1、 数据挖掘：概念与技术数据挖掘：概念与技术 韩家炜 Data Mining:Concepts and Techniques J.Han and M.Kamber Morgan Kaufmann 2000 目录目录 第一章第一章 引言引言.8 1.1 什么激发数据挖掘？为什么它是重要的？.8 1.2 什么是数据挖掘？.10 1.3 数据挖掘在何种数据上进行？.12 1.3.1 关系数据库.13 1.3.2 数据仓库.14 1.3.3 事务数据库.16 1.3.4 高级数据库系统和高级数据库应用.16 1.4 数据挖掘功能可以挖掘什么类型的模式？.18 1.4.1 概念/类描述：特征和区分.19
2、1.4.2 关联分析.19 1.4.3 分类和预测.20 1.4.4 聚类分析.20 1.4.5 局外者分析.21 1.4.6 演变分析.21 1.5 所有模式都是有趣的吗？.21 1.6 数据挖掘系统的分类.22 1.7 数据挖掘的主要问题.23 1.8 总结.25 习题.26 第二章第二章 数据仓库和数据挖掘的数据仓库和数据挖掘的 OLAP 技术技术.29 2.1 什么是数据仓库?.29 2.2.1 操作数据库系统与数据仓库的区别.30 2.1.2 但是，为什么需要一个分离的数据仓库.31 2.2 多维数据模型.32 2.2.1 由表和电子数据表到数据方.32 2.2.2 星形、雪花和事实
3、星座：多维数据库模式.34 2.2.3 定义星形、雪花和事实星座的例子.36 2.2.3 度量：它们的分类和计算.37 2.2.5 引入概念分层.38 2.2.6 多维数据模型上的OLAP操作.40 2.2.7 查询多维数据库的星形网查询模型.42 2.3 数据仓库的系统结构.42 2.3.1 数据仓库的设计步骤和结构.42 2.3.2 三层数据仓库结构.44 2.3.3 OLAP服务器类型：ROLAP、MOLAP、HOLAP的比较.45 2.4 数据仓库实现.46 2.4.1 数据方的有效计算.47 2.4.2 索引OLAP数据.50 2.4.3 OLAP查询的有效处理.52 2.4.4 元
4、数据存储.53 2.5 数据方技术的进一步发展.54 2.5.1 数据方发现驱动的探查.54 2.5.2 多粒度上的复杂聚集:多特征方.56 2.5.3 其它进展.57 2.6 由数据仓库到数据挖掘.58 2.6.1 数据仓库的使用.58 2.6.2 由联机分析处理到联机分析挖掘.59 2.7 总结.60 习题.61 第三章第三章 数据预处理数据预处理.64 3.1 为什么要预处理数据？.64 3.2 数据清理.66 3.2.1 遗漏值.66 3.2.2 噪音数据.66 3.3 数据集成和变换.68 3.3.1 数据集成.68 3.3.2 数据变换.69 3.4 数据归约.70 3.4.1 数
5、据方聚集.71 3.4.2 维归约.72 3.4.3 数据压缩.73 3.4.4 数值归约.75 3.5 离散化和概念分层产生.79 3.5.1 数值数据的离散化和概念分层产生.80 3.5.2 分类数据的概念分层产生.83 3.6 总结.84 习题.85 第四章第四章 数据挖掘原语、语言和系统结构数据挖掘原语、语言和系统结构.87 4.1 数据挖掘原语：什么定义数据挖掘任务？.87 4.1.1 任务相关的数据.89 4.1.2 要挖掘的知识的类型.89 4.1.3 背景知识：概念分层.90 4.1.4 兴趣度度量.92 4.1.5 发现模式的提供和可视化.94 4.2 一种数据挖掘查询语言.
