具体描述
《数据挖掘概念与技术(原书第2版)》全面地讲述数据挖掘领域的重要知识和技术创新。在第1版内容相当全面的基础上，第2版展示了该领域的最新研究成果，例如挖掘流、时序和序列数据以及挖掘时间空间、多媒体、文本和Web数据。本书可作为数据挖掘和知识发现领域的教师、研究人员和开发人员的一本必读书。 《数据挖掘概念与技术(原书第2版)》第1版曾是受读者欢迎的数据挖掘专著，是一本可读性极佳的教材。第2版充实了数据挖掘领域研究新进展的题材，增加了讲述最新的数据挖掘方法的若干章节。本书适合作为高等院校计算机及相关专业高年级本科生的选修课教材，特别适合作为研究生的专业课教材。
海报：
作者简介
Jiawei Han(韩家炜)，是伊利诺伊大学厄巴纳-尚佩恩分校计算机科学系的Bliss教授。他因知识发现和数据挖掘研究方面的贡献而获得许多奖励，包括ACM SIGKDD创新奖(2004)、IEEE计算机学会技术成就奖(2005)和IEEE W.Wallace McDowell奖(2009)。他是ACM和IEEE会士。他还担任《ACM Transactions on Knowledge Discovery from Data》的执行主编(2006—2011)和许多杂志的编委，包括《IEEE Transactions on Knowledge and Data Engineering》和《Data Mining Knowledge Discovery》。
拥有加拿大康考迪亚大学计算机科学硕士学位，现在加拿大西蒙弗雷泽大学从事博士后研究工作。
目录信息
专家指导委员会
中文版序
译者序
序
前言
第1章 引言 1
1.1 什么激发了数据挖掘，为什么它是重要的 1
1.2 什么是数据挖掘 3
1.3 对何种数据进行数据挖掘 6
1.3.1 关系数据库 6
1.3.2 数据仓库 8
1.3.3 事务数据库 10
1.3.4 高级数据和信息系统与高级应用 10
1.4 数据挖掘功能—可以挖掘什么类型的模式 14
1.4.1 概念/类描述：特征化和区分 14
1.4.2 挖掘频繁模式、关联和相关 15
1.4.3 分类和预测 15
1.4.4 聚类分析 17
1.4.5 离群点分析 17
.1.4.6 演变分析 18
1.5 所有模式都是有趣的吗 18
1.6 数据挖掘系统的分类 19
1.7 数据挖掘任务原语 20
1.8 数据挖掘系统与数据库系统或数据仓库系统的集成 22
1.9 数据挖掘的主要问题 23
1.10 小结 25
习题 26
文献注释 27
第2章 数据预处理 30
2.1 为什么要预处理数据 30
2.2 描述性数据汇总 32
2.2.1 度量数据的中心趋势 32
2.2.2 度量数据的离散程度 34
2.2.3 基本描述数据汇总的图形显示 36
2.3 数据清理 39
2.3.1 缺失值 39
2.3.2 噪声数据 40
2.3.3 数据清理作为一个过程 41
2.4 数据集成和变换 43
2.4.1 数据集成 43
2.4.2 数据变换 45
2.5 数据归约 47
2.5.1 数据立方体聚集 47
2.5.2 属性子集选择 48
2.5.3 维度归约 49
2.5.4 数值归约 51
2.6 数据离散化和概念分层产生 55
2.6.1 数值数据的离散化和概念分层产生 56
2.6.2 分类数据的概念分层产生 60
2.7 小结 62
习题 62
文献注释 65
第3章 数据仓库与olap技术概述 67
3.1 什么是数据仓库 67
3.1.1 操作数据库系统与数据仓库的区别 68
3.1.2 为什么需要分离的数据仓库 69
3.2 多维数据模型 70
3.2.1 由表和电子数据表到数据立方体 70
3.2.2 星形、雪花形和事实星座形模式：多维数据库模式 72
3.2.3 定义星形、雪花形和事实星座形模式的例子 75
3.2.4 度量的分类和计算 76
3.2.5 概念分层 77
3.2.6 多维数据模型中的olap操作 79
3.2.7 查询多维数据库的星形网查询模型 81
3.3 数据仓库的系统结构 82
3.3.1 数据仓库的设计和构造步骤 82
3.3.2 三层数据仓库的系统结构 83
3.3.3 数据仓库后端工具和实用程序 85
