數(shù)據(jù)挖掘：實用機器學習工具與技術(shù)（原書第4版）

目　　錄
Data Mining: Practical Machine Learning Tools and Techniques, Fourth Edition
譯者序
前言
致謝
第一部分　數(shù)據(jù)挖掘基礎(chǔ)
第1章　緒論 2
1.1　數(shù)據(jù)挖掘和機器學習 2
1.1.1　描述結(jié)構(gòu)模式 3
1.1.2　機器學習 5
1.1.3　數(shù)據(jù)挖掘 6
1.2　簡單的例子：天氣問題和其他問題 6
1.2.1　天氣問題 6
1.2.2　隱形眼鏡：一個理想化的問題 8
1.2.3　鳶尾花：一個經(jīng)典的數(shù)值型數(shù)據(jù)集 9
1.2.4　CPU性能：引入數(shù)值預測 10
1.2.5　勞資協(xié)商：一個更真實的例子 11
1.2.6　大豆分類：一個經(jīng)典的機器學習的成功例子 12
1.3　應(yīng)用領(lǐng)域 14
1.3.1　Web挖掘 14
1.3.2　包含判斷的決策 15
1.3.3　圖像篩選 15
1.3.4　負載預測 16
1.3.5　診斷 17
1.3.6　市場和銷售 17
1.3.7　其他應(yīng)用 18
1.4　數(shù)據(jù)挖掘過程 19
1.5　機器學習和統(tǒng)計學 20
1.6　將泛化看作搜索 21
1.6.1　枚舉概念空間 22
1.6.2　偏差 22
1.7　數(shù)據(jù)挖掘和道德問題 24
1.7.1　再識別 24
1.7.2　使用個人信息 25
1.7.3　其他問題 26
1.8　拓展閱讀及參考文獻 26
第2章　輸入：概念、實例和屬性 29
2.1　概念 29
2.2　實例 31
2.2.1　關(guān)系 31
2.2.2　其他實例類型 34
2.3　屬性 35
2.4　輸入準備 36
2.4.1　數(shù)據(jù)收集 37
2.4.2　ARFF格式 37
2.4.3　稀疏數(shù)據(jù) 39
2.4.4　屬性類型 40
2.4.5　缺失值 41
2.4.6　不正確的值 42
2.4.7　非均衡數(shù)據(jù) 42
2.4.8　了解數(shù)據(jù) 43
2.5　拓展閱讀及參考文獻 43
第3章　輸出：知識表達 44
3.1　表 44
3.2　線性模型 44
3.3　樹 46
3.4　規(guī)則 49
3.4.1　分類規(guī)則 49
3.4.2　關(guān)聯(lián)規(guī)則 52
3.4.3　包含例外的規(guī)則 53
3.4.4　表達能力更強的規(guī)則 54
3.5　基于實例的表達 56
3.6　聚類 58
3.7　拓展閱讀及參考文獻 59
第4章　算法：基本方法 60
4.1　推斷基本規(guī)則 60
4.2　簡單概率模型 63
4.2.1　缺失值和數(shù)值屬性 65
4.2.2　用于文檔分類的樸素貝葉斯 67
4.2.3　討論 68
4.3　分治法：創(chuàng)建決策樹 69
4.3.1　計算信息量 71
4.3.2　高度分支屬性 73
4.4　覆蓋算法：建立規(guī)則 74
4.4.1　規(guī)則與樹 75
4.4.2　一個簡單的覆蓋算法 76
4.4.3　規(guī)則與決策列表 79
4.5　關(guān)聯(lián)規(guī)則挖掘 79
4.5.1　項集 80
4.5.2　關(guān)聯(lián)規(guī)則 81
4.5.3　高效地生成規(guī)則 84
4.6　線性模型 86
4.6.1　數(shù)值預測：線性回歸 86
4.6.2　線性分類：logistic回歸 87
4.6.3　使用感知機的線性分類 89
4.6.4　使用Winnow的線性分類 90
4.7　基于實例的學習 91
4.7.1　距離函數(shù) 92
4.7.2　高效尋找最近鄰 92
4.7.3　討論 96
4.8　聚類 96
4.8.1　基于距離的迭代聚類 97
4.8.2　更快的距離計算 98
4.8.3　選擇簇的個數(shù) 99
4.8.4　層次聚類 100
4.8.5　層次聚類示例 101
4.8.6　增量聚類 102
4.8.7　分類效用 104
4.8.8　討論 106
4.9　多實例學習 107
4.9.1　聚集輸入 107
4.9.2　聚集輸出 107
4.10　拓展閱讀及參考文獻 108
4.11　Weka實現(xiàn) 109
第5章　可信度：評估學習結(jié)果 111
5.1　訓練和測試 111
5.2　預測性能 113
5.3　交叉驗證 115
5.4　其他評估方法 116
5.4.1　留一交叉驗證法 116
5.4.2　自助法 116
5.5　超參數(shù)選擇 117
5.6　數(shù)據(jù)挖掘方法比較 118
5.7　預測概率 121
5.7.1　二次損失函數(shù) 121
5.7.2　信息損失函數(shù) 122
5.7.3　討論 123
5.8　計算成本 123
5.8.1　成本敏感分類 125
5.8.2　成本敏感學習 126
5.8.3　提升圖 126
5.8.4　ROC曲線 129
5.8.5　召回率–精確率曲線 130
5.8.6　討論 131
5.8.7　成本曲線 132
5.9　評估數(shù)值預測 134
5.10　最小描述長度原理 136
5.11　將MDL原理應(yīng)用于聚類 138
5.12　使用驗證集進行模型選擇 138
5.13　拓展閱讀及參考文獻 139
第二部分　高級機器學習方案
第6章　樹和規(guī)則 144
6.1　決策樹 144
6.1.1　數(shù)值屬性 144
6.1.2　缺失值 145
6.1.3　剪枝 146
6.1.4　估計誤差率 147
6.1.5　決策樹歸納法的復雜度 149
6.1.6　從決策樹到規(guī)則 150
6.1.7　C4.5：選擇和選項 150
6.1.8　成本–復雜度剪枝 151
6.1.9　討論 151
6.2　分類規(guī)則 152
6.2.1　選擇測試的標準 152
6.2.2　缺失值和數(shù)值屬性 153
6.2.3　生成好的規(guī)則 153
6.2.4　使用全局優(yōu)化 155
6.2.5　從局部決策樹中獲得規(guī)則 157
6.2.6　包含例外的規(guī)則 158
6.2.7　討論 160
6.3　關(guān)聯(lián)規(guī)則 161
6.3.1　建立頻繁模式樹 161
6.3.2　尋找大項集 163
6.3.3　討論 166
6.4　Weka 實現(xiàn) 167
第7章　基于實例的學習和線性模型的擴展 168
7.1　基于實例的學習 168
7.1.1　減少樣本集的數(shù)量 168
7.1.2　對噪聲樣本集剪枝 169
7.1.3　屬性加權(quán) 170
7.1.4　泛化樣本集 170
7.1.5　用于泛化樣本集的距離函數(shù) 171
7.1.6　泛化的距離函數(shù) 172
7.1.7　討論 172
7.2　擴展線性模型 173
7.2.1　最大間隔超平面 173
7.2.2　非線性類邊界