| 作者 |
| 查鲁·C. 阿加沃尔 |
| 丛书名 |
| 计算机科学丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782101131711 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 ---------------------------数据挖掘：原理与实践（基础篇）--------------------------- 全书理论联系实际，全面讲述数据挖据理论、技术及应用的教材。研讨了数据挖掘的方方面面，从基础理论到复杂数据类型及其应用。不仅讨论传统的数据挖掘问题，而且介绍了高级数据类型，例如文本、时间序列、离散序列、空间数据、图数据和社会网络。本书由基础篇和进阶篇组成。基础篇对应原书的第1～11章，进阶篇对应原书的第12～20章。 ---------------------------数据挖掘：原理与实践（进阶篇）--------------------------- 全书理论联系实际，全面讲述数据挖据理论、技术及应用的教材。研讨了数据挖掘的方方面面，从基础理论到复杂数据类型及其应用。不仅讨论传统的数据挖掘问题，而且介绍了高级数据类型，例如文本、时间序列、离散序列、空间数据、图数据和社会网络。本书由基础篇和进阶篇组成。基础篇对应原书的第1～11章，进阶篇对应原书的第12～20章。 |
| 目录 |
---------------------------数据挖掘：原理与实践（基础篇）--------------------------- 出版者的话 译者序 前言 第1章 数据挖掘导论1 1.1 引言1 1.2 数据挖掘过程2 1.2.1 数据预处理阶段4 1.2.2 分析阶段5 1.3 基本数据类型5 1.3.1 非依赖型数据5 1.3.2 依赖型数据7 1.4 主要数据挖掘模块总览11 1.4.1 关联模式挖掘12 1.4.2 数据聚类13 1.4.3 异常检测13 1.4.4 数据分类14 1.4.5 复杂数据类型对问题定义的影响15 1.5 可扩展性问题和数据流场景17 1.6 应用案例浅述17 1.6.1 商店商品布局17 1.6.2 客户推荐18 1.6.3 医疗诊断18 1.6.4 Web日志异常检测19 1.7 小结19 1.8 文献注释19 1.9 练习题20 第2章 数据准备21 2.1 引言21 2.2 特征提取和类型转换22 2.2.1 特征提取22 2.2.2 数据类型转换23 2.3 数据清洗26 2.3.1 缺失项的处理27 2.3.2 错误项和不一致项的处理28 2.3.3 缩放与标准化29 2.4 数据约简和转换29 2.4.1 采样30 2.4.2 特征子集选取32 2.4.3 基于坐标轴旋转的维度约简32 2.4.4 基于类型转换的降维39 2.5 小结47 2.6 文献注释48 2.7 练习题48 第3章 相似度和距离50 3.1 引言50 3.2 多维数据50 3.2.1 定量型数据51 3.2.2 类别型数据58 3.2.3 定量型和类别型的混合数据59 3.3 文本相似性度量60 3.4 时态的相似性度量61 3.4.1 时间序列相似性度量61 3.4.2 离散序列相似性度量65 3.5 图的相似性度量67 3.5.1 单个图中两个节点之间的相似度67 3.5.2 两个图之间的相似度68 3.6 有监督的相似度函数69 3.7 小结70 3.8 文献注释70 3.9 练习题71 第4章 关联模式挖掘73 4.1 引言73 4.2 频繁模式挖掘模型74 4.3 关联规则的生成框架76 4.4 频繁项集挖掘算法77 4.4.1 暴力算法78 4.4.2 Apriori算法78 4.4.3 枚举树算法81 4.4.4 递归的基于后缀的模式生长方法89 4.5 替代模型：有趣模式96 4.5.1 统计相关系数97 4.5.2 χ2度量97 4.5.3 兴趣比率98 4.5.4 对称置信度98 4.5.5 列的余弦系数98 4.5.6 Jaccard系数和min-hash技巧98 4.5.7 集体强度100 4.5.8 与负模式挖掘的关系100 4.6 有用的元算法100 4.6.1 采样方法101 4.6.2 数据划分集成法101 4.6.3 推广到其他数据类型101 4.7 小结102 4.8 文献注释102 4.9 练习题104 第5章 关联模式挖掘：高级概念106 5.1 引言106 5.2 模式汇总106 5.2.1 最大模式107 5.2.2 闭包模式108 5.2.3 近似频繁模式109 5.3 模式查询110 5.3.1 一次预处理多次查询111 5.3.2 把限制条件放入模式挖掘115 5.4 关联模式挖掘的应用115 5.4.1 与其他数据挖掘问题的关系115 5.4.2 购物篮分析116 5.4.3 用户信息分析116 5.4.4 推荐和协同过滤116 5.4.5 Web日志分析117 5.4.6 