Data Mining: Concepts and Techniques
核心信息
- 作者：Jiawei Han (UIUC), Micheline Kamber
- 出版社：Morgan Kaufmann (Elsevier)，2006
- 页数：772页
- 版本：第二版
- 主题：数据挖掘基础理论与技术
目录结构
Part I: 基础概念
Chapter 1: Introduction
- 数据 mining 的动机与重要性
- 数据 mining 的定义
- 可挖掘的数据类型：关系数据库、数据仓库、事务数据库、高级系统
- 数据 mining 功能：概念描述、频繁模式挖掘、分类预测、聚类分析、异常检测、演化分析
Chapter 2: Data Preprocessing
- 数据概括：集中趋势、离散程度、图形显示
- 数据清洗：缺失值处理、噪声数据
- 数据集成与变换
- 数据约简：数据立方体聚合、属性子集选择、维度约简
- 数据离散化与概念层次生成
Chapter 3: Data Warehouse and OLAP Technology
- 数据仓库的定义与特点
- 多维数据模型：星型、雪花型、星座型模式
- 数据仓库架构：三层架构
- OLAP操作：切片、切块、旋转、钻取
- 从数据仓库到数据 mining
Part II: 核心技术
Chapter 4: Data Cube Computation and Data Generalization
- 高效数据立方体计算方法：
- Multiway Array Aggregation
- BUC算法（Iceberg Cubes）
- Star-cubing
- 属性导向归纳（Attribute-Oriented Induction）
- 类比较挖掘
Chapter 5: Mining Frequent Patterns, Associations, and Correlations
- 基本概念：频繁项集、闭项集、关联规则
- Apriori算法：候选生成方法
- 无候选生成的频繁项集挖掘
- 垂直数据格式挖掘
- 闭频繁项集挖掘
- 多级关联规则
- 约束关联规则挖掘
- 从关联分析到相关分析
Chapter 6: Classification and Prediction
- 决策树归纳：
- 属性选择度量（信息增益、增益率、Gini指数）
- 树剪枝
- 可扩展性
- 贝叶斯分类：
- 朴素贝叶斯
- 贝叶斯信念网络
- 规则分类
- 反向传播神经网络
- 支持向量机（SVM）
- 关联分类
- 惰性学习器（k-NN）
- 其他方法：遗传算法、粗糙集、模糊集
- 预测方法：线性回归、非线性回归
- 准确率评估：交叉验证、Bootstrap、ROC曲线
- 集成方法：Bagging、Boosting
Chapter 7: Cluster Analysis
- 聚类方法分类：
- 划分方法：k-Means、k-Medoids、CLARANS
- 层次方法：BIRCH、ROCK、Chameleon
- 基于密度的方法：DBSCAN、OPTICS、DENCLUE
- 基于网格的方法：STING、WaveCluster
- 基于模型的方法：EM算法、概念聚类
- 高维数据聚类：CLIQUE、PROCLUS
Chapter 8: Mining Stream, Time-Series, and Sequence Data
- 流数据 mining
- 时间序列数据分析
- 序列模式挖掘
Chapter 9: Graph Mining, Social Network Analysis, and Multirelational Data Mining
- 图结构挖掘
- 社交网络分析
- 多关系数据 mining
Chapter 10: Mining Object, Spatial, Multimedia, Text, and Web Data
- 对象数据 mining
- 空间数据挖掘
- 多媒体数据 mining
- 文本数据 mining
- Web数据挖掘
Chapter 11: Applications and Trends in Data Mining
- 数据挖掘应用案例
- 发展趋势
核心知识点
1. Apriori算法原理
- 利用频繁项集的子集也是频繁项集的性质
- 通过候选生成和剪枝减少搜索空间
- 时间复杂度：O(2
2. 决策树选择度量
- 信息增益（Information Gain）：ID3算法
- 增益率（Gain Ratio）：C4.5算法
- Gini指数：CART算法
3. k-Means聚类
- 需要指定聚类数k
- 对初始中心敏感
- 适合球形聚类
4. DBSCAN密度聚类
- 基于密度的定义
- 能发现任意形状的聚类
- 对噪声鲁棒
与其他知识的关联
- 与OB922数据挖掘讲义形成理论+实践的组合
- 与统计学习方法互补：本书偏工程实践，统计学习偏数学推导
- 与机器学习课程对应：本书是经典教材，内容全面
推荐理由
- 数据挖掘领域的经典教材
- 理论扎实，案例丰富
- 适合数据 mining 初学者系统学习
- 第二版增加了图 mining、流数据等新兴主题