3.3.4 元数据储存库 86
3.3.5 olap服务器类型：rolap、
molap与holap 86
3.4 数据仓库实现 88
3.4.1 数据立方体的有效计算 88
3.4.2 索引olap数据 90
3.4.3 olap查询的有效处理 92
3.5 从数据仓库到数据挖掘 93
3.5.1 数据仓库的使用 93
3.5.2 由联机分析处理到联机分析挖掘 95
3.6 小结 96
习题 97
文献注释 99
第4章 数据立方体计算与数据泛化 101
4.1 数据立方体计算的有效方法 101
4.1.1 不同类型立方体物化的路线图 101
4.1.2 完全立方体计算的多路数组聚集 105
4.1.3 buc：从顶点方体向下计算冰山立方体 108
4.1.4 star-cubing：使用动态星形树结构计算冰山立方体 111
4.1.5 为快速高维olap预计算壳片段 116
4.1.6 计算具有复杂冰山条件的立方体 121
4.2 数据立方体和olap技术的进一步发展 122
4.2.1 数据立方体的发现驱动的探查 122
4.2.2 在多粒度的复杂聚集：多特征立方体 124
4.2.3 数据立方体中被约束的梯度分析 126
4.3 面向属性的归纳—另一种数据泛化和概念描述方法 128
4.3.1 数据特征化的面向属性的归纳 129
4.3.2 面向属性归纳的有效实现 132
4.3.3 导出泛化的表示 133
4.3.4 挖掘类比较：区分不同的类 136
4.3.5 类描述：特征化和比较的表示 139
4.4 小结 140
习题 141
文献注释 144
第5章 挖掘频繁模式、关联和相关 146
5.1 基本概念和路线图 146
5.1.1 购物篮分析：引发性例子 146
5.1.2 频繁项集、闭项集和关联规则 147
5.1.3 频繁模式挖掘：路线图 149
5.2 有效的和可伸缩的频繁项集挖掘方法 150
5.2.1 apriori算法：使用候选产生发现频繁项集 151
5.2.2 由频繁项集产生关联规则 154
5.2.3 提高apriori算法的效率 155
5.2.4 不候选产生挖掘频繁项集 156
5.2.5 使用垂直数据格式挖掘频繁项集 159
5.2.6 挖掘闭频繁项集 160
5.3 挖掘各种类型的关联规则 162
5.3.1 挖掘多层关联规则 162
5.3.2 从关系数据库和数据仓库挖掘多维关联规则 164
5.4 由关联挖掘到相关分析 168
5.4.1 强关联规则不一定有趣：一个例子 168
5.4.2 从关联分析到相关分析 168
5.5 基于约束的关联挖掘 172
5.5.1 关联规则的元规则制导挖掘 172
5.5.2 约束推进：规则约束制导的挖掘 173
5.6 小结 176
习题 177
文献注释 181
第6章 分类和预测 184
6.1 什么是分类，什么是预测.. 184
6.2 关于分类和预测的问题 186
6.2.1 为分类和预测准备数据 186
6.2.2 比较分类和预测方法 187
6.3 用决策树归纳分类 188
6.3.1 决策树归纳 189
6.3.2 属性选择度量 191
6.3.3 树剪枝 196
6.3.4 可伸缩性与决策树归纳 198
6.4 贝叶斯分类 200
6.4.1 贝叶斯定理 201
6.4.2 朴素贝叶斯分类 201
6.4.3 贝叶斯信念网络 204
6.4.4 训练贝叶斯信念网络 205
6.5 基于规则的分类 206
6.5.1 使用if-then规则分类 206
6.5.2 从决策树提取规则 208
6.5.3 使用顺序覆盖算法的规则归纳 209
6.6 用后向传播分类 212
6.6.1 多层前馈神经网络 213
6.6.2 定义网络拓扑 213
6.6.3 后向传播 214
6.6.4 黑盒内部：后向传播和可解释性 218
6.7 支持向量机 219
6.7.1 数据线性可分的情况 219
6.7.2 数据非线性可分的情况 222
6.8 关联分类：基于关联规则分析的分类 224
6.9 惰性学习法（或从近邻学习） 226
6.9.1 k最近邻分类法 226
6.9.2 基于案例的推理 228
6.10 其他分类方法 228
6.10.1 遗传算法 228
