第1章 概论 1
1.1 数据挖掘概念及其产生的背景 1
1.2 数据挖掘起源 2
1.3 数据挖掘任务 2
1.4 数据挖掘过程 5
1.5 数据挖掘解决的典型问题 6
1.6 数据挖掘常用工具及开发商 7
第2章 决策树算法 10
2.1 分类原理 10
2.2 决策树算法概述 11
2.3 决策树相关概念及定义 13
2.4 决策树生成过程 14
2.5 决策树算法特点 15
2.6 决策树剪枝技术 16
2.7 决策树算法国内外研究现状 18
2.8 ID3算法 20
2.9 C4.5算法 26
2.10 CART算法 31
2.11 SLIQ算法 32
2.12 SPRINT算法 34
2.13 PUBLIC算法 35
2.14 决策树算法比较 36
第3章 贝叶斯分类算法 37
3.1 贝叶斯分类理论 37
3.2 贝叶斯分类模型 39
3.3 贝叶斯分类模型的改进研究 43
3.4 贝叶斯网络 46
3.5 贝叶斯网络应用实例 48
第4章 人工神经网络算法 52
4.1 基本概念及特征 52
4.2 人工神经网络的分类 53
4.3 人工神经网络的发展历史 55
4.4 人工神经元模型 56
4.5 BP神经网络 60
4.6 BP神经算法应用实例 64
第5章 支持向量机 74
5.1 概述 74
5.2 统计学习理论 74
5.3 支持向量机定义 77
5.4 核函数 79
5.5 支持向量机的训练算法 80
5.6 支持向量机应用实例 84
第6章 关联规则 86
6.1 关联规则相关定义及基本概念 87
6.2 APRIORI算法 88
6.3 从频繁项集到强关联规则 92
6.4 提高APRIORI算法的效率 93
6.5 Web挖掘 98
第7章 聚类分析 105
7.1 概述 105
7.2 数据结构与数据类型 106
7.3 聚类准则函数 109
7.4 主要聚类算法 111
7.5 K-means聚类算法 113
7.6 K-means算法应用实例 118
第8章 数据挖掘相关技术 124
8.1 粗糙集技术 124
8.2 模糊集技术 127
8.3 数据仓库 131
第9章 数据挖掘在信用评估模型中的应用 141
9.1 我国商业银行运用数据挖掘技术的必要性 141
9.2 信用的基本概念 143
9.3 信用风险的影响因素 144
9.4 风险评估的特点 145
9.5 信用评估模型的主要应用技术 145
9.6 基于数据挖掘的农户小额贷款信用评估模型研究 145
第10章 数据挖掘在决策支持系统中的应用 158
10.1 决策支持系统 158
10.2 决策支持系统的主要特征及功能 160
10.3 智能决策支持系统 161
10.4 基于数据挖掘的房地产决策支持系统的开发 163
参考文献 178