数据分析与数据挖掘(第2版中文版计算机科学与技术学科研究生系列教材)/计算机科学与技

本书主要介绍数据分析 与数据挖掘的基本概念和方 法，包括数据的基本属性和 概念、数据预处理、数据仓 库与联机分析处理、回归分 析、频繁模式挖掘、分类、 聚类、离群点检测。对书中 每一部分先介绍基本概念、 理论基础，再给出应用实例 ，便于读者更好地理解和应 用算法，每章的最后给出习 题。 书中算法由浅入深、由 原理到应用，有利于初学者 的学习和理解。本书适用于 数据分析与数据挖掘领域的 初学者，可以作为相关专业 本科生及研究生教材。本书 也适合作为数据分析与数据 挖掘相关专业人士的辅导教 材。

喻梅 天津大学智能与计算学部教授，硕士生导师。主要从事计算机网络、数据挖掘及数据库方向的研究及教学。研究重点为社交网络中实体社团的发现及识别、影响因素及发展规律；基于亲密度及影响力的微博社交兴趣圈挖掘算法等。在国际会议及期刊上发表了多篇相关学术论文。担任多个国际会议技术委员会委员，参与会议组织工作及专业技术服务。参与多部计算机教材的编写。

第1章 概述 1.1 数据分析与数据挖掘 1.1.1 数据分析 1.1.2 数据挖掘 1.1.3 数据分析与数据挖掘的区别和联系 1.2 分析与挖掘的数据类型 1.3 数据分析与数据挖掘的方法 1.4 数据分析与数据挖掘使用的技术 1.5 应用场景及存在的问题 1.5.1 数据分析与数据挖掘的应用 1.5.2 存在的主要问题 1.6 本书结构概述 1.7 习题 第2章 数据 2.1 数据对象与属性类别 2.1.1 属性的定义 2.1.2 属性的分类 2.2 数据的基本统计描述 2.2.1 中心趋势度量 2.2.2 数据分散度量 2.2.3 数据的图形显示 2.3 数据的相似性和相异性度量 2.3.1 数据矩阵与相异性矩阵 2.3.2 标称属性的邻近性度量 2.3.3 二元属性的邻近性度量 2.3.4 数值属性的相异性 2.3.5 序数属性的邻近性度量 2.3.6 混合类型属性的相异性 2.3.7 余弦相似性 2.4 习题 第3章 数据预处理 3.1 数据预处理及任务 3.1.1 数据预处理的必要性 3.1.2 数据预处理的主要任务 3.2 数据清理 3.2.1 缺失值、噪声和不一致数据的处理 3.2.2 数据清理方式 3.3 数据集成 3.4 数据归约 3.4.1 直方图 3.4.2 数据立方体聚集 3.4.3 属性子集选择 3.4.4 抽样 3.5 数据变换与数据离散化 3.5.1 数据变换策略及分类 3.5.2 数据泛化 3.5.3 数据规范化 3.5.4 数据离散化 3.6 习题 第4章 数据仓库与联机分析处理