生物信息学117 5.4.7 应用于其他复杂数据类型117 5.5 小结118 5.6 文献注释118 5.7 练习题119 第6章 聚类分析120 6.1 引言120 6.2 聚类的特征选取121 6.2.1 过滤模型121 6.2.2 包装模型124 6.3 基于代表点的算法124 6.3.1 k-means算法127 6.3.2 k-means内核算法128 6.3.3 k-medians算法128 6.3.4 k-medoids算法129 6.4 层次聚类算法130 6.4.1 自底向上凝聚的方法131 6.4.2 自顶向下分裂的方法135 6.5 基于概率模型的算法135 6.6 基于网格和基于密度的算法139 6.6.1 基于网格的算法139 6.6.2 DBSCAN141 6.6.3 DENCLUE143 6.7 基于图的算法147 6.8 非负矩阵分解149 6.9 聚类验证153 6.9.1 内部验证度量153 6.9.2 外部验证度量155 6.9.3 评价158 6.10 小结158 6.11 文献注释158 6.12 练习题159 第7章 聚类分析：高级概念161 7.1 引言161 7.2 类别型数据的聚类162 7.2.1 基于代表点的算法162 7.2.2 层次算法164 7.2.3 概率算法165 7.2.4 基于图的算法166 7.3 可扩展的数据聚类167 7.3.1 CLARANS167 7.3.2 BIRCH168 7.3.3 CURE169 7.4 高维数据聚类170 7.4.1 CLIQUE172 7.4.2 PROCLUS172 7.4.3 ORCLUS174 7.5 半监督聚类176 7.5.1 单点监督177 7.5.2 成对监督177 7.6 用户监督聚类与可视化监督聚类178 7.6.1 现有聚类算法的变体178 7.6.2 可视化聚类179 7.7 集成聚类181 7.7.1 选择不同的集成组件181 7.7.2 组合不同的集成组件182 7.8 聚类应用183 7.8.1 应用到其他数据挖掘问题183 7.8.2 客户分类与协同过滤183 7.8.3 文本应用184 7.8.4 多媒体应用184 7.8.5 时态与序列应用184 7.8.6 社交网络分析184 7.9 小结184 7.10 文献注释184 7.11 练习题185 第8章 异常分析186 8.1 引言186 8.2 极值分析187 8.2.1 单变量极值分析188 8.2.2 多变量极值190 8.2.3 基于深度的方法191 8.3 概率模型192 8.4 异常检测的聚类方法193 8.5 基于距离的异常检测195 8.5.1 剪枝方法195 8.5.2 局部距离修正方法197 8.6 基于密度的方法200 8.6.1 基于统计直方图和网格的技术200 8.6.2 核密度估计201 8.7 信息论模型201 8.8 异常点正确性203 8.8.1 方法论上的挑战203 8.8.2 接收者工作特征（ROC）曲线203 8.8.3 常见错误205 8.9 小结205 8.10 文献注释205 8.11 练习题206 第9章 异常分析：高级概念208 9.1 引言208 9.2 类别型数据上的异常检测208 9.2.1 概率模型209 9.2.2 聚类和基于距离的方法210 9.2.3 二元和集合取值的数据210 9.3 高维异常检测210 9.3.1 基于网格的罕见子空间探索212 9.3.2 随机子空间采样214 9.4 异常点集成分析215 9.4.1 根据成员独立性的分类216 9.4.2 根据构成成员的分类217 9.4.3 归一化与合并218 9.5 异常分析的应用219 9.5.1 质量控制和故障检测219 9.5.2 金融诈骗和异常事件219 9.5.3 网站日志分析219 9.5.4 入侵检测应用219 9.5.5 生物学和医学应用220 9.5.6 地球科学应用220 9.6 小结220 9.7 文献注释220 9.8 练习题221 第10章 数据分类222 10.1 引言222 10.2 分类的特征选择224 10.2.1 过滤模型224 10.2.2 包装模型227 10.2.3 嵌入式模型228 10.3 决策树228 10.3.1 划分准则231 10.3.2 停止准则与剪枝232 10.4 基于规则的分类器233 10.4.1 决策树规则生成234 10.4.2 顺序覆盖算法235 10.4.3 规则剪枝238 10.4.4 关联分类器238 10.5 概率分类器239 10.5.1 朴素贝叶斯分类器239 10.5.2 逻辑回归242 10.6 SVM245 10.6.1 线性可分数据的SVM245 10.6.2 不可分数据的SVM软间隔实现250 10.6.3 非线性SVM252 10.6.4 内核技巧253 10.7 神经网络256 10.7.1 单层神经网络：感知器257 10.7.2 多层神经网络258 10.7.3 不同线性模型的比较260 