數(shù)據(jù)挖掘：實用機器學習工具與技術(shù)（原書第3版）

Data Mining：Practical Machine Learning Tools and Techniques，Third Edition
出版者的話
譯者序
前言
致謝
第一部分　數(shù)據(jù)挖掘簡介
第1章　緒論2
1.1　數(shù)據(jù)挖掘和機器學習2
1.1.1　描述結(jié)構(gòu)模式3
1.1.2　機器學習5
1.1.3　數(shù)據(jù)挖掘6
1.2　簡單的例子：天氣問題和其他問題6
1.2.1　天氣問題7                                        
1.2.2　隱形眼鏡：一個理想化的問題8
1.2.3　鳶尾花：一個經(jīng)典的數(shù)值型數(shù)據(jù)集10
1.2.4　CPU性能：介紹數(shù)值預(yù)測11
1.2.5　勞資協(xié)商：一個更真實的例子11
1.2.6　大豆分類：一個經(jīng)典的機器學習的成功例子13
1.3　應(yīng)用領(lǐng)域14
1.3.1　Web挖掘15
1.3.2　包含評判的決策15
1.3.3　圖像篩選16
1.3.4　負載預(yù)測17
1.3.5　診斷17
1.3.6　市場和銷售18
1.3.7　其他應(yīng)用19
1.4　機器學習和統(tǒng)計學20
1.5　將泛化看做搜索21
1.5.1　枚舉概念空間22
1.5.2　偏差22
1.6　數(shù)據(jù)挖掘和道德24
1.6.1　再識別25
1.6.2　使用個人信息25
1.6.3　其他問題26
1.7　補充讀物27
第2章　輸入：概念、實例和屬性29
2.1　概念29
2.2　樣本31
2.2.1　關(guān)系32
2.2.2　其他實例類型34
2.3　屬性35
2.4　輸入準備37
2.4.1　數(shù)據(jù)收集37
2.4.2　ARFF格式38
2.4.3　稀疏數(shù)據(jù)40
2.4.4　屬性類型40
2.4.5　缺失值41
2.4.6　不正確的值42
2.4.7　了解數(shù)據(jù)43
2.5　補充讀物43
第3章　輸出：知識表達44
3.1　表44
3.2　線性模型44
3.3　樹45
3.4　規(guī)則48
3.4.1　分類規(guī)則49
3.4.2　關(guān)聯(lián)規(guī)則52
3.4.3　包含例外的規(guī)則52
3.4.4　表達能力更強的規(guī)則54
3.5　基于實例的表達56
3.6　聚類58
3.7　補充讀物60
第4章　算法：基本方法61
4.1　推斷基本規(guī)則61
4.1.1　缺失值和數(shù)值屬性62
4.1.2　討論64
4.2　統(tǒng)計建模64
4.2.1　缺失值和數(shù)值屬性67
4.2.2　用于文檔分類的樸素貝葉斯68
4.2.3　討論70
4.3　分治法：建立決策樹70
4.3.1　計算信息量73
4.3.2　高度分支屬性74
4.3.3　討論75
4.4　覆蓋算法：建立規(guī)則76
4.4.1　規(guī)則與樹77
4.4.2　一個簡單的覆蓋算法77
4.4.3　規(guī)則與決策列表80
4.5　挖掘關(guān)聯(lián)規(guī)則81
4.5.1　項集81
4.5.2　關(guān)聯(lián)規(guī)則83
4.5.3　有效地生成規(guī)則85
4.5.4　討論87
4.6　線性模型87
4.6.1　數(shù)值預(yù)測：線性回歸87
4.6.2　線性分類：Logistic回歸88
4.6.3　使用感知機的線性分類90
4.6.4　使用Winnow的線性分類91
4.7　基于實例的學習92
4.7.1　距離函數(shù)93
4.7.2　有效尋找最近鄰93
4.7.3　討論97
4.8　聚類97
4.8.1　基于距離的迭代聚類98
4.8.2　快速距離計算99
4.8.3　討論100
4.9　多實例學習100
4.9.1　聚集輸入100
4.9.2　聚集輸出100
4.9.3　討論101
4.10　補充讀物101
4.11　Weka實現(xiàn)103
第5章　可信度：評估學習結(jié)果104
5.1　訓練和測試104
5.2　預(yù)測性能106
5.3　交叉驗證108
5.4　其他評估方法109
5.4.1　留一交叉驗證109
5.4.2　自助法109
5.5　數(shù)據(jù)挖掘方法比較110
5.6　預(yù)測概率113
5.6.1　二次損失函數(shù)114
5.6.2　信息損失函數(shù)115
5.6.3　討論115
5.7　計算成本116
5.7.1　成本敏感分類117
5.7.2　成本敏感學習118
5.7.3　提升圖119
5.7.4　ROC曲線122
5.7.5　召回率-精確率曲線124
5.7.6　討論124
5.7.7　成本曲線125
5.8　評估數(shù)值預(yù)測127
5.9　最小描述長度原理129
5.10　在聚類方法中應(yīng)用MDL原理131
5.11　補充讀物132
第二部分　高級數(shù)據(jù)挖掘
第6章　實現(xiàn)：真正的機器學習方案134
6.1　決策樹135
6.1.1　數(shù)值屬性135
6.1.2　缺失值136
6.1.3　剪枝137
6.1.4　估計誤差率138
6.1.5　決策樹歸納的復(fù)雜度140
6.1.6　從決策樹到規(guī)則140
6.1.7　C4.5:選擇和選項141
6.1.8　成本-復(fù)雜度剪枝141
6.1.9　討論142
6.2　分類規(guī)則142
6.2.1　選擇測試的標準143
6.2.2　缺失值和數(shù)值屬性143
6.2.3　生成好的規(guī)則144