6.10.2 粗糙集方法 229
6.10.3 模糊集方法 229
6.11 预测 231
6.11.1 线性回归 231
6.11.2 非线性回归 233
6.11.3 其他基于回归的方法 234
6.12 准确率和误差的度量 234
6.12.1 分类器准确率度量 234
6.12.2 预测器误差度量 236
6.13 评估分类器或预测器的准确率 237
6.13.1 保持方法和随机子抽样 237
6.13.2 交叉确认 238
6.13.3 自助法 238
6.14 系综方法—提高准确率 238
6.14.1 装袋 239
6.14.2 提升 240
6.15 模型选择 241
6.15.1 估计置信区间 242
6.15.2 roc 曲线 243
6.16 小结 244
习题 245
文献注释 247
第7章 聚类分析 251
7.1 什么是聚类分析 251
7.2 聚类分析中的数据类型 253
7.2.1 区间标度变量 253
7.2.2 二元变量 255
7.2.3 分类、序数和比例标度变量 256
7.2.4 混合类型的变量 259
7.2.5 向量对象 260
7.3 主要聚类方法的分类 261
7.4 划分方法 263
7.4.1 典型的划分方法：k均值和k中心点 263
7.4.2 大型数据库的划分方法：从k中心点到clarans 266
7.5 层次方法 267
7.5.1 凝聚和分裂层次聚类 267
7.5.2 birch：利用层次方法的平衡迭代归约和聚类 269
7.5.3 rock：分类属性的层次聚类算法 271
7.5.4 chameleon：利用动态建模的层次聚类算法 272
7.6 基于密度的方法 273
7.6.1 dbscan：一种基于高密度连通区域的基于密度的聚类方法 273
7.6.2 optics：通过点排序识别聚类结构 275
7.6.3 denclue：基于密度分布函数的聚类 276
7.7 基于网格的方法 278
7.7.1 sting：统计信息网格 278
7.7.2 wavecluster：利用小波变换聚类 279
7.8 基于模型的聚类方法 280
7.8.1 期望最大化方法 280
7.8.2 概念聚类 281
7.8.3 神经网络方法 283
7.9 聚类高维数据 284
7.9.1 clique：维增长子空间聚类方法 285
7.9.2 proclus：维归约子空间聚类方法 287
7.9.3 基于频繁模式的聚类方法 287
7.10 基于约束的聚类分析 290
7.10.1 含有障碍物的对象聚类 291
7.10.2 用户约束的聚类分析 293
7.10.3 半监督聚类分析 293
7.11 离群点分析 295
7.11.1 基于统计分布的离群点检测 295
7.11.2 基于距离的离群点检测 296
7.11.3 基于密度的局部离群点检测 298
7.11.4 基于偏差的离群点检测 299
7.12 小结 300
习题 301
文献注释 303
第8章 挖掘流、时间序列和序列数据 306
8.1 挖掘数据流 306
8.1.1 流数据处理方法和流数据系统 307
8.1.2 流olap和流数据立方体 310
8.1.3 数据流中的频繁模式挖掘 314
8.1.4 动态数据流的分类 315
8.1.5 聚类演变数据流 318
8.2 时间序列数据挖掘 320
8.2.1 趋势分析 320
8.2.2 时间序列分析中的相似性搜索 323
8.3 挖掘事务数据库中的序列模式 325
8.3.1 序列模式挖掘：概念和原语 326
8.3.2 挖掘序列模式的可伸缩方法 327
8.3.3 基于约束的序列模式挖掘 333
8.3.4 时间相关序列数据的周期性分析 335
8.4 挖掘生物学数据中的序列模式 336
8.4.1 生物学序列比对 336
8.4.2 生物学序列分析的隐马尔可夫模型 339
8.5 小结 345
习题 346
文献注释 348
第9章 图挖掘、社会网络分析和多关系数据挖掘 351
9.1 图挖掘 351
9.1.1 挖掘频繁子图的方法 351
9.1.2 挖掘变体和约束子结构的模式 357
9.1.3 应用：图索引、相似性搜索、分类和聚类 361