10.8 基于实例的学习261 10.8.1 最近邻分类器的设计差异261 10.9 分类器评估263 10.9.1 方法论问题263 10.9.2 量化问题265 10.10 小结269 10.11 文献注释269 10.12 练习题270 第11章 数据分类：高级概念272 11.1 引言272 11.2 多类别学习273 11.3 稀有类别学习274 11.3.1 样例重加权275 11.3.2 样例重采样275 11.4 可扩展分类276 11.4.1 可扩展的决策树276 11.4.2 可扩展的SVM277 11.5 数值型类别的回归模型278 11.5.1 线性回归278 11.5.2 主成分回归281 11.5.3 广义线性模型282 11.5.4 非线性和多项式回归283 11.5.5 由决策树至回归树284 11.5.6 模型有效性评估285 11.6 半监督学习285 11.6.1 通用元算法287 11.6.2 分类算法的具体变种288 11.6.3 基于图的半监督学习290 11.6.4 对半监督学习的讨论291 11.7 主动学习291 11.7.1 基于异构性的模型293 11.7.2 基于性能的模型294 11.7.3 基于代表性的模型295 11.8 集成方法296 11.8.1 为什么集成分析有效297 11.8.2 偏差-方差折中的正式表述299 11.8.3 集成学习的具体实例化301 11.9 小结305 11.10 文献注释305 11.11 练习题306 第12章 数据流挖掘308 12.1 引言308 12.2 流中的概要数据结构309 12.2.1 蓄水池采样309 12.2.2 海量域场景的概述结构315 12.3 数据流中的频繁模式挖掘325 12.3.1 利用概要结构325 12.3.2 有损计数算法325 12.4 数据流聚类326 12.4.1 STREAM算法326 12.4.2 CluStream算法328 12.4.3 海量域场景的流聚类331 12.5 流的异常检测332 12.5.1 单个数据点作为异常点332 12.5.2 聚集变化点作为异常点333 12.6 流分类335 12.6.1 VFDT家族335 12.6.2 有监督的微簇方法337 12.6.3 集成方法337 12.6.4 海量域流的分类337 12.7 小结338 12.8 文献注释338 12.9 练习题338 第13章 文本数据挖掘340 13.1 引言340 13.2 文档准备和相似度计算341 13.2.1 文档归一化和相似度计算342 13.2.2 专用于Web文档的预处理343 13.3 专用于文本的聚类方法344 13.3.1 基于代表点的算法344 13.3.2 概率算法346 13.3.3 同步发现文档簇和词簇347 13.4 主题建模349 13.4.1 维度约简中的使用以及与潜在语义分析的对比351 13.4.2 聚类中的使用以及与概率聚类的对比353 13.4.3 PLSA的局限性354 13.5 专用于文本的分类方法354 13.5.1 基于实例的分类器354 13.5.2 贝叶斯分类器356 13.5.3 高维稀疏数据的SVM分类器358 13.6 新事物和首发故事检测360 13.7 小结360 13.8 文献注释361 13.9 练习题361 参考文献362 ---------------------------数据挖掘：原理与实践（进阶篇）--------------------------- 出版者的话 译者序 前言 第14章 时间序列数据挖掘1 14.1 引言1 14.2 时间序列的前期准备和相似性度量2 14.2.1 缺失值处理2 14.2.2 噪声去除3 14.2.3 归一化4 14.2.4 数据转换和约简5 14.2.5 时间序列相似性度量6 14.3 时间序列预测7 14.3.1 自回归模型9 14.3.2 自回归移动平均模型10 14.3.3 带有隐含变量的多元预测11 14.4 时间序列模体13 14.4.1 基于距离的模体14 14.4.2 转换为序列模式挖掘15 14.4.3 周期模式16 14.5 时间序列聚类16 14.5.1 共同演化序列的在线聚类17 14.5.2 基于形状的聚类19 14.6 时间序列异常检测20 14.6.1 点异常21 14.6.2 形状异常22 14.7 时间序列分类23 14.7.1 有监督事件检测23 14.7.2 全时序分类26 14.8 小结27 14.9 文献注释27 14.10 练习题28 第15章 离散序列挖掘29 15.1 引言29 15.2 序列模式挖掘30 15.2.1 频繁模式到频繁序列32 15.2.2 约束的序列模式挖掘34 15.3 序列聚类35 15.3.1 基于距离的方法36 15.3.2 基于图的方法36 15.3.3 基于序列的聚类37 15.3.4 概率聚类37 15.4 序列中的异常检测40 15.4.1 位置异常40 