书城首页 › 当代 › 工业 › 数据挖掘 概念与技术 原书第4版
当代·工业

数据挖掘 概念与技术 原书第4版

正版保障多仓发货48小时内发货2-3天送达可开发票
¥75.29 定价 ¥129.00 5.8折 立省 ¥53.71
现货库存 27 件 全新
商品参数
书名
数据挖掘 概念与技术 原书第4版
作者
(美)韩家炜,(加)裴健,童行行 著 丁小欧 等 译
出版社
机械工业出版社
出版时间
2025-07-01
ISBN
9787111775935
货号
1203697830
品相
全新
分类
当代·工业
购物车(0)
商品参数
书名
数据挖掘 概念与技术 原书第4版
作者
(美)韩家炜,(加)裴健,童行行 著 丁小欧 等 译
出版社
机械工业出版社
出版时间
2025-07-01
ISBN
9787111775935
货号
1203697830
品相
全新
分类
当代·工业
编辑推荐▼

本书是数据挖掘领域的经典作品,首次出版至今已20余年,成为数据挖掘学习者的必读教材。作为领域的奠基之作,本书创建了数据挖掘的技术分类学框架、从基础理论到应用案例的完整知识体系,同时,跟随时代和技术的发展,不断完善和更新。既适合作为计算机科学、数据科学、人工智能等相关专业学生的课程教材,也适合作为相关领域研究人员及从业者的专业参考书。

本书特色

?聚焦核心内容。本书围绕数据挖掘的概念、原理和方法组织内容,让读者学会如何从各种类型的数据中挖掘模式、知识和模型,以应用于各种场景。重点关注针对大型数据集的数据挖掘技术的可行性、实用性、有效性和可扩展性。

?瞄准学术和产业前沿,重构数据挖掘知识体系。不仅引入深度学习等概念,而且梳理了数据挖掘的最新发展趋势和研究前沿。

?新版大幅修订,对技术内容进行大量改进和重组。更加关注数据本身,引入新的数据领域概念和关键数据挖掘方法以及其他更新的主题。

?配套资源丰富,每章配有PPT及练习,方便教学及自学。引领数据挖掘领域的人才培养。

作者简介▼

韩家炜(Jiawei Han)伊利诺伊大学厄巴纳-香槟分校计算机科学系教授。他主要专注于数据挖掘、信息网络和数据库等方面的研究,先后在KDD、VLDB、SIGMOD等发表高水平论文400余篇,并荣获2004年ACM SIGKDD最佳创新奖、2005年IEEE计算机学会技术成就奖、2009年IEEE计算机学会Wallace McDowell奖等。他是ACM和IEEE会士,曾担任TKDD的主编( 2006-2011)和许多杂志的编委。他是数据库领域杰出华人学者之代表。

裴健(Jian Pei)杜克大学三一艺术与科学学院计算机科学系教授兼系主任、医学院生物统计学与生物信息学系教授、普拉特工程学院电气与计算机工程教授。他也是加拿大皇家学会会士、加拿大工程院院士、ACM和IEEE会士。他的主要研究领域是数据科学、大数据、数据挖掘、数据库系统、企业数据战略。

童行行(Hanghang Tong)伊利诺伊大学厄巴纳-香槟分校计算机科学系教授,IEEE会士和ACM杰出科学家。他的研究方向主要为面向图数据和多媒体数据的大规模数据挖掘和机器学习,已发表300多篇论文并拥有20多项专利。他曾获得多个奖项,包括AMiner“最具影响力学者奖”、2020年数据挖掘荣誉奖等,他曾担任ACM SIGKDDExplorations的主编和ACM Computing Surveys的副主编。

