数据挖掘原理

目录

第1章 数据挖掘介绍

第2章数据挖掘中的数据

第3章 分类简介：朴素贝叶斯与*近邻算法

第4章 使用决策树进行分类

第5章 决策树归纳：使用熵进行属性选择

第6章 决策树归纳：使用频率表进行属性选择

第7章 评估分类器的预测精度

第8章 连续型属性

第9章 避免决策树的过度拟合

第10章 更多关于熵的讨论

第11章 采用模块化分类规则

第12章 评估分类器的性能

第13章大规模数据集处理

第14章 集成分类

第15章分类器性能比较

第16章 关联规则挖掘一

第17章 关联规则挖掘二

第18章关联规则挖掘三：频繁模式树

第19章聚类

第20章文本挖掘

附录

附录A 涉及的数学知识

附录B 数据集

附录C 扩展资源

附录D 术语和符号

附录E 自测题答案

中英文对照表