15.4.2 组合异常44 15.5 隐马尔可夫模型45 15.5.1 HMM的正式定义47 15.5.2 评估：计算观察序列的拟合概率48 15.5.3 说明：确定观察序列的最优状态序列49 15.5.4 训练：鲍姆韦尔奇算法49 15.5.5 应用50 15.6 序列分类51 15.6.1 最近邻分类器51 15.6.2 基于图的方法51 15.6.3 基于规则的方法52 15.6.4 内核SVM52 15.6.5 概率方法：隐马尔可夫模型54 15.7 小结54 15.8 文献注释55 15.9 练习题55 第16章 空间数据挖掘57 16.1 引言57 16.2 上下文空间属性的挖掘58 16.2.1 形状到时间序列的转换58 16.2.2 使用小波分析的空间数据到多维数据的转换61 16.2.3 共址空间模式62 16.2.4 形状聚类63 16.2.5 异常检测64 16.2.6 形状分类66 16.3 轨迹挖掘67 16.3.1 轨迹数据和多变量时间序列的等价性67 16.3.2 将轨迹转换为多维数据68 16.3.3 轨迹模式挖掘68 16.3.4 轨迹聚类70 16.3.5 轨迹异常检测72 16.3.6 轨迹分类73 16.4 小结74 16.5 文献注释74 16.6 练习题75 第17章 图数据挖掘76 17.1 引言76 17.2 图匹配和距离计算77 17.2.1 同构子图问题的Ullman算法79 17.2.2 最大公共子图问题82 17.2.3 用于距离计算的图匹配方法82 17.3 基于转换的距离计算86 17.3.1 基于频繁子结构的转换和距离计算86 17.3.2 拓扑描述量87 17.3.3 基于内核的转换和计算89 17.4 图数据的频繁子结构挖掘90 17.4.1 基于节点的连接92 17.4.2 基于边的连接92 17.4.3 频繁模式挖掘到图模式挖掘93 17.5 图聚类93 17.5.1 基于距离的方法94 17.5.2 基于频繁子结构的方法94 17.6 图分类 96 17.6.1 基于距离的方法96 17.6.2 基于频繁子结构的方法97 17.6.3 内核SVM98 17.7 小结98 17.8 文献注释99 17.9 练习题99 第18章 挖掘Web数据101 18.1 引言101 18.2 Web爬取和资源发现102 18.2.1 基本爬虫算法102 18.2.2 偏好爬虫103 18.2.3 多线程104 18.2.4 爬虫陷阱应对方法104 18.2.5 检测近似重复的覆盖104 18.3 搜索引擎索引和查询处理105 18.4 排名算法107 18.4.1 PageRank107 18.4.2 HITS111 18.5 推荐系统112 18.5.1 基于内容的推荐114 18.5.2 协同过滤基于邻域的方法115 18.5.3 基于图的方法116 18.5.4 聚类方法117 18.5.5 潜在因素模型118 18.6 Web使用记录的挖掘119 18.6.1 数据预处理120 18.6.2 应用120 18.7 小结121 18.8 文献注释121 18.9 练习题122 第19章 社交网络分析123 19.1 引言123 19.2 社交网络：预备知识与特性124 19.2.1 同质性124 19.2.2 三元闭合和聚类系数124 19.2.3 网络构成的动态性125 19.2.4 符合幂定律的度分布126 19.2.5 中心度和声望的度量126 19.3 社区发现129 19.3.1 Kernighan-Lin算法131 19.3.2 Girvan-Newman算法132 19.3.3 多层次的图划分：METIS135 19.3.4 谱聚类137 19.4 协同分类140 19.4.1 迭代分类算法141 19.4.2 随机游走方式的标签传播142 19.4.3 有监督的谱方法145 19.5 链接预测147 19.5.1 基于邻域的度量148 19.5.2 Katz度量149 19.5.3 基于随机游走的度量150 19.5.4 链接预测作为分类问题150 19.5.5 链接预测作为缺失值估计问题150 19.5.6 讨论151 19.6 社交影响分析151 19.6.1 线性阈值模型152 19.6.2 独立级联模型153 19.6.3 影响函数求值153 19.7 小结153 19.8 文献注释154 19.9 练习题155 第20章 隐私保护数据挖掘157 20.1 引言157 20.2 数据采集期间的隐私保护158 20.2.1 重建聚合分布158 20.2.2 利用聚合分布来进行数据挖掘160 20.3 数据发布期间的隐私保护160 20.3.1 k匿名模型162 20.3.2 多样性模型172 20.3.3 t相近性模型173 20.3.4 维度灾难175 20.4 输出隐私保护176 20.5 分布式隐私保护177 20.6 小结178 20.7 文献注释178 20.8 练习题179 参考文献181 |