目录▼

译者序

推荐序

第2版序

前言

致谢

作者简介

第1章 绪论 1

1.1 什么是数据挖掘 1

1.2 数据挖掘:知识发现中不可或缺的一步 2

1.3 数据挖掘的数据类型多样性 3

1.4 挖掘各种各样的知识 4

1.4.1 多维数据汇总 4

1.4.2 挖掘频繁模式、关联和相关性 5

1.4.3 用于预测分析的分类和回归 5

1.4.4 聚类分析 7

1.4.5 深度学习 7

1.4.6 离群点分析 7

1.4.7 数据挖掘的所有结果都有趣吗 8

1.5 数据挖掘:多学科的交汇 9

1.5.1 统计学与数据挖掘 9

1.5.2 机器学习与数据挖掘 10

1.5.3 数据库技术与数据挖掘 11

1.5.4 数据挖掘与数据科学 11

1.5.5 数据挖掘与其他学科 12

1.6 数据挖掘与应用 12

1.7 数据挖掘与社会 14

1.8 总结 14

1.9 练习 15

1.10 文献注释 15

第2章 数据、度量与数据预处理 17

2.1 数据类型 18

2.1.1 标称属性 18

2.1.2 二元属性 18

2.1.3 序数属性 19

2.1.4 数值属性 19

2.1.5 离散属性与连续属性 20

2.2 数据的基本统计描述 20

2.2.1 中心趋势度量 21

2.2.2 数据离散趋势度量 22

2.2.3 协方差和相关系数 25

2.2.4 数据基本统计描述的图形显示 27

2.3 数据的相似性与相异性度量 30

2.3.1 数据矩阵与相异性矩阵 31

2.3.2 标称属性的邻近性度量 32

2.3.3 二元属性的邻近性度量 32

2.3.4 数值属性的相异性:闵可夫斯基距离 34

2.3.5 序数属性的邻近性度量 35

2.3.6 混合类属性的相异性 36

2.3.7 余弦相似性 37

2.3.8 度量相似的分布:Kullback-Leibler散度 38

2.3.9 捕获相似性度量中的隐藏语义 39

2.4 数据质量、数据清洗和数据集成 39

2.4.1 数据质量度量 39

2.4.2 数据清洗 40

2.4.3 数据集成 44

2.5 数据转换 45

2.5.1 规范化 45

2.5.2 离散化 47

2.5.3 数据压缩 48

2.5.4 抽样 50

2.6 维归约 50

2.6.1 主成分分析 50

2.6.2 属性子集选择 51

2.6.3 非线性维归约方法 52

2.7 总结 55

2.8 练习 56

2.9 文献注释 59

第3章 数据仓库和在线分析处理 61

3.1 数据仓库 61

3.1.1 数据仓库:基本概念 61

3.1.2 数据仓库的架构:企业数据仓库和数据集市 63

3.1.3 数据湖 66

3.2 数据仓库建模:模式和度量标准 69

3.2.1 数据立方体:一个多维数据模型 69

3.2.2 多维数据模型的模式:星型、雪花和事实星座 72

3.2.3 概念层次结构 74

3.2.4 度量:分类和计算 75

3.3 OLAP操作 76

3.3.1 典型的OLAP操作 76

3.3.2 索引OLAP数据:位图索引和连接索引 78

3.3.3 存储实现:基于列的数据库 81

3.4 数据立方体计算 82

3.4.1 数据立方体计算的相关术语 82

3.4.2 数据立方体物化思路 83

3.4.3 OLAP服务器架构:ROLAP、MOLAP、HOLAP 85

3.4.4 数据立方体计算的一般策略 86

3.5 数据立方体计算方法 87

3.5.1 用于完全立方体计算的多路数组聚合 87

3.5.2 BUC:从顶点方体向下计算冰山立方体 91

3.5.3 为快速高维OLAP预计算壳片段 93

3.5.4 使用立方体高效处理OLAP查询 95

3.6 总结 96

3.7 练习 97

3.8 文献注释 102

第4章 模式挖掘:基本概念和方法 105

4.1 基本概念 105

4.1.1 购物篮分析:启发示例 105

4.1.2 频繁项集、闭项集和关联规则 106