9.2 社会网络分析 363
9.2.1 什么是社会网络 363
9.2.2 社会网络的特征 365
9.2.3 链接挖掘：任务和挑战 367
9.2.4 挖掘社会网络 369
9.3 多关系数据挖掘 373
9.3.1 什么是多关系数据挖掘 373
9.3.2 多关系分类的ilp方法 375
9.3.3 元组id传播 376
9.3.4 利用元组id传播进行多关系分类 377
9.3.5 用户指导的多关系聚类 379
9.4 小结 382
习题 383
文献注释 384
第10章 挖掘对象、空间、多媒体、文本和web数据 386
10.1 复杂数据对象的多维分析和描述性挖掘 386
10.1.1 结构化数据的泛化 386
10.1.2 空间和多媒体数据泛化中的聚集和近似 387
10.1.3 对象标识和类/子类层次的泛化 388
10.1.4 类复合层次泛化 388
10.1.5 对象立方体的构造与挖掘 389
10.1.6 用分治法对规划数据库进行基于泛化的挖掘 389
10.2 空间数据挖掘 391
10.2.1 空间数据立方体构造和空间olap 392
10.2.2 挖掘空间关联和并置模式 395
10.2.3 空间聚类方法 396
10.2.4 空间分类和空间趋势分析 396
10.2.5 挖掘光栅数据库 396
10.3 多媒体数据挖掘 396
10.3.1 多媒体数据的相似性搜索 396
10.3.2 多媒体数据的多维分析 397
10.3.3 多媒体数据的分类和预测分析 399
10.3.4 挖掘多媒体数据中的关联 399
10.3.5 音频和视频数据挖掘 400
10.4 文本挖掘 401
10.4.1 文本数据分析和信息检索 401
10.4.2 文本的维度归约 405
10.4.3 文本挖掘方法 407
10.5 挖掘万维网 410
10.5.1 挖掘web页面布局结构 411
10.5.2 挖掘web链接结构识别权威web页面 413
10.5.3 挖掘web上的多媒体数据 416
10.5.4 web文档的自动分类 418
10.5.5 web使用挖掘 418
10.6 小结 419
习题 420
文献注释 421
第11章 数据挖掘的应用和发展趋势 424
11.1 数据挖掘的应用 424
11.1.1 金融数据分析的数据挖掘 424
11.1.2 零售业的数据挖掘 425
11.1.3 电信业的数据挖掘 426
11.1.4 生物学数据分析的数据挖掘 427
11.1.5 其他科技应用的数据挖掘 428
11.1.6 入侵检测的数据挖掘 429
11.2 数据挖掘系统产品和研究原型 430
11.2.1 如何选择数据挖掘系统 431
11.2.2 商用数据挖掘系统的实例 432
11.3 数据挖掘的其他主题 433
11.3.1 数据挖掘的理论基础 434
11.3.2 统计学数据挖掘 434
11.3.3 可视数据和音频数据挖掘 435
11.3.4 数据挖掘和协同过滤 440
11.4 数据挖掘的社会影响 440
11.4.1 无处不在和无形的数据挖掘 441
11.4.2 数据挖掘、隐私和数据安全 443
11.5 数据挖掘的发展趋势 445
11.6 小结 446
习题 447
文献注释 449
附录 微软用于数据挖掘的ole db简介 452
a.1 模型创建 453
a.2 模型训练 454
a.3 模型预测和浏览 456
索引 460
· · · · · · (收起)
读后感
讲的很不错，就死实现起来有点麻烦。不知道apriori算法大家怎么实现的？主要是采用什么数据结构存储。
对于刚入门数据挖掘的人来说，这书绝对会让你感觉自己是个折翼的天使。，因为一开始就各种各样的理论扑面而来，而对于那些经典的算法却只是做一个感性的介绍，并没有那种流程图式的清晰解说。总之就是，不易上手。 但是在这种不面善的情况，为什么该书却被国内外...
这本书是刚上研究生的时候开始看的，这本书介绍的数据挖掘基本上是从数据库的概念出发的，对各种算法都有提及，但是很多算法基本上是语焉不详，对于刚开始学习数据挖掘和机器学习的学生来说，能对数据挖掘的基本概念有所了解，对算法也只能了解个大概了。 如果不是纯搞数据仓库...
