本書是專注于數(shù)據(jù)挖掘與分析的基本算法的入門圖書，內(nèi)容分為數(shù)據(jù)分析基礎(chǔ)、頻繁模式挖掘、聚類和分類四個部分，每一部分的各個章節(jié)兼顧基礎(chǔ)知識和前沿話題，例如核方法、高維數(shù)據(jù)分析、復(fù)雜圖和網(wǎng)絡(luò)等。每一章*后均附有參考書目和習題。
● 數(shù)據(jù)挖據(jù)與分析的入門書，針對初學者闡述所有關(guān)鍵概念，包括探索性數(shù)據(jù)分析、頻繁模式挖掘、聚類和分類。
● 兼顧前沿話題，例如核方法、高維數(shù)據(jù)分析、復(fù)雜圖和網(wǎng)絡(luò)等。
● 提供算法對應(yīng)的開源實現(xiàn)方法。
● 每章均有豐富示例和練習，幫助讀者理解和鞏固相關(guān)主題。
● 配備豐富教輔資源，包括課程幻燈片、教學視頻、數(shù)據(jù)集等，可從以下網(wǎng)址獲�。篽ttp://www.dataminingbook.info/pmwiki.php/Main/BookResources。
【作者簡介】
Mohammed J. Zaki
倫斯勒理工學院計算機科學系教授，ACM杰出科學家，IEEE會士，目前致力于研究新數(shù)據(jù)挖掘技術(shù)。曾獲得谷歌教職研究獎等諸多獎項。
Wagner Meira Jr.
巴西米納斯聯(lián)邦大學計算機科學系教授，數(shù)據(jù)庫專家。
【譯者簡介】
吳誠堃
博士，2014年畢業(yè)于英國曼徹斯特大學，博士論文題為《應(yīng)用大規(guī)模文本挖掘?qū)崿F(xiàn)疾病分子機理重構(gòu)》。現(xiàn)擔任國防科技大學計算機學院助理研究員，從事高性能計算應(yīng)用研究。
第1章 數(shù)據(jù)挖掘與分析 1
1.1 數(shù)據(jù)矩陣 1
1.2 屬性 2
1.3 數(shù)據(jù)的幾何和代數(shù)描述 3
1.3.1 距離和角度 5
1.3.2 均值與總方差 8
1.3.3 正交投影 9
1.3.4 線性無關(guān)與維數(shù) 10
1.4 數(shù)據(jù)：概率觀點 12
1.4.1 二元隨機變量 17
1.4.2 多元隨機變量 20
1.4.3 隨機抽樣和統(tǒng)計量 21
1.5 數(shù)據(jù)挖掘 22
1.5.1 探索性數(shù)據(jù)分析 23
1.5.2 頻繁模式挖掘 24
1.5.3 聚類 24
1.5.4 分類 25
1.6 補充閱讀 26
1.7 習題 26
第一部分 數(shù)據(jù)分析基礎(chǔ)
第2章 數(shù)值屬性 28
2.1 一元變量分析 28
2.1.1 數(shù)據(jù)居中度度量 29
2.1.2 數(shù)據(jù)離散度度量 32
2.2 二元變量分析 35
2.2.1 位置和離散度的度量 36
2.2.2 相關(guān)性度量 37
2.3 多元變量分析 40
2.4 數(shù)據(jù)規(guī)范化 44
2.5 正態(tài)分布 46
2.5.1 一元正態(tài)分布 46
2.5.2 多元正態(tài)分布 47
2.6 補充閱讀 50
2.7 習題 51
第3章 類別型屬性 53
3.1 一元分析 53
3.1.1 伯努利變量（Bernoulli variable） 53
3.1.2 多元伯努利變量 55
3.2 二元分析 61
3.3 多元分析 69
3.4 距離和角度 74
3.5 離散化 75
3.6 補充閱讀 77
3.7 習題 78
第4章 圖數(shù)據(jù) 79
4.1 圖的概念 79
4.2 拓撲屬性 83
4.3 中心度分析 86
4.3.1 基本中心度 86
4.3.2 Web中心度 88
4.4 圖的模型 96
4.4.1 Erd s-Rényi隨機圖模型 98
4.4.2 Watts-Strogatz小世界圖模型 101
4.4.3 Barabási-Albert無標度模型 104
4.5 補充閱讀 111
4.6 習題 112
第5章 核方法 114
5.1 核矩陣 117
5.1.1 再生核映射 118
5.1.2 Mercer核映射 120
5.2 向量核 122
5.3 特征空間中的基本核操作 126
5.4 復(fù)雜對象的核 132
5.4.1 字符串的譜核 132
5.4.2 圖節(jié)點的擴散核 133
5.5 補充閱讀 137
5.6 習題 137
第6章 高維數(shù)據(jù) 139
6.1 高維對象 139
6.2 高維體積 141
6.3 超立方體的內(nèi)接超球面 143
6.4 薄超球面殼的體積 144
6.5 超空間的對角線 145
6.6 多元正態(tài)的密度 146
6.7 附錄：球面體積的推導(dǎo) 149
6.8 補充閱讀 153
6.9 習題 153
第7章 降維 156
7.1 背景知識 156
7.2 主成分分析 160
7.2.1 最優(yōu)線近似 160
7.2.2 最優(yōu)二維近似 163
7.2.3 最優(yōu)r維近似 167
7.2.4 主成分分析的幾何意義 170
7.3 核主成分分析 172
7.4 奇異值分解 178
7.4.1 奇異值分解的幾何意義 179
7.4.2 奇異值分解和主成分分析之間的聯(lián)系 180
7.5 補充閱讀 182
7.6 習題 182
第二部分 頻繁模式挖掘
第8章 項集挖掘 186
8.1 頻繁項集和關(guān)聯(lián)規(guī)則 186
8.2 頻繁項集挖掘算法 189
8.2.1 逐層的方法：Apriori算法 191