6、95 4.2.1 任务相关数据说明的语法.96 4.2.2 说明挖掘知识类型的语法.97 4.2.3 概念分层说明的语法.99 4.2.4 兴趣度度量说明的语法.99 4.2.5 模式提供和可视化说明的语法.100 4.2.6 汇集 一个DMQL查询的例子.100 4.2.7 其它数据挖掘语言和数据挖掘原语的标准化.101 4.3 基于数据挖掘查询语言设计图形用户界面.102 4.4 数据挖掘系统的结构.102 4.5 总结.103 第五章第五章 概念描述：特征与比较概念描述：特征与比较.107 5.1 什么是概念描述？.107 5.2 数据泛化和基于汇总的特征.108 5.2.1 面向属性归
7、纳.108 5.2.2 面向属性归纳的有效实现.111 5.2.3 导出泛化的表示.112 5.3 解析特征:属性相关性分析.115 5.3.1 为什么进行属性相关性分析?.115 5.3.2 属性相关分析方法.115 5.4 挖掘类比较：区分不同的类.118 5.4.1 类比较方法和实现.118 5.4.2 类比较描述的表示.120 5.4.3 类描述:提供特征和比较.121 5.5 在大型数据库中挖掘描述统计度量.123 5.5.1 度量中心趋势.123 5.5.2 度量数据的发散.124 5.5.3 基本统计类描述的图形显示.126 5.6 讨论.128 5.6.1 概念描述：与典型的机
8、器学习方法比较.128 5.6.2 概念描述的增量和并行挖掘.129 5.7 总结.129 第六章第六章 挖掘大型数据库中的关联规则挖掘大型数据库中的关联规则.132 6.1 关联规则挖掘.132 6.1.1 购物篮分析：一个引发关联规则挖掘的例子.132 6.1.2 基本概念.133 6.1.3 关联规则挖掘：一个路线图.133 6.2 由事务数据库挖掘单维布尔关联规则.134 6.2.1 Apriori算法：使用候选项集找频繁项集.135 6.2.2 由频繁项集产生关联规则.138 6.2.3 提高Apriori的有效性.138 6.2.4 不产生候选挖掘频繁项集.140 6.2.5 冰山
9、查询.142 6.3 由事务数据库挖掘多层关联规则.143 6.3.1 多层关联规则.143 6.3.2 挖掘多层关联规则的方法.144 6.3.3 检查冗余的多层关联规则.146 6.4 由数据库和数据仓库挖掘多维关联规则.147 6.4.1 多维关联规则.147 6.4.2 使用量化属性的静态离散化挖掘多维关联规则.148 6.4.3 挖掘量化关联规则.148 6.4.4 挖掘基于距离的关联规则.150 6.5 由关联挖掘到相关分析.151 6.5.1 强关联规则不一定是有趣的：一个例子.151 6.5.2 由关联分析到相关分析.151 6.6 基于限制的关联挖掘.152 6.6.1 关联
10、规则的元规则制导挖掘.153 6.6.2 用附加的规则限制制导的挖掘.154 6.7 总结.156 第七章第七章 分类和预测分类和预测.162 7.1 什么是分类？什么是预测？.162 7.2 关于分类和预测的问题.163 7.2.1 准备分类和预测数据.164 7.2.2 比较分类方法。.164 7.3 用判定树归纳分类.164 7.3.1 判定树归纳.165 7.3.2 树剪枝.168 7.3.3 由判定树提取分类规则.169 7.3.4 基本判定树归纳的加强.169 7.3.5 判定树归纳的可规模性.170 7.3.6 集成数据仓库技术和判定树归纳.171 7.4 贝叶斯分类.172 7
11、.4.1 贝叶斯定理.172 7.4.2 朴素贝叶斯分类.173 7.4.3 贝叶斯信念网络.174 7.4.4 训练贝叶斯信念网络.175 7.5 后向传播分类.176 7.5.1 多路前馈神经网络.176 7.5.2 定义网络拓扑.177 7.5.3 后向传播.177 7.5.4 后向传播和可解释性.181 7.6 基于源于关联规则挖掘概念的分类.182 7.7 其它分类方法.183 7.7.1 k-最临近分类.183 7.7.2 基于案例的推理.184 7.7.3 遗传算法.184 7.7.4 粗糙集方法.185 7.7.5 模糊集方法.185 7.8 预测.186 7.8.1 线性和多