讲的很不错，就死实现起来有点麻烦。不知道apriori算法大家怎么实现的？主要是采用什么数据结构存储。
用户评价
这本书的价值，很大程度上体现在其对“技术选型”的深入剖析上。数据挖掘领域的技术更新速度令人眼花缭乱，新的模型和工具层出不穷。这本书的高明之处在于，它并没有一味追求最新、最酷的技术，而是将篇幅集中在了那些经过时间检验、构成了行业基石的经典算法上。书中对决策树（如C4.5和CART）、支持向量机（SVM）以及朴素贝叶斯分类器的讲解，其细致程度令人印象深刻。它不仅描述了算法的工作原理，更深入探讨了它们各自的适用场景、局限性以及如何进行参数调优。例如，在讨论决策树的剪枝技术时，作者详细阐述了如何通过代价复杂度剪枝来平衡模型的准确性和泛化能力，这种对工程实践的关注点，远远超出了纯理论的范畴。我感觉自己不是在读一本静态的教材，而是在学习一套动态的、能够适应不同业务需求的“工具箱”，知道什么时候该用哪个工具，以及如何将工具的效能发挥到极致。
当我翻开这本书时，首先被其排版和图示的精美所震撼。这绝不是那种只有密密麻麻公式堆砌的“硬核”教科书。恰恰相反，它在保持技术深度的同时，极大地优化了读者的阅读体验。对于那些复杂的高维数据可视化和聚类算法，作者巧妙地运用了大量的流程图和对比图表。我记得有一处关于DBSCAN和K-Means聚类方法优劣势的对比图，清晰地展示了它们在处理非凸形状数据集时的根本区别，配以简洁的文字说明，效率极高。这种注重“所见即所得”的呈现方式，极大地降低了理解门槛。我曾经尝试阅读其他几本号称“权威”的数据挖掘书籍，往往在读到第一章的数学背景回顾时就彻底放弃了，因为它们预设的读者群体对概率论和线性代数已经有了非常扎实的掌握。然而，这本书似乎更懂得如何“教”人，它在需要数学基础的地方，会用非常直观的类比来辅助理解，而不是直接扔出复杂的矩阵运算。因此，对于那些想要系统性地掌握数据挖掘核心算法，但又害怕被晦涩数学吓倒的读者来说，这本书无疑是一剂强心针。
令我感到惊喜的是，这本书在探讨数据挖掘应用层面时，展现了惊人的广度。它似乎涵盖了从基础的描述性分析到复杂的预测性建模的各个维度。除了常规的分类、聚类、关联分析，书中还专门辟出章节讲解了时间序列分析和异常检测。特别是异常检测的部分，结合了统计学方法和基于密度的局部异常因子（LOF）算法，让我对金融风控和网络安全领域中的欺诈检测有了全新的认识。这种全面覆盖，使得读者在阅读完本书后，能够对数据挖掘技术的应用范围有一个宏观且扎实的把握，避免了只精通某一个细分领域而对其他重要技术一无所知的“偏科”现象。对我而言，最大的收获是明白了数据挖掘并不仅仅是“跑一个模型”那么简单，它是一个涉及数据清洗、特征工程、模型选择、评估验证的完整生命周期。这种系统化的思维框架的建立，才是本书带给我最宝贵的财富。
如果一定要吹毛求疵的话，这本书在介绍一些前沿的深度学习在数据挖掘中的应用时，篇幅略显保守，可能更侧重于传统机器学习范式。但换个角度看，这也许恰恰是它的优势所在——它为读者打下了无可动摇的、基于经典理论的坚实基础。在互联网和大数据环境日益复杂的今天，能够沉下心来，系统学习并真正掌握那些经过时间考验的核心算法，远比追逐每一个新框架更有价值。这本书就像是内功心法，确保了读者在面对未来任何新技术浪潮时，都能拥有强大的内力去快速理解和吸收。它教会我的不是某一个特定软件的操作，而是数据思维的本质。对于任何渴望在数据驱动时代占有一席之地的人来说，这本书都是一本值得反复研读、常翻常新的经典之作，它给予读者的知识深度和系统性结构，是任何零散教程都无法比拟的。
这本《**数据挖掘概念与技术**》的书，实在让人爱不释手，简直是数据科学入门到精通的绝佳阶梯。我之前对数据挖掘这个领域总是感觉雾里看花，各种算法和理论堆砌在一起，让人望而却步。但是这本书，它的叙事方式极其平易近人。作者仿佛是一位经验丰富、耐心十足的导师，从最基础的数据预处理讲起，像剥洋葱一样，一层一层地揭示出数据挖掘的内在逻辑。我特别欣赏它对概念阐释的深度，它不仅仅是告诉你“这是什么”，更重要的是解释了“为什么是这样”以及“在实际应用中如何取舍”。比如，在讲解关联规则挖掘时，书中对支持度和置信度的权衡分析，让我这个初学者立刻明白了在海量交易数据中如何有效地发现那些真正有价值的商业洞察，而不是那些毫无意义的噪音组合。书中的案例往往选取自现实生活中的经典场景，使得抽象的数学模型瞬间变得鲜活起来。读完前三章，我感觉自己对整个数据挖掘的流程图已经有了清晰的认知，不再是零散的知识点堆砌，而是一个完整的、可操作的知识体系。这种结构上的严谨性和表达上的流畅性，是很多技术书籍难以企及的高度。
对我没什么用，写得跟系统分析师教程似的
翻译问题~
数据挖掘课的课本 个人觉得是整个研究生阶段学得最有用最有成就感的一门课 虽然分数最低T.T 作者Jiawei Han是UIUC的教授 数据挖掘领域的大牛^_^
教科书。
不适合我们这种急用先学现学现用的。
