數據挖掘：方法與應用

第1章 緒論
1.1 應用背景
1.1.1 商業上的驅動
1.1.2 科學研究上的驅動
1.1.3 數據挖掘伴隨着數據庫技術而出現
1.2 什麼是數據挖掘
1.2.1 基本描述
1.2.2 關於知識發現
1.3 數據挖掘的主要技術
1.4 數據挖掘的主要研究內容
1.5 數據挖掘面臨的主要問題
1.6 數據挖掘相關的資料
1.7 本書的總體章節安排
1.8 小結
參考文獻
第2章 數據預處理
2.1 前言
2.2 數據預處理的基本概念
2.2.1 數據的基本概念
2.2.2 為什麼要進行數據預處理
2.2.3 數據預處理的任務
2.3 數據的描述
2.3.1 描述數據的中心趨勢
2.3.2 描述數據的分散程度
2.3.3 描述數據的其他方式
2.4 數據清洗
2.4.1 數據缺失的處理
2.4.2 數據清洗
2.5 數據集成和轉換
2.5.1 數據集成
2.5.2 數據冗余性
2.5.3 數據轉換
2.6 數據歸約和變換
2.6.1 數據歸約
2.6.2 數據離散化
2.6.3 概念層次生成
2.7 小結
參考文獻
第3章 數據倉庫
3.1 前言
3.2 數據庫基本概念回顧
3.2.1 數據庫簡介
3.2.2 表、記錄和域
3.2.3 數據庫管理系統
3.3 數據倉庫簡介
3.3.1 數據倉庫特點
3.3.2 數據倉庫概念
3.3.3 數據倉庫作用
3.3.4 數據倉庫與DBMS對比
3.3.5 分離數據倉庫的原因
3.4 多維數據模型
3.4.1 數據立方體
3.4.2 概念模型
3.4.3 概念分層
3.4.4 典型OLAP操作
3.4.5 星型網絡的查詢模型
3.5 數據倉庫結構
3.5.1 數據倉庫設計
3.5.2 多層體系結構
3.6 數據倉庫的功能
3.6.1 數據立方體的有效計算
3.6.2 索引OLAP數據
3.6.3 OLAP查詢的有效處理
3.7 從數據倉庫到數據挖掘
3.7.1 數據倉庫應用
3.7.2 從OLAP到
3.8 小結
參考文獻
第4章 相關性與關聯規則
4.1 基本概念
4.1.1 潛在的應用
4.1.2 購物籃問題
4.1.3 頻繁模式分析、閉項集和關聯規則
4.2 頻繁項集挖掘方法
4.2.1 Apriori算法
4.2.2 由頻繁項集產生關聯規則
4.2.3 提高Apriori的效率
4.2.4 挖掘頻繁項集的模式增長方法
4.3 多種關聯規則挖掘
4.3.1 挖掘多層關聯規則
4.3.2 挖掘多維關聯規則
4.3.3 挖掘量化關聯規則
4.4 從關聯分析到相關分析
4.4.1 相關分析
4.4.2 強規則不一定是有價值的
4.4.3 挖掘高度關聯的模式
4.5 基於約束的頻繁模式挖掘
4.5.1 關聯規則的元規則制導挖掘
4.5.2 基於約束的模式生成: 模式空間剪枝和數據空間剪枝
4.6 小結
參考文獻
第5章 分類和預測
5.1 前言
5.2 基本概念
5.2.1 什麼是分類
5.2.2 什麼是預測
5.3 關於分類和預測的問題
5.3.1 准備分類和預測的數據
5.3.2 評價分類和預測方法
5.4 決策樹分類
5.4.1 決策樹歸納
5.4.2 屬性選擇度量
5.4.3 提取分類規則
5.4.4 基本決策樹歸納的增強
5.4.5 在大數據集中的分類
5.5 貝葉斯分類
5.5.1 貝葉斯定理
5.5.2 朴素貝葉斯分類
5.5.3 貝葉斯信念網絡
5.5.4 貝葉斯網絡學習
5.6 神經網絡
5.6.1 神經網絡簡介
5.6.2 多層神經網絡
5.6.3 神經網絡訓練
5.6.4 后向傳播
5.6.5 網絡剪枝和規則抽取
5.7 支持向量機
5.7.1 數據線性可分的情況
5.7.2 數據線性不可分的情況
5.7.3 支持向量機和神經網絡的對比
5.8 關聯分類
5.8.1 為什麼有效
5.8.2 常見關聯分類算法
5.9 分類准確率
5.9.1 估計錯誤率
5.9.2 裝袋和提升
5.10 小結
參考文獻
第6章 聚類分析
6.1 聚類分析的定義和數據類型
6.1.1 聚類的定義
6.1.2 聚類分析和主要應用
6.1.3 聚類分析方法的性能指標
6.1.4 聚類分析使用的數據類型
6.2 流聚類方法分類與相似性質量
6.2.1 聚類分析方法分類
6.2.2 連續變量的距離與相似性度量
6.2.3 二元變量與標稱變量的相似性度量
6.2.4 序數和比例標度變量的相似性度量
6.2.5 混合類型變量的相似性度量
6.3 基於分割的聚類
6.4 基於層次的聚類
6.5 基於密度的聚類
6.6 基於網格的聚類
6.7 基於模型的聚類
6.8 離群點檢測
6.9 小結
參考文獻
第7章 數據挖掘應用
7.1 前言
7.2 應用研發思路
7.3 預處理方法
7.3.1 基礎數據說明
7.3.2 數字化方法說明
7.3.3 深入一步的預處理方法
7.3.4 基本數據分布情況說明
7.3.5 初步分析結果
7.3.6 小結
7.4 特征提取方法
7.4.1 8種特征提取方法
7.4.2 特征總體排名策略
7.4.3 最終關鍵特征
7.4.4 特征提取與分析結論
7.4.5 小結
7.5 皮膚特征預測模型
7.5.1 預測方法回顧
7.5.2 預測結果分析與結論
7.5.3 小結
7.6 小結
參考文獻
附錄
附錄A 插圖索引
附錄B 表格索引
附錄C 算法索引
附錄D 關鍵詞索引