數(shù)據(jù)挖掘教程

第I部分 數(shù)據(jù)挖掘基礎(chǔ)
第1章 數(shù)據(jù)挖掘：初探
1.1 數(shù)據(jù)挖掘: 定義
1.2 計算機可以學(xué)習(xí)什么
1.3 數(shù)據(jù)挖掘是否適合自身的問題
1.4 采用專家系統(tǒng)還是數(shù)據(jù)挖掘
1.5 一個簡單的數(shù)據(jù)挖掘處理模型
1.6 為什么不進行簡單的搜索
1.7 數(shù)據(jù)挖掘應(yīng)用
1.8 本章小結(jié)
1.9 關(guān)鍵術(shù)語
1.10 練習(xí)
第2章 數(shù)據(jù)挖掘: 深入討論
2.1 數(shù)據(jù)挖掘策略
2.2 有指導(dǎo)的數(shù)據(jù)挖掘技術(shù)
2.3 關(guān)聯(lián)規(guī)則
2.4 聚類技術(shù)
2.5 評估性能
2.6 本章小結(jié)
2.7 關(guān)鍵術(shù)語
2.8 練習(xí)
第3章 基本數(shù)據(jù)挖掘技術(shù)
3.1 決策樹
3.2 生成關(guān)聯(lián)規(guī)則
3.3 K-平均值算法
3.4 遺傳學(xué)習(xí)
3.5 選擇一種數(shù)據(jù)挖掘技術(shù)
3.6 本章小結(jié)
3.7 關(guān)鍵術(shù)語
3.8 練習(xí)
第4章 基于Excel的數(shù)據(jù)挖掘工具
4.1 iData分析器
4.2 ESX: 一種多用途的數(shù)據(jù)挖掘工具
4.3 iDAV格式的數(shù)據(jù)挖掘
4.4 用于無指導(dǎo)聚類的5步法
4.5 用于有指導(dǎo)學(xué)習(xí)的6步法
4.6 生成規(guī)則技術(shù)
4.7 實例典型性
4.8 特別考慮和特性
4.9 本章小結(jié)
4.10 關(guān)鍵術(shù)語
4.11 練習(xí)
第II部分  知識發(fā)現(xiàn)工具
第5章 數(shù)據(jù)庫中的知識發(fā)現(xiàn)
5.1 一種KDD過程模型
5.2 步驟1: 目標定義
5.3 步驟2: 創(chuàng)建目標數(shù)據(jù)集
5.4 步驟3: 數(shù)據(jù)預(yù)處理
5.5 步驟4: 數(shù)據(jù)轉(zhuǎn)換
5.6 步驟5: 數(shù)據(jù)挖掘
5.7 步驟6: 解釋和評估
5.8 步驟7: 采取行動
5.9 CRISP-DM過程模型
5.10 ESX實驗
5.11 本章小結(jié)
5.12 關(guān)鍵術(shù)語
5.13 練習(xí)
第6章 數(shù)據(jù)倉庫
6.1 操作型數(shù)據(jù)庫
6.2 設(shè)計數(shù)據(jù)倉庫
6.3 聯(lián)機分析處理
6.4 用Excel數(shù)據(jù)透視表分析數(shù)據(jù)
6.5 本章小結(jié)
6.6 關(guān)鍵術(shù)語
6.7 練習(xí)
第7章 形式評估技術(shù)
7.1 評估對象
7.2 評估工具
7.3 計算檢驗集置信區(qū)間
7.4 比較有指導(dǎo)學(xué)習(xí)者模型
7.5 屬性評估
7.6 無指導(dǎo)評估技術(shù)
7.7 評估具有數(shù)值輸出的有指導(dǎo)模型
7.8 本章小結(jié)
7.9 關(guān)鍵術(shù)語
7.10 練習(xí)
第III部分 高級數(shù)據(jù)挖掘技術(shù)
第8 章 神經(jīng)網(wǎng)絡(luò)
8.1 前饋神經(jīng)網(wǎng)絡(luò)
8.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練: 概念介紹
8.3 一般考慮
8.4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練: 概念介紹
8.5 本章小結(jié)
8.6 關(guān)鍵術(shù)語
8.7 練習(xí)
第9章 使用iDA建立神經(jīng)網(wǎng)絡(luò)
9.1 反向傳播學(xué)習(xí)的4步法
9.2 神經(jīng)網(wǎng)絡(luò)聚類4步法
9.3 使用ESX進行神經(jīng)網(wǎng)絡(luò)簇分析
9.4 本章小結(jié)
9.5 關(guān)鍵術(shù)語
9.6 練習(xí)
第10章 統(tǒng)計技術(shù)
10.1 線性回歸分析
10.2 對數(shù)回歸
10.3 貝葉斯分類器
10.4 聚類算法
10.5 啟發(fā)式的還是統(tǒng)計的
10.6 本章小結(jié)
10.7 關(guān)鍵術(shù)語
10.8 練習(xí)
第11章 專門技術(shù)
11.1 時間序列分析
11.2 挖掘Web
11.3 挖掘文本數(shù)據(jù)
11.4 改進性能
11.5 本章小結(jié)
11.6 關(guān)鍵術(shù)語
11.7 練習(xí)
第IV部分 智能系統(tǒng)
第12章 基于規(guī)則的系統(tǒng)
12.1 探索人工智能
12.2 狀態(tài)空間搜索的問題求解
12.3 專家系統(tǒng)
12.4 構(gòu)造基于規(guī)則的系統(tǒng)
12.5 本章小結(jié)
12.6 關(guān)鍵術(shù)語
12.7 練習(xí)
第13章 基于規(guī)則的系統(tǒng)中不確定性的管理
13.1 不確定性: 來源和解決來源
13.2 基于規(guī)則的模糊系統(tǒng)
13.3 不確定性的基于概率的方法
13.4 本章小結(jié)
13.5 關(guān)鍵術(shù)語
13.6 練習(xí)
第14章 智能代理
14.1 智能代理的特征
14.2 智能代理的分類
14.3 整合數(shù)據(jù)挖掘、專家系統(tǒng)和智能代理
14.4 本章小結(jié)
14.5 關(guān)鍵術(shù)語
14.6 練習(xí)
附錄A  iDA軟件
A.1 軟件安裝
A.2 卸載iDA
A.3 軟件局限性
A.4 軟件使用指南
A.5 故障檢測
A.6 軟件支持
附錄B  數(shù)據(jù)挖掘數(shù)據(jù)集
B.1 iDA數(shù)據(jù)集包
B.2 所要挖掘的數(shù)據(jù)集所在的Web站點
附錄C  決策樹屬性選取
附錄D  性能評估的統(tǒng)計
D.1 單值匯總統(tǒng)計
D.2 正態(tài)分布
D.3 比較有指導(dǎo)學(xué)習(xí)模型
D.4 數(shù)據(jù)輸出的置信區(qū)間
D.5 比較具有數(shù)值輸出的模型
附錄E Excel數(shù)據(jù)透視表: Office 97
E.1 創(chuàng)建簡單數(shù)據(jù)透視表
E.2 假設(shè)檢驗的數(shù)據(jù)透視表
E.3 創(chuàng)建多維數(shù)據(jù)透視圖