数据挖掘 第2版

总序
前言
第1章 数据挖掘导论
1.1 数据挖掘的发展背景
1.2 数据挖掘定义
1.3 数据挖掘过程
1.4 数据挖掘功能
1.5 数据挖掘应用
1.6 数据挖掘发展
1.7 本章小结
第2章 数据预处理
2.1 数据描述
2.1.1 数据集类型
2.1.2 数据质量
2.2 数据清理
2.2.1 缺失值处理
2.2.2 噪声数据处理
2.2.3 数据清理过程
2.3 数据集成和变换
2.3.1 数据集成
2.3.2 数据变换
2.3.3 维度归约
2.4 数据归约
2.4.1 数据立方体聚集
2.4.2 属性子集选择
2.5 本章小结
第3章 分类挖掘：决策树
3.1 决策树方法
3.2 决策树深入
3.2.1 信息熵基础
3.2.2 c4.5方法
3.2.3 cart方法
3.2.4 sliq方法
3.2.5 sprint方法
3.2.6 其他决策树方法
3.3 决策树的简化
3.4 决策树的改进
3.4.1 属性选择
3.4.2 连续属性离散化
3.5 决策树的讨论
3.5.1 决策树优化问题
3.5.2 决策树优化方法
3.6 分类模型的评估
3.7 本章小结
第4章 分类挖掘
4.1 贝叶斯方法
4.1.1 贝叶斯方法概述
4.1.2 朴素贝叶斯分类
4.2 k-近邻方法
4.3 人工神经网络方法
4.4 遗传进化方法
4.5 支持向量机方法
4.5.1 svm分类方法
4.6 粗糙集方法
4.7 集成学习方法
……
第5章 关联挖掘
第6章 聚类挖掘
第7章 异类挖掘
第8章 文本挖掘
第9章 视频挖掘
第10章 视频分析