12、元回归.186 7.8.2 非线性回归.188 7.8.3 其它回归模型.188 7.9 分类的准确性.188 7.9.1 评估分类法的准确率.189 7.9.2 提高分类法的准确率.189 7.9.3 准确率确定分类法够吗？.190 7.10 总结.191 第八章第八章 聚类分析聚类分析.196 81 什么是聚类分析？.196 82 聚类分析中的数据类型.197 8.2.2 区间标度（Interval-Scaled）变量.198 8.2.3 二元变量（binary variable）.199 8.2.4 标称型、序数型和比例标度型变量.200 8.2.5 混合类型的变量.201 8.3 主要
13、聚类方法的分类.201 8.4 划分方法（PARTITIONING METHODS）.202 8.4.1 典型的划分方法：k-Means和k-Medoids.203 8.4.2 大规模数据库中的划分方法：从k-medoids到CLARANS.205 8.5 层次方法.206 8.5.1 凝聚的和分裂的层次聚类.206 852 BIRCH：利用层次方法的平衡迭代约减和聚类（Balanced Iterative Reducing and Clustering Using Hierarchies）.207 853 CURE：利用代表点聚类(clustering using representativ
14、e).208 8.5.4 Chameleon（变色龙）:一个利用动态模型的层次聚类算法.208 8.6 基于密度的方法.209 8.6.1 DBSCAN:一个基于密度和高密度的连结区域的聚类算法.210 8.6.2 OPTICS：通过对象排序识别聚类结构（Ordering Points to Identify the Clustering Structure）210 863 DENCLUE：基于密度分布函数的聚类.211 8.7 基于网格的方法.212 8.7.1 STING：统计信息网格(STatistical INformation Grid).212 8.7.2 WaveCluster：
15、采用小波变换聚类.213 8.7.3 CLIQUE：聚类高维空间.214 8.8 基于模型的聚类方法.215 8.9 孤立点(OUTLIER)分析.217 8.9.1 基于统计的孤立点探测.217 8.9.2基于距离的孤立点探测.218 8.9.3 基于偏离的孤立点探测.219 8.10 总结.220 第九章第九章 复杂类型数据的挖掘复杂类型数据的挖掘.223 9.1 复杂数据对象的多维分析和描述性挖掘（DESCRIPTIVE MINING）.223 911 结构数据概化.223 912 空间和多媒体数据概化中的聚集和近似计算.224 913 对象标识和类/子类层次的概化.224 914 类复
16、合层次概化.225 915 对象立方体的构造与挖掘.225 916对规划数据库的概化挖掘.225 92 空间数据库挖掘.227 921 空间数据立方体构造和空间OLAP.227 922 空间关联分析.229 923 空间聚类方法.230 924 空间分类和空间趋势分析.230 925 光栅数据库挖掘.230 93 多媒体数据挖掘.230 931 多媒体数据的相似搜索.231 932 多媒体数据的多维分析.231 933 多媒体数据的分类和预测分析.232 934 多媒体数据中的关联规则挖掘.232 94 时序和序列数据的挖掘.233 941 趋势分析.233 942 时序分析中的相似搜索.235 943 序列模式挖掘.236 944 周期分析.237 95 文本数据库挖掘.238 951 文本数据分析和信息检索.238 952 文本挖掘：基于关键字的关联和文档分类.240 96 WEB挖掘.241 961 挖掘Web链接结构，识别权威Web页面.242 962 Web文档的自动分类.243 963 多层次Web信息库的构造.243 964 Web使用记录的挖掘.244 97 总结.24