4.2 频繁项集挖掘方法 108

4.2.1 Apriori算法:通过受限候选生成来查找频繁项集 108

4.2.2 从频繁项集生成关联规则 111

4.2.3 提高Apriori的效率 112

4.2.4 挖掘频繁项集的模式增长方法 113

4.2.5 使用垂直数据格式挖掘频繁项集 116

4.2.6 挖掘闭模式和最大模式 117

4.3 哪些模式有趣?——模式评估方法 117

4.3.1 强规则不一定有趣 118

4.3.2 从关联分析到相关分析 118

4.3.3 模式评估方法的比较 119

4.4 总结 122

4.5 练习 123

4.6 文献注释 125

第5章 模式挖掘:高级方法 127

5.1 挖掘多类型的模式 127

5.1.1 挖掘多层关联 127

5.1.2 挖掘多维关联 130

5.1.3 挖掘定量关联规则 131

5.1.4 挖掘高维数据 132

5.1.5 挖掘稀有模式和负模式 134

5.2 挖掘压缩模式或近似模式 135

5.2.1 利用模式聚类挖掘压缩模式 136

5.2.2 提取冗余感知的top-k模式 137

5.3 基于约束的模式挖掘 139

5.3.1 具有模式修剪约束的模式空间修剪 140

5.3.2 具有数据修剪约束的数据空间修剪 142

5.3.3 具有简洁性约束的挖掘空间修剪 143

5.4 序列模式挖掘 144

5.4.1 序列模式挖掘:概念与原语 144

5.4.2 可扩展的序列模式挖掘方法 146

5.4.3 基于约束的序列模式挖掘 153

5.5 挖掘子图模式 154

5.5.1 挖掘频繁子图的方法 154

5.5.2 挖掘变体和受约束子结构模式 159

5.6 模式挖掘:应用程序示例 162

5.6.1 海量文本数据中的短语挖掘 162

5.6.2 挖掘软件程序中的复制和粘贴错误 167

5.7 总结 169

5.8 练习 170

5.9 文献注释 171

第6章 分类:基本概念和方法 174

6.1 基本概念 174

6.1.1 什么是分类 174

6.1.2 分类的一般方法 175

6.2 决策树归纳 177

6.2.1 决策树算法 177

6.2.2 属性选择度量 181

6.2.3 剪枝 187

6.3 贝叶斯分类方法 189

6.3.1 贝叶斯定理 189

6.3.2 朴素贝叶斯分类 190

6.4 惰性学习器 193

6.4.1 k-最近邻分类器 194

6.4.2 基于案例的推理 195

6.5 线性分类器 196

6.5.1 线性回归 197

6.5.2 感知机:将线性回归转化为分类 198

6.5.3 logistic回归 199

6.6 模型评估与选择 202

6.6.1 评估分类器性能的度量 203

6.6.2 保持方法和随机二次抽样 206

6.6.3 交叉验证 207

6.6.4 自助法 207

6.6.5 使用统计显著性检验选择模型 208

6.6.6 基于成本效益和ROC曲线比较分类器 209

6.7 提高分类准确率的技术 211

6.7.1 集成分类方法简介 211

6.7.2 装袋 212

6.7.3 提升 213

6.7.4 随机森林 216

6.7.5 提高类不平衡数据的分类准确率 217

6.8 总结 218

6.9 练习 219

6.10 文献注释 221

第7章 分类:高级方法 224

7.1 特征选择与特征工程 224

7.1.1 过滤法 225

7.1.2 包装法 227

7.1.3 嵌入法 227

7.2 贝叶斯信念网络 230

7.2.1 概念和原理 230

7.2.2 训练贝叶斯信念网络 231

7.3 支持向量机 233

7.3.1 线性支持向量机 233

7.3.2 非线性支持向量机 237

7.4 基于规则和基于模式的分类 239

7.4.1 使用IF-THEN规则进行分类 239

7.4.2 从决策树中提取规则 241

7.4.3 使用序列覆盖算法进行规则归纳 242

