第1章 绪论——从淘金客到矿山主 1
1.1 大数据时代的“四V” 2
1.2 什么是大数据挖掘 5
1.2.1 从数据分析到数据挖掘 6
1.2.2 Web挖掘 9
1.2.3 大数据挖掘之“大” 10
1.3 大数据挖掘的国内外发展 12
1.3.1 数据挖掘的应用发展 12
1.3.2 数据挖掘研究发展 17
1.4 本书内容 19
第2章 一小时了解数据挖掘 23
2.1 数据挖掘是如何解决问题的 23
2.1.1 尿不湿和啤酒 23
2.1.2 Target和怀孕预测指数 24
2.1.3 电子商务网站流量分析 25
2.2 分类：从人脸识别系统说起 27
2.2.1 分类算法的应用 29
2.2.2 数据挖掘分类技术 33
2.2.3 分类算法的评估 37
2.3 一切为了商业 40
2.3.1 什么是商业智能（Business Intelligence） 40
2.3.2 数据挖掘的九大定律 43
2.4 数据挖掘很纠结 44
2.5 数据挖掘的基本流程 45
2.5.1 数据挖掘的一般步骤 45
2.5.2 几个数据挖掘中常用的概念 47
2.5.3 CRISP-DM 51
2.5.4 数据挖掘的评估 53
2.5.5 数据挖掘结果的知识表示 55
2.6 本章相关资源 59
第3章 数据仓库——数据挖掘的基石 60
3.1 存放数据的仓库 60
3.1.1 数据仓库的定义 61
3.1.2 数据仓库和数据库 63
3.2 传统的数据仓库介绍 64
3.3 数据仓库基本结构 67
3.4 OLAP联机分析处理 69
3.5 云存储上的数据仓库 71
3.5.1 Google公司的云架构 71
3.5.2 开源的分布式系统Hadoop 77
3.5.3 Facebook的数据仓库 85
3.5.4 NoSQL 86
3.6 本章相关资源 89
第4章 数据挖掘算法及原理 91
4.1 数据挖掘中的算法 91
4.2 数据挖掘十大经典算法 92
4.3 分类算法（Classification） 96
4.4 聚类算法（Clustering） 99
4.5 关联算法 102
4.5.1 关联算法中的概念 103
4.5.2 关联规则数据挖掘过程 105
4.5.3 关联规则的分类 106
4.5.4 Apriori算法的执行实例 107
4.5.5 关联规则挖掘算法的研究与优化 108
4.6 序列挖掘（Sequence Mining） 113
4.7 数据挖掘建模语言PMML 115
4.8 本章相关资源 117
第5章 在进行数据挖掘之前 120
5.1 数据集成 121
5.2 为何要做数据预处理 122
5.3 数据预处理 124
5.3.1 数据清理 124
5.3.2 数据转换 129
5.3.3 数据规约 132
5.4 本章相关资源 134
第6章 R语言和其他数据挖掘工具 136
6.1 R语言的历史 136
6.1.1 R语言的特点 142
6.1.2 R语言和数据挖掘 149
6.2 其他数据挖掘工具 152
6.2.1 MATLAB 153
6.2.2 其他商用数据挖掘工具 155
6.2.3 开源数据挖掘工具Weka 159
6.3 数据挖掘和云 160
6.4 本章相关资源 162
第7章 互联网上的日志分析 164
7.1 网站日志简介 165
7.2 网站日志处理 175
7.2.1 Web日志预处理 175
7.2.2 Web日志分析和数据挖掘 181
7.3 邮件日志 183
7.4 本章相关资源 184
第8章 数据挖掘和电子邮件 186
8.1 邮件营销与垃圾邮件过滤 186
8.2 数据挖掘和邮件营销 189
8.2.1 如何有效地进行邮件营销 189
8.2.2 邮件营销案例分享之一 195
8.2.3 邮件营销案例分享之二 200
8.2.4 运用数据挖掘RFM模型提高邮件营销效果 203
8.3 数据挖掘和垃圾邮件过滤 208
8.3.1 垃圾邮件 209
8.3.2 垃圾邮件过滤技术 209
8.3.3 垃圾邮件过滤案例 215
8.4 本章相关资源 218
第9章 数据挖掘和互联网广告 219
9.1 互联网广告 219
9.2 广告作弊行为 223
9.3 网站联盟广告 225
9.4 网站联盟广告上的数据挖掘 226
9.4.1 数据助力网盟广告 227
9.4.2 如何应对网盟广告作弊 236
9.5 本章相关资源 241
第10章 数据挖掘和电子商务 242
10.1 中国电子商务现状 242
10.2 在互联网上卖米 248
10.3 用数据来掌握客户 250
10.3.1 客户何时来，从哪来 253
10.3.2 客户最喜欢哪种商品 257
10.3.3 竞争与反竞争分析 260
10.3.4 客户还会买什么 261
10.3.5 哪些客户是我们需要的 264
10.4 电子商务案例 265
10.4.1 电子商务企业案例一 266
10.4.2 电子商务企业案例二 279
10.5 本章相关资源 286
第11章 数据挖掘和Web挖掘 288
11.1 互联网上的个性化-Like 289
11.1.1 Like＝像 289
11.1.2 Like＝喜欢 290
11.2 Web挖掘和SNS 295
11.2.1 SNS上的数据价值 295
11.2.2 SNS上的数据关联关系 297
11.2.3 SNS上的用户关系 299
11.3 数据挖掘和隐私 302
11.4 本章相关资源 307
第12章 数据挖掘和移动互联网 308
12.1 移动互联网的特殊性 308
12.1.1 锁定用户的数据价值 309
12.1.2 移动互联网上数据的形式 310
12.1.3 移动互联网地理位置信息的价值 312
12.2 数据挖掘和LBS 314
12.2.1 用PU学习算法做文本挖掘 315
12.2.2 用相似匹配算法做地点挖掘 318
12.3 移动互联网数据面临的问题 320
12.4 本章相关资源 322
附录A 技术词汇表 323
附录B 英语参考文献表 335
附录C 中文参考文献表 347
附录D 微博 350
附录E 博客和其他网址 351