国外经典教材：数据挖掘教程（附光盘1张）

　　第I部分 数据挖掘基础
　　第1章 数据挖掘：初探
　　1.1 数据挖掘：定义
　　1.2 计算机可以学习什么
　　1.3 数据挖掘是否适合自身的问题
　　1.4 采用专家系统还是数据挖掘
　　1.5 一个简单的数据挖掘处理模型
　　1.6 为什么不进行简单的搜索
　　1.7 数据挖掘应用
　　1.8 本章小结
　　1.9 关键术语
　　1.10 练习
　　第2章 数据挖掘：深入讨论
　　2.1 数据挖掘策略
　　2.2 有指导的数据挖掘技术
　　2.3 关联规则
　　2.4 聚类技术
　　2.5 评估性能
　　2.6 本章小结
　　2.7 关键术语
　　2.8 练习
　　第3章 基本数据挖掘技术
　　3.1 决策树
　　3.2 生成关联规则
　　3.3 K-平均值算法
　　3.4 遗传学习
　　3.5 选择一种数据挖掘技术
　　3.6 本章小结
　　3.7 关键术语
　　3.8 练习
　　第4章 基于Excel的数据挖掘工具
　　4.1 iData分析器
　　4.2 ESX：一种多用途的数据挖掘工具
　　4.3 iDAV格式的数据挖掘
　　4.4 用于无指导聚类的5步法
　　4.5 用于有指导学习的6步法
　　4.6 生成规则技术
　　4.7 实例典型性
　　4.8 特别考虑和特性
　　4.9 本章小结
　　4.10 关键术语
　　4.11 练习
　　第II部分 知识发现工具
　　第5章 数据库中的知识发现
　　5.1 一种KDD过程模型
　　5.2 步骤1：目标定义
　　5.3 步骤2：创建目标数据集
　　5.4 步骤3：数据预处理
　　5.5 步骤4：数据转换
　　5.6 步骤5：数据挖掘
　　5.7 步骤6：解释和评估
　　5.8 步骤7：采取行动
　　5.9 CRISP－DM过程模型
　　5.10 ESX实验
　　5.11 本章小结
　　5.12 关键术语
　　5.13 练习
　　第6章 数据仓库
　　6.1 操作型数据库
　　6.2 设计数据仓库
　　6.3 联机分析处理
　　6.4 用Excel数据透视表分析数据
　　6.5 本章小结
　　6.6 关键术语
　　6.7 练习
　　第7章 形式评估技术
　　7.1 评估对象
　　7.2 评估工具
　　7.3 计算检验集置信区间
　　7.4 比较有指导学习者模型
　　7.5 属性评估
　　7.6 无指导评估技术
　　7.7 评估具有数值输出的有指导模型
　　7.8 本章小结
　　7.9 关键术语
　　7.10 练习
　　第III部分 高级数据挖掘技术
　　第8章 神经网络
　　8.1 前馈神经网络
　　8.2 神经网络训练：概念介绍
　　8.4 一般考虑
　　8.5 神经网络训练：详细说明
　　8.6 本章小结
　　8.7 关键术语
　　8.8 练习
　　第9章 使用iDA建立神经网络
　　9.1 反向传播学习的4步法
　　9.2 神经网络聚类4步法
　　9.3 使用ESX进行神经网络簇分析
　　9.4 本章小结
　　9.5 关键术语
　　9.6 练习
　　第10章 统计技术
　　10.1 线性回归分析
　　10.2 对数回归
　　10.3 贝叶斯分类器
　　10.4 聚类算法
　　10.5 启发式的还是统计的
　　10.6 本章小结
　　10.7 关键术语
　　10.8 练习
　　第11章 专门技术
　　11.1 时间序列分析
　　11.2 挖掘Web
　　11.3 挖掘文本数据
　　11.4 改进性能
　　11.5 本章小结
　　11.6 关键术语
　　11.7 练习
　　第IV部分 智能系统
　　第12章 基于规则的系统
　　12.1 探索人工智能
　　12.2 状态空间搜索的问题求解
　　12.3 专家系统
　　12.4 构造基于规则的系统
　　12.5 本章小结
　　12.6 关键术语
　　12.7 练习
　　第13章 基于规则的系统中不确定性的管理
　　13.1 不确定性：来源和解决方案
　　13.2 基于规则的模糊系统
　　13.3 不确定性的基于概率的方法
　　13.4 本章小结
　　13.5 关键术语
　　13.6 练习
　　第14章 智能代理
　　14.1 智能代理的特征
　　14.2 智能代理的分类
　　14.3 整合数据挖掘、专家系统和智能代理
　　14.4 本章小结
　　14.5 关键术语
　　14.6 练习
　　附录A iDA软件
　　A.1 软件安装
　　A.2 卸载iDA
　　A.3 软件局限性
　　A.4 软件使用指南
　　A.5 故障检测
　　A.6 软件支持
　　附录B 数据挖掘数据集
　　B.1 iDA数据集包
　　B.2 所要挖掘的数据集所在的Web站点
　　附录C 决策树属性选取
　　附录D 性能评估的统计
　　D.1 单位汇总统计
　　D.2 正态分布
　　D.3 比较有指导学习模型
　　D.4 数值输出的置信区间
　　D.5 比较具有数值输出的模型
　　附录E Excel数据透视表：Office 97
　　E.1 创建简单数据透视表
　　E.2 假设检验的数据透视表
　　E.3 创建多维数据透视图

　　Richard　J.Roiger，于1991年获得了明尼苏达大学的计算机科学博士学位。他在州立曼凯托大学以优异的成绩获得了数学学士和硕士学位。Richard已经发表了20多篇关于数据挖掘和知识发现的论文。他是美国人工智能协会以及美国计算机协会的成员。目前，Roiger是州立明尼苏达大学的一名教授，同时还是InformationAcumenCorporation的一名顾问。Michaelw．Geatz是InformationAcumenCotDotation的创始人之一，该公司从事人工智能软件咨询。同时他还是IntelliPatch的总裁。早先，他是高科技条形码制造公司USATechnologies，Inc．的总裁。他于1991年获得了金门大学自勺MBA学位。

　　《国外经典教材·数据挖掘教程》为数据挖掘的基础教程，是作者多年来从事数据挖掘和专家系统课程教学经验的总结。它从商业角度介绍了数据挖掘的原理以及从数据中提取隐含模式的技术。《国外经典教材·数据挖掘教程》首先帮助读者建立起数据挖掘的概念，进而通过13个数据挖掘示例帮助读者掌握数据挖掘的原理。《国外经典教材·数据挖掘教程》的最后部分还介绍了结合专家系统和智能代理解决复杂问题的方法。