数据挖掘十大算法/世界著名计算机教材精选

《数据挖掘十大算法》详细介绍了在实际中用途 最广、影响最大的十种数据挖掘算法，这十种算法是 数据挖掘领域的顶级专家进行投票筛选的，覆盖了分 类、聚类、统计学习、关联分析和链接分析等重要的 数据挖掘研究和发展主题。 吴信东和库玛尔编著的《数据挖掘十大算法》对 每一种算法都进行了多个角度的深入剖析，包括算法 历史、算法过程、算法特性、软件实现、前沿发展等 ，此外，在每章最后还给出了丰富的习题和精挑细选 的参考文献，对于读者掌握算法基本知识和进一步研 究都非常有价值，对数据挖掘、机器学习和人工智能 等学科的课程的设计有指导意义。

第1章 C4.5 1.1 引言 1.2 算法描述 1.3 算法特性 1.3.1 决策树剪枝 1.3.2 连续型属性 1.3.3 缺失值处理 1.3.4 规则集诱导 1.4 软件实现 1.5 示例 1.5.1 Golf数据集 1.5.2 Soybean数据集 1.6 高级主题 1.6.1 二级存储 1.6.2 斜决策树 1.6.3 特征选择 1.6.4 集成方法 1.6.5 分类规则 1.6.6 模型重述 1.7 习题 参考文献 第2章 k-means 2.1 引言 2.2 算法描述 2.3 可用软件 2.4 示例 2.5 高级主题 2.6 小结 2.7 习题 参考文献 第3章 SVM：支持向量机 3.1 支持向量分类器 3.2 支持向量分类器的软间隔优化 3.3 核技巧 3.4 理论基础 3.5 支持向量回归器 3.6 软件实现 3.7 当前和未来的研究 3.7.1 计算效率 3.7.2 核的选择 3.7.3 泛化分析 3.7.4 结构化支持向量机的学习 3.8 习题 参考文献 第4章 Apriori 4.1 引言 4.2 算法描述 4.2.1 挖掘频繁模式和关联规则 4.2.2 挖掘序列模式 4.2.3 讨论 4.3 软件实现 4.4 示例 4.4.1 可行示例 4.4.2 性能评估 4.5 高级主题 4.5.1 改进Apriori类型的频繁模式挖掘 4.5.2 无候选的频繁模式挖掘 4.5.3 增量式方法 4.5.4 稠密表示：闭合模式和最大模式 4.5.5 量化的关联规则 4.5.6 其他的重要性／兴趣度度量方法 4.5.7 类别关联规则 4.5.8 使用更丰富的形式：序列、树和图 4.6 小结 4.7 习题 参考文献 第5章 EM 5．1 引言 5．2 算法描述 5．3 软件实现 5．4 示例 5．4．1 例5．1：多元正态混合 5．4．2 例5．2：混合因子分析 5．5 高级主题 5．6 习题 参考文献 第6章 PageRank 6．1 引言 6．2 算法描述 6．3 一个扩展：Timed-PageRank 6．4 小结 6．5 习题 参考文献 第7章 AdaBoost 7．1 引言 7．2 算法描述 7．2．1 符号定义 7．2．2 通用推举过程 7．2．3 AdaBoost算法 7．3 示例 7．3．1 异或问题求解 7．3．2 真实数据上的性能 7．4 实际应用 7．5 高级主题 7．5．1 理论问题 7．5．2 多类别AdaBoost 7．5．3 其他高级主题 7．6 软件实现 7．7 习题 参考文献 第8章 kNN：k一最近邻 8．1 引言 8．2 算法描述 8．2．1 宏观描述 8．2．2 若干议题 8．2．3 软件实现 8．3 示例 8．4 高级主题 8．5 习题 致谢 参考文献 第9章 Naive Bayes 9．1 引言 9．2 算法描述 9．3 独立给力 9．4 模型扩展 9．5 软件实现 9．6 示例 9．6．1 例1 9．6．2 例2 9．7 高级主题 9．8 习题 参考文献 第10章 CART：分类和回归树 10．1 前身 10．2 概述 10．3 示例 10．4 算法描述 10．5 分裂准则 10．6 先验概率和类别均衡 10．7 缺失值的处理 10．8 属性的重要度 10．9 动态特征构造 10．10 代价敏感学习 10．11 停止准则、剪枝、树序列和树选择 10．12 概率树 10．13 理论基础 10．14 CART之后的相关研究 10．15 可用软件 10．16 习题 参考文献