6.2.4　使用全局優(yōu)化146
6.2.5　從局部決策樹中獲得規(guī)則146
6.2.6　包含例外的規(guī)則149
6.2.7　討論151
6.3　關(guān)聯(lián)規(guī)則152
6.3.1　建立頻繁模式樹152
6.3.2　尋找大項集157
6.3.3　討論157
6.4　擴展線性模型158
6.4.1　最大間隔超平面159
6.4.2　非線性類邊界160
6.4.3　支持向量回歸161
6.4.4　核嶺回歸163
6.4.5　核感知機164
6.4.6　多層感知機165
6.4.7　徑向基函數(shù)網(wǎng)絡(luò)171
6.4.8　隨機梯度下降172
6.4.9　討論173
6.5　基于實例的學習174
6.5.1　減少樣本集的數(shù)量174
6.5.2　對噪聲樣本集剪枝174
6.5.3　屬性加權(quán)175
6.5.4　泛化樣本集176
6.5.5　用于泛化樣本集的距離函數(shù)176
6.5.6　泛化的距離函數(shù)177
6.5.7　討論178
6.6　局部線性模型用于數(shù)值預(yù)測178
6.6.1　模型樹179
6.6.2　構(gòu)建樹179
6.6.3　對樹剪枝180
6.6.4　名目屬性180
6.6.5　缺失值181
6.6.6　模型樹歸納的偽代碼181
6.6.7　從模型樹到規(guī)則184
6.6.8　局部加權(quán)線性回歸184
6.6.9　討論185
6.7　貝葉斯網(wǎng)絡(luò)186
6.7.1　預(yù)測186
6.7.2　學習貝葉斯網(wǎng)絡(luò)189
6.7.3　算法細節(jié)190
6.7.4　用于快速學習的數(shù)據(jù)結(jié)構(gòu)192
6.7.5　討論194
6.8　聚類194
6.8.1　選擇聚類的個數(shù)195
6.8.2　層次聚類195
6.8.3　層次聚類的例子196
6.8.4　增量聚類199
6.8.5　分類效用203
6.8.6　基于概率的聚類204
6.8.7　EM算法205
6.8.8　擴展混合模型206
6.8.9　貝葉斯聚類207
6.8.10　討論209
6.9　半監(jiān)督學習210
6.9.1　用于分類的聚類210
6.9.2　協(xié)同訓練212
6.9.3　EM和協(xié)同訓練212
6.9.4　討論213
6.10　多實例學習213
6.10.1　轉(zhuǎn)換為單實例學習213
6.10.2　升級學習算法215
6.10.3　專用多實例方法215
6.10.4　討論216
6.11　Weka實現(xiàn)216
第7章　數(shù)據(jù)轉(zhuǎn)換218
7.1　屬性選擇219
7.1.1　獨立于方案的選擇220
7.1.2　搜索屬性空間222
7.1.3　具體方案相關(guān)的選擇223
7.2　離散化數(shù)值屬性225
7.2.1　無監(jiān)督離散化226
7.2.2　基于熵的離散化226
7.2.3　其他離散化方法229
7.2.4　基于熵的離散化與基于誤差的離散化229
7.2.5　離散屬性轉(zhuǎn)換成數(shù)值屬性230
7.3　投影230
7.3.1　主成分分析231
7.3.2　隨機投影233
7.3.3　偏最小二乘回歸233
7.3.4　從文本到屬性向量235
7.3.5　時間序列236
7.4　抽樣236
7.5　數(shù)據(jù)清洗237
7.5.1　改進決策樹237
7.5.2　穩(wěn)健回歸238
7.5.3　檢測異常239
7.5.4　一分類學習239
7.6　多分類問題轉(zhuǎn)換成二分類問題242
7.6.1　簡單方法242
7.6.2　誤差校正輸出編碼243
7.6.3　集成嵌套二分法244
7.7　校準類概率246
7.8　補充讀物247
7.9　Weka實現(xiàn)249
第8章　集成學習250
8.1　組合多種模型250
8.2　裝袋251
8.2.1　偏差-方差分解251
8.2.2　考慮成本的裝袋253
8.3　隨機化253
8.3.1　隨機化與裝袋254
8.3.2　旋轉(zhuǎn)森林254
8.4　提升255
8.4.1　AdaBoost算法255
8.4.2　提升算法的威力257
8.5　累加回歸258
8.5.1　數(shù)值預(yù)測258
8.5.2　累加Logistic回歸259
8.6　可解釋的集成器260
8.6.1　選擇樹260
8.6.2　Logistic模型樹262
8.7　堆棧262
8.8　補充讀物264
8.9　Weka實現(xiàn)265
第9章　繼續(xù)：擴展和應(yīng)用266
9.1　應(yīng)用數(shù)據(jù)挖掘266
9.2　從大型的數(shù)據(jù)集里學習268
9.3　數(shù)據(jù)流學習270
9.4　融合領(lǐng)域知識272
9.5　文本挖掘273
9.6　Web挖掘276
9.7　對抗情形278
9.8　無處不在的數(shù)據(jù)挖掘280
9.9　補充讀物281
第三部分　Weka數(shù)據(jù)挖掘平臺
第10章　Weka簡介284
10.1　Weka中包含了什么284
10.2　如何使用Weka285
10.3　Weka的其他應(yīng)用286
10.4　如何得到Weka286
……
第11章　Explorer界面287
第12章　Knowledge Flow界面351
第13章　Experimenter界面358
第14章　命令行界面368
第15章　嵌入式機器學習376
第16章　編寫新的學習方案382
第17章　Weka Explorer的輔導(dǎo)練習397
參考文獻416
索引431