7.4.4 关联分类 245

7.4.5 基于判别频繁模式的分类 247

7.5 弱监督分类 250

7.5.1 半监督分类 251

7.5.2 主动学习 252

7.5.3 迁移学习 253

7.5.4 远程监督 255

7.5.5 零样本学习 256

7.6 对丰富数据类型进行分类 258

7.6.1 流数据分类 258

7.6.2 序列分类 260

7.6.3 图数据分类 261

7.7 其他相关技术 264

7.7.1 多类分类 264

7.7.2 距离度量学习 266

7.7.3 分类的可解释性 268

7.7.4 遗传算法 269

7.7.5 强化学习 270

7.8 总结 271

7.9 练习 272

7.10 文献注释 275

第8章 聚类分析:基本概念和方法 278

8.1 聚类分析 278

8.1.1 什么是聚类分析 278

8.1.2 聚类分析的要求 280

8.1.3 基本聚类方法概述 281

8.2 划分方法 283

8.2.1 k-均值:一种基于形心的技术 283

8.2.2 k-均值方法的变体 285

8.3 层次方法 289

8.3.1 层次聚类的基本概念 290

8.3.2 凝聚式层次聚类 291

8.3.3 分裂式层次聚类 294

8.3.4 BIRCH:使用聚类特征树的可伸缩层次聚类 295

8.3.5 概率层次聚类 297

8.4 基于密度和基于网格的方法 299

8.4.1 DBSCAN:基于高密度相连区域的密度聚类 300

8.4.2 DENCLUE:基于密度分布函数的聚类 303

8.4.3 基于网格的方法 304

8.5 聚类评估 306

8.5.1 评估聚类趋势 307

8.5.2 确定簇数量 308

8.5.3 衡量聚类质量:外在方法 309

8.5.4 内在方法 312

8.6 总结 313

8.7 练习 314

8.8 文献注释 315

第9章 聚类分析:高级方法 318

9.1 基于概率模型的聚类 318

9.1.1 模糊簇 319

9.1.2 基于概率模型的簇 321

9.1.3 期望最大化算法 323

9.2 聚类高维数据 325

9.2.1 聚类高维数据的问题和挑战 325

9.2.2 轴平行子空间方法 328

9.2.3 任意定向子空间方法 329

9.3 双聚类 330

9.3.1 为什么以及在哪里使用双聚类 330

9.3.2 双簇的类型 332

9.3.3 双聚类方法 333

9.3.4 使用MaPle枚举所有双簇 334

9.4 聚类的维归约方法 334

9.4.1 用于聚类的线性维归约方法 335

9.4.2 非负矩阵分解 337

9.4.3 谱聚类 339

9.5 聚类图和网络数据 341

9.5.1 应用场景和挑战 341

9.5.2 相似性度量 342

9.5.3 图聚类方法 346

9.6 半监督聚类 349

9.6.1 标记部分数据的半监督聚类 350

9.6.2 基于成对约束的半监督聚类 350

9.6.3 半监督聚类的其他背景知识类型 352

9.7 总结 353

9.8 练习 354

9.9 文献注释 355

第10章 深度学习 357

10.1 基本概念 357

10.1.1 什么是深度学习 357

10.1.2 反向传播算法 360

10.1.3 训练深度学习模型的重要挑战 367

10.1.4 深度学习架构概述 368

10.2 改进深度学习模型的训练 369

10.2.1 响应性激活函数 369

10.2.2 自适应学习率 371

10.2.3 dropout 373

10.2.4 预训练 375

10.2.5 交叉熵 377

10.2.6 自编码器:无监督深度学习 378

10.2.7 其他技术 381

10.3 卷积神经网络 383

10.3.1 引入卷积操作 383

10.3.2 多维卷积 385

10.3.3 卷积层 388

10.4 循环神经网络 390

