第1章 数据挖掘概述 1
1.1 数据挖掘的定义及含义 2
1.2 数据挖掘的作用 2
1.3 数据挖掘和数据仓库 3
1.4 数据挖掘和在线分析处理 4
1.5 数据挖掘、机器学习和统计 5
1.6 软硬件发展对数据挖掘的影响 5
1.7 数据挖掘的类型和研究内容 6
1.7.1 描述性数据挖掘 6
1.7.2 预测性数据挖掘 7
思考题与习题 8
第2章 数据仓库 9
2.1 什么是数据仓库 9
2.1.1 数据仓库的定义与基本特性 9
2.1.2 操作数据库系统与数据仓库的区别 10
2.1.3 为什么要建立数据仓库 11
2.2 数据仓库的一般结构 12
2.2.1 体系结构 12
2.2.2 数据仓库的运行结构 13
2.2.3 事实表和维表 14
2.2.4 数据组织结构 15
2.3 多维数据的分析 16
2.3.1 数据立方体 16
2.3.2 多维数据分析的基本操作 16
2.4 数据仓库的分析与设计 17
2.4.1 需求分析 17
2.4.2 数据仓库的概念模型 18
2.4.3 数据仓库的逻辑模型 19
2.4.4 数据仓库的物理模型 21
2.4.5 数据仓库的元数据模型 23
2.4.6 数据仓库的索引构建 24
2.5 数据仓库的开发过程 25
2.5.1 数据仓库的螺旋式开发方法 26
2.5.2 数据仓库的开发策略 26
思考题与习题 27
第3章 聚类 28
3.1 K-均值算法 28
3.1.1 优化目标 29
3.1.2 随机初始化 30
3.1.3 选择聚类数 30
3.2 层次聚类算法 30
3.3 SOM聚类算法 31
3.4 FCM聚类算法 32
3.5 几种聚类算法的分析 32
思考题与习题 34
第4章 关联规则挖掘 35
4.1 关联规则挖掘 35
4.1.1 关联规则提出背景 35
4.1.2 关联规则的基本概念 35
4.1.3 关联规则的分类 36
4.2 关联规则挖掘的相关算法 37
4.2.1 Apriori算法预备知识 37
4.2.2 Apriori算法的核心思想 37
4.2.3 Apriori算法描述 38
4.2.4 Apriori算法评价 38
4.2.5 Apriori算法改进 39
4.2.6 频繁模式树算法 40
4.3 关联规则的应用 40
4.3.1 关联规则挖掘技术在国内外的应用现状 40
4.3.2 关联规则在大型超市中应用的步骤 41
思考题与习题 43
第5章 决策树算法 46
5.1 决策树算法概述 46
5.2 决策树表示法 47
5.3 决策树学习的学习过程 47
5.4 基本的决策树学习算法 48
5.5 ID3算法的基本原理 49
5.5.1 用熵度量样例的均一性 49
5.5.2 用信息增益度量期望的熵降低 49
5.6 C4.5算法的基本原理 50
5.6.1 信息增益比选择最佳特征 50
5.6.2 处理连续数值型特征 51
5.6.3 叶子裁剪 51
思考题与习题 52
第6章 逻辑回归 54
6.1 分类问题 54
6.2 分类问题建模 54
6.3 判定边界 56
6.4 代价函数 56
6.5 多类分类 58
6.6 类偏斜的误差度量 59
6.7 查全率和查准率之间的权衡 59
思考题与习题 60
第7章 多变量线性回归 61
7.1 多维特征 61
7.2 多变量梯度下降 62
7.3 特征缩放 63
7.4 学习率 63
思考题与习题 64
第8章 神经网络 65
8.1 神经网络概述 66
8.2 神经网络模型的构建 67
8.3 神经网络示例 69
8.4 神经网络的代价函数 70
8.5 反向传播算法 71
8.6 梯度检验 73
8.7 综合 74
思考题与习题 74
第9章 支持向量机 76
9.1 优化目标 76
9.2 支持向量机判定边界 78
9.3 核函数 79
9.4 逻辑回归与支持向量机 82
9.5 支持向量回归 82
9.5.1 函数管道思想与不敏感函数 82
9.5.2 线性回归 83
9.5.3 非线性回归 85
思考题与习题 85
第10章 降维 87
10.1 数据压缩 87
10.1.1 将数据从二维降至一维 87
10.1.2 将数据从三维降至二维 88
10.2 数据可视化 88
10.3 主要成分分析 89
10.4 主要成分分析算法 90
10.5 选择主要成分的数量 91
10.6 应用主要成分分析 92
思考题与习题 93
第11章 异常检测 95
11.1 异常点的密度估计 95
11.2 异常检测 96
11.3 评价一个异常检测系统 97
11.4 异常检测与监督学习对比 98
11.5 选择特征 98
11.6 多元高斯分布 99
思考题与习题 101
第12章 推荐系统 102
12.1 问题形式化 102
12.2 基于内容的推荐系统 103
12.3 协同过滤算法 104
12.4 均值归一化 105
思考题与习题 106
第13章 大规模数据挖掘算法 107
13.1 大型数据集的学习 107
13.2 随机梯度下降法 108
13.3 微型批量梯度下降 109
13.4 随机梯度下降收敛 109
13.5 在线学习 110
13.6 映射化简和数据并行 111
思考题与习题 112
第14章 数据挖掘算法的案例分析 113
14.1 R语言的简介 113
14.2 案例：基于回归树预测海藻数量及分析水样化学参数 115
14.2.1 挖掘目标的提出 115
14.2.2 模型数据的分析 115
14.2.3 建模与仿真 123
14.2.4 编程代码 130
思考题与习题 134
参考文献 135