8.2.2 事務(wù)標識符集的交集方法：Eclat算法 193
8.2.3 頻繁模式樹方法：FPGrowth算法 197
8.3 生成關(guān)聯(lián)規(guī)則 201
8.4 補充閱讀 203
8.5 習題 203
第9章 項集概述 208
9.1 最大頻繁項集和閉頻繁項集 208
9.2 挖掘最大頻繁項集：GenMax算法 211
9.3 挖掘閉頻繁項集：Charm算法 213
9.4 非可導(dǎo)項集 215
9.5 補充閱讀 220
9.6 習題 221
第10章 序列挖掘 223
10.1 頻繁序列 223
10.2 挖掘頻繁序列 224
10.2.1 逐層挖掘：GSP 225
10.2.2 垂直序列挖掘：Spade 226
10.2.3 基于投影的序列挖掘：PrefixSpan 228
10.3 基于后綴樹的子串挖掘 230
10.3.1 后綴樹 230
10.3.2 Ukkonen線性時間算法 233
10.4 補充閱讀 238
10.5 習題 239
第11章 圖模式挖掘 242
11.1 同形和支撐 242
11.2 候選生成 245
11.3 gSpan算法 249
11.3.1 擴展和支撐計算 250
11.3.2 權(quán)威性測試 255
11.4 補充閱讀 256
11.5 習題 257
第12章 模式與規(guī)則評估 260
12.1 規(guī)則和模式評估的度量 260
12.1.1 規(guī)則評估度量 260
12.1.2 模式評估度量 268
12.1.3 比較多條規(guī)則和模式 270
12.2 顯著性檢驗和置信區(qū)間 273
12.2.1 產(chǎn)生式規(guī)則的費希爾精確檢驗 273
12.2.2 顯著性的置換檢驗 277
12.2.3 置信區(qū)間內(nèi)的自助抽樣 282
12.3 補充閱讀 284
12.4 習題 285
第三部分 聚類
第13章 基于代表的聚類 288
13.1 K-means 算法 288
13.2 核K-means 292
13.3 期望最大聚類 295
13.3.1 一維中的EM 297
13.3.2 d維中的EM 300
13.3.3 極大似然估計 305
13.3.4 EM方法 309
13.4 補充閱讀 311
13.5 習題 312
第14章 層次式聚類 315
14.1 預(yù)備知識 315
14.2 聚合型層次式聚類 317
14.2.1 簇間距離 317
14.2.2 更新距離矩陣 321
14.2.3 計算復(fù)雜度 322
14.3 補充閱讀 322
14.4 習題 323
第15章 基于密度的聚類 325
15.1 DBSCAN 算法 325
15.2 核密度估計 328
15.2.1 一元密度估計 328
15.2.2 多元密度估計 331
15.2.3 最近鄰密度估計 333
15.3 基于密度的聚類：DENCLUE 333
15.4 補充閱讀 338
15.5 習題 339
第16章 譜聚類和圖聚類 341
16.1 圖和矩陣 341
16.2 基于圖的割的聚類 347
16.2.1 聚類目標函數(shù)：比例割與歸割 349
16.2.2 譜聚類算法 351
16.2.3 最大化目標：平均割與模塊度 354
16.3 馬爾可夫聚類 360
16.4 補充閱讀 366
16.5 習題 367
第17章 聚類的驗證 368
17.1 外部驗證度量 368
17.1.1 基于匹配的度量 369
17.1.2 基于熵的度量 372
17.1.3 成對度量 375
17.1.4 關(guān)聯(lián)度量 378
17.2 內(nèi)部度量 381
17.3 相對度量 388
17.3.1 分簇穩(wěn)定性 394
17.3.2 聚類趨向性 396
17.4 補充閱讀 400
17.5 習題 401
第四部分 分類
第18章 基于概率的分類 404
18.1 貝葉斯分類器 404
18.1.1 估計先驗概率 404
18.1.2 估計似然 405
18.2 樸素貝葉斯分類器 409
18.3 K最近鄰分類器 412
18.4 補充閱讀 414
18.5 習題 415
第19章 決策樹分類器 416
19.1 決策樹 417
19.2 決策樹算法 419
19.2.1 分割點評估度量 420
19.2.2 評估分割點 422
19.3 補充閱讀 429
19.4 習題 429
第20章 線性判別分析 431
20.1 最優(yōu)線性判別 431
20.2 核判別分析 437
20.3 補充閱讀 443
20.4 習題 443
第21章 支持向量機 445
21.1 支持向量和間隔 445
21.2 SVM：線性可分的情況 450
21.3 軟間隔SVM：線性不可分的情況 454
21.3.1 鉸鏈誤損 455
21.3.2 二次誤損 458
21.4 核SVM：非線性情況 459
21.5 SVM訓練算法 462
21.5.1 對偶解法：隨機梯度上升 463
21.5.2 原始問題解：牛頓優(yōu)化 467
21.6 補充閱讀 473
21.7 習題 473
第22章 分類的評估 475
22.1 分類性能度量 475
22.1.1 基于列聯(lián)表的度量 476
22.1.2 二值分類：正類和負類 479
22.1.3 ROC分析 482
22.2 分類器評估 487
22.2.1 K折交叉驗證 487
22.2.2 自助抽樣 488
22.2.3 置信區(qū)間 489
22.2.4 分類器比較：配對t檢驗 493
22.3 偏置-方差分解 495
22.4 補充閱讀 503
22.5 習題 504
書單推薦