10.4.1 基本RNN模型和应用 390

10.4.2 门控循环神经网络 396

10.4.3 解决长期依赖性的其他技术 398

10.5 图神经网络 401

10.5.1 基本概念 401

10.5.2 图卷积网络 402

10.5.3 其他类型的图神经网络 406

10.6 总结 407

10.7 练习 409

10.8 文献注释 411

第11章 离群点检测 416

11.1 基本概念 416

11.1.1 什么是离群点 416

11.1.2 离群点的类型 417

11.1.3 离群点检测的挑战 419

11.1.4 离群点检测方法概述 420

11.2 统计方法 422

11.2.1 参数方法 422

11.2.2 非参数方法 425

11.3 基于邻近性的方法 426

11.3.1 基于距离的离群点检测 426

11.3.2 基于密度的离群点检测 427

11.4 基于重构的方法 430

11.4.1 基于矩阵分解的数值型数据离群点检测 430

11.4.2 基于模式压缩方法的分类数据离群点检测 434

11.5 基于聚类和分类的方法 437

11.5.1 基于聚类的方法 437

11.5.2 基于分类的方法 438

11.6 挖掘情境和集体离群点 440

11.6.1 将情境离群点检测转化为传统离群点检测 440

11.6.2 建模关于情境的正常行为 441

11.6.3 挖掘集体离群点 441

11.7 高维数据中的离群点检测 442

11.7.1 扩展传统的离群点检测 443

11.7.2 在子空间中查找离群点 444

11.7.3 离群点检测集成 445

11.7.4 通过深度学习驯服高维度 446

11.7.5 建模高维离群点 447

11.8 总结 448

11.9 练习 449

11.10 文献注释 450

第12章 数据挖掘趋势和研究前沿 452

12.1 挖掘丰富的数据类型 452

12.1.1 挖掘文本数据 452

12.1.2 时空数据 456

12.1.3 图和网络 457

12.2 数据挖掘应用 461

12.2.1 情感和观点的数据挖掘 461

12.2.2 真值发现与错误信息识别 463

12.2.3 信息和疾病传播 465

12.2.4 生产力与团队科学 468

12.3 数据挖掘的方法论和系统 470

12.3.1 对用于知识挖掘的非结构化数据进行结构化处理:一种数据驱动的方法 470

12.3.2 数据增强 472

12.3.3 从相关性到因果关系 474

12.3.4 将网络作为情境 476

12.3.5 自动化机器学习:方法和系统 478

12.4 数据挖掘、人类和社会 479

12.4.1 保护隐私的数据挖掘 479

12.4.2 人类与算法的交互 482

12.4.3 超越最大化准确率的挖掘:公平性、可解释性和鲁棒性 484

12.4.4 数据挖掘造福社会 487

附录A 数学背景 489

参考文献 509

文摘▼

本书是数据挖掘领域的经典作品,首次出版至今已20余年,成为数据挖掘学习者的必读教材。作为领域的奠基之作,本书创建了数据挖掘的技术分类学框架、从基础理论到应用案例的完整知识体系,同时,跟随时代和技术的发展,不断完善和更新。既适合作为计算机科学、数据科学、人工智能等相关专业学生的课程教材,也适合作为相关领域研究人员及从业者的专业参考书。

本书特色:

聚焦核心内容。本书围绕数据挖掘的概念、原理和方法组织内容,让读者学会如何从各种类型的数据中挖掘模式、知识和模型,以应用于各种场景。重点关注针对大型数据集的数据挖掘技术的可行性、实用性、有效性和可扩展性。

瞄准学术和产业前沿,重构数据挖掘知识体系。不仅引入深度学习等概念,而且梳理了数据挖掘的最新发展趋势和研究前沿。

新版大幅修订,对技术内容进行大量改进和重组。更加关注数据本身,引入新的数据领域概念和关键数据挖掘方法以及其他更新的主题。

配套资源丰富,每章配有PPT及练习,方便教学及自学。引领数据挖掘领域的人才培养。

¥75.29
🛒购物车