchicalClustering　391
8.3.5　StrengthsandWeaknesses　393
8.4　DBSCAN　393
8.4.1　TraditionalDensity:Center-BasedApproach　393
8.4.2　TheDBSCANAlgorithm　394
8.4.3　StrengthsandWeaknesses　398
8.5　ClusterEvaluation　398
8.5.1　Overview　399
8.5.2　UnsupervisedClusterEvaluationUsingCohesionandSeparation　401
8.5.3　UnsupervisedClusterEvaluationUsingtheProximityMatrix　406
8.5.4　UnsupervisedEvaluationofHierarchicalClustering　408
8.5.5　DeterminingtheCorrectNumberofClusters　409
8.5.6　ClusteringTendency　410
8.5.7　SupervisedMeasuresofClusterValidity　411
8.5.8　AssessingtheSignificanceofClusterValidityMeasures　414
8.6　BibliographicNotes　416
8.7　Exercises　419

9　ClusterAnalysis:AdditionalIssuesandAlgorithms　427
9.1　CharacteristicsofData,Clusters,andClusteringAlgorithms　427
9.1.1　Example:ComparingK-meansandDBSCAN　428
9.1.2　DataCharacteristics　429
9.1.3　ClusterCharacteristics　430
9.1.4　GeneralCharacteristicsofClusteringAlgorithms　431
9.2　Prototype-BasedClustering　433
9.2.1　FuzzyClustering　433
9.2.2　ClusteringUsingMixtureModels　437
9.2.3　Self-OrganizingMaps(SOM)　446
9.3　Density-BasedClustering　451
9.3.1　Grid-BasedClustering　451
9.3.2　SubspaceClustering　454
9.3.3　DENCLUE:AKernel-BasedSchemeforDensity-BasedClustering　457
9.4　Graph-BasedClustering　460
9.4.1　Sparsification　461
9.4.2　MinimumSpanningTree(MST)Clustering　462
9.4.3　OPOSSUM:OptimalPartitioningofSparseSimilaritiesUsingMETIS　463
9.4.4　Chameleon:HierarchicalClusteringwithDynamicModeling　464
9.4.5　SharedNearestNeighborSimilarity　468
9.4.6　TheJarvis-PatrickClusteringAlgorithm　471
9.4.7　SNNDensity　472
9.4.8　SNNDensity-BasedClustering　473
9.5　ScalableClusteringAlgorithms　475
9.5.1　Scalability:GeneralIssuesandApproaches　476
9.5.2　BIRCH　477
9.5.3　CURE　479
9.6　WhichClusteringAlgorithm?　482
9.7　BibliographicNotes　484
9.8　Exercises　488

10　AnomalyDetection　491
10.1　Preliminaries　492
10.1.1　CausesofAnomalies　492
10.1.2　ApproachestoAnomalyDetection　493
10.1.3　TheUseofClassLabels　494
10.1.4　Issues　495
10.2　StatisticalApproaches　496
10.2.1　DetectingOutliersinaUnivariateNormalDistribution　497
10.2.2　OutliersinaMultivariateNormalDistribution　499
10.2.3　AMixtureModelApproachforAnomalyDetection　500
10.2.4　StrengthsandWeaknesses　502
10.3　Proximity-BasedOutlierDetection　502
10.3.1　StrengthsandWeaknesses　503
10.4　Density-BasedOutlierDetection　504
10.4.1　DetectionofOutliersUsingRelativeDensity　505
10.4.2　StrengthsandWeaknesses　506
10.5　Clustering-BasedTechniques　506
10.5.1　AssessingtheExtenttoWhichanObjectBelongstoaCluster　507
10.5.2　ImpactofOutliersontheInitialClustering　509
10.5.3　TheNumberofClusterstoUse　509
10.5.4　StrengthsandWeaknesses　509
10.6　BibliographicNotes　510
10.7　Exercises　513