隨著數據規模和復雜度的持續上升，分析員必須
利用更高級的軟件工具來執行間接的、自動的智能化
數據分析。坎塔爾季奇著的這本《數據挖掘--概念模
型方法和算法（第2版）》介紹了通過分析高維數據
空間中的海量原始數據來提取用於決策的新信息的尖
端技術和方法。
本書開篇闡述數據挖掘原理，此後在示例的引導
下詳細講解起源於統計學、機器學習、神經網絡、模
糊邏輯和演化計算等學科的具有代表性的、最前沿的
挖掘方法和算法。書中還著重描述如何恰當地選擇方
法和數據分析軟件並合理地調整參數。每章末尾附有
復習題。
本書主要用作計算機科學、計算機工程和計算機
信息繫統專業的研究生數據挖掘教材，高年級本科生
或具備同等教育背景的讀者也完全可以理解本書的所
有主題。

第1章 數據挖掘的概念
1.1 概述
1.2 數據挖掘的起源
1.3 數據挖掘過程
1.4 大型數據集
1.5 數據倉庫
1.6 數據挖掘的商業方面：為什麼數據挖掘項目會失敗
1.7 本書結構安排
1.8 復習題
1.9 參考書目
第2章 數據準備
2.1 原始數據的表述
2.2 原始數據的特性
2.3 原始數據的轉換
2.3.1 標準化
2.3.2 數據平整
2.3.3 差值和比率
2.4 丟失數據
2.5 時間相關數據
2.6 異常點分析
2.7 復習題
2.8 參考書目
第3章 數據歸約
3.1 大型數據集的維度
3.2 特征歸約
3.2.1 特征選擇
3.2.2 特征提取
3.3 Relief算法
3.4 特征排列的熵度量
3.5 主成分分析
3.6 值歸約
3.7 特征離散化：ChiMerge技術
3.8 案例歸約
3.9 復習題
3.10 參考書目
第4章 從數據中學習
4.1 學習機器
4.2 統計學習原理
4.3 學習方法的類型
4.4 常見的學習任務
4.5 支持向量機
4.6 KNN：*近鄰分類器
4.7 模型選擇與泛化
4.8 模型的評估
4.9 90％準確的情形
4.9.1 保險欺詐檢測
4.9.2 改進心髒護理
4.10 復習題
4.11 參考書目
第5章 統計方法
5.1 統計推斷
5.2 評測數據集的差異
5.3 貝葉斯定理
5.4 預測回歸
5.5 方差分析
5.6 對數回歸
5.7 對數—線性模型
5.8 線性判別分析
5.9 復習題
5.10 參考書目
第6章 決策樹和決策規則
6.1 決策樹
6.2 C4.5算法：生成決策樹
6.3 未知屬性值
6.4 修剪決策樹
6.5 C4.5算法：生成決策規則
6.6 CART算法和Gini指標
6.7 決策樹和決策規則的局限性
6.8 復習題
6.9 參考書目
第7章 人工神經網絡
7.1 人工神經元的模型
7.2 人工神經網絡的結構
7.3 學習過程
7.4 使用ANN完成的學習任務
7.4.1 模式聯想
7.4.2 模式識別
7.5 多層感知機
7.6 競爭網絡和競爭學習
7.7 SOM
7.8 復習題
7.9 參考書目
第8章 集成學習
8.1 集成學習方法論
8.2 多學習器組合方案
8.3 baggin9和boostin9
8.4 AdaBoost算法
8.5 復習題
8.6 參考書目
第9章 聚類分析
9.1 聚類的概念
9.2 相似度的度量
9.3 凝聚層次聚類
9.4 分區聚類
9.5 增量聚類
9.6 DBSCAN算法
9.7 BIRCH算法
9.8 聚類驗證
9.9 復習題
9.10 參考書目
**0章 關聯規則
10.1 購物籃分析
10.2 Apfiofi算法
10.3 從頻繁項集中得到關聯規則
10.4 提高Apfiofi算法的效率
10.5 FP增長方法
10.6 關聯分類方法
10.7 多維關聯規則挖掘
10.8 復習題
10.9 參考書目
**1章 Web挖掘和文本挖掘
11.1 Web挖掘
11.2 Web內容、結構與使用挖掘
11.3 HITS和LOGSOM算法
11.4 挖掘路徑遍歷模式
11.5 PageRank算法
11.6 文本挖掘
11.7 潛在語義分析
11.8 復習題
11.9 參考書目
**2章 數據挖掘**技術
12.1 圖挖掘
12.2 時態數據挖掘
12.2.1 時態數據表示
12.2.2 序列之間的相似性度量
12.2.3 時態數據模型
12.2.4 數據挖掘
12.3 空間數據挖掘(SDM)
12.4 分布式數據挖掘(DDM)
12.5 關聯並不意味著存在因果關繫
12.6 數據挖掘的隱私、安全及法律問題
12.7 復習題
12.8 參考書目
**3章 遺傳算法
13.1 遺傳算法的基本原理
13.2 用遺傳算法進行優化
13.2.1 編碼方案和初始化
13.2.2 適合度估計
13.2.3 選擇
13.2.4 交叉
13.2.5 突變
13.3 遺傳算法的簡單例證
13.3.1 表述
13.3.2 初始群體
13.3.3 評價
13.3.4 交替
13.3.5 遺傳算子
13.3.6 評價(第二次迭代)
13.4 圖式
13.5 旅行推銷員問題
13.6 使用遺傳算法的機器學習
13.6.1 規則交換
13.6.2 規則概化
13.6.3 規則特化
13.6.4 規則分割
13.7 遺傳算法用於聚類
13.8 復習題
13.9 參考書目
**4章 模糊集和模糊邏輯
14.1 模糊集
14.2 模糊集的運算
14.3 擴展原理和模糊關繫
14.4 模糊邏輯和模糊推理繫統
14.5 多因子評價
14.6 從數據中提取模糊模型
14.7 數據挖掘和模糊集
14.8 復習題
14.9 參考書目
**5章 可視化方法
15.1 感知和可視化
15.2 科學可視化和信息可視化
15.3 平行坐標
15.4 放射性可視化
15.5 使用自組織映射進行可視化
15.6 數據挖掘的可視化繫統
15.7 復習題
15.8 參考書目
附錄A 數據挖掘工具
附錄B 數據挖掘應用