数据挖掘与分析：概念与算法 PDF 完整影印版

● 数据挖据与分析的入门书，针对初学者阐述所有关键概念，包括探索性数据分析、频繁模式挖掘、聚类和分类。 ● 兼顾前沿话题，例如核方法、高维数据分析、复杂图和网络等。 ● 提供算法对应的开源实现方法。 ● 每章均有丰富示例和练习，帮助读者理解和巩固相关主题。 ● 配备丰富教辅资源，包括课程幻灯片、教学视频、数据集等
本书是专注于数据挖掘与分析的基本算法的入门图书，内容分为数据分析基础、频繁模式挖掘、聚类和分类四个部分，每一部分的各个章节兼顾基础知识和前沿话题，例如核方法、高维数据分析、复杂图和网络等。每一章*后均附有参考书目和习题。

目录

• 第1章 数据挖掘与分析 1
• 1.1 数据矩阵 1
• 1.2 属性 2
• 1.3 数据的几何和代数描述 3
• 1.3.1 距离和角度 5
• 1.3.2 均值与总方差 8
• 1.3.3 正交投影 9
• 1.3.4 线性无关与维数 10
• 1.4 数据：概率观点 12
• 1.4.1 二元随机变量 17
• 1.4.2 多元随机变量 20
• 1.4.3 随机抽样和统计量 21
• 1.5 数据挖掘 22
• 1.5.1 探索性数据分析 23
• 1.5.2 频繁模式挖掘 24
• 1.5.3 聚类 24
• 1.5.4 分类 25
• 1.6 补充阅读 26
• 1.7 习题 26
• 第一部分 数据分析基础
• 第2章 数值属性 28
• 2.1 一元变量分析 28
• 2.1.1 数据居中度度量 29
• 2.1.2 数据离散度度量 32
• 2.2 二元变量分析 35
• 2.2.1 位置和离散度的度量 36
• 2.2.2 相关性度量 37
• 2.3 多元变量分析 40
• 2.4 数据规范化 44
• 2.5 正态分布 46
• 2.5.1 一元正态分布 46
• 2.5.2 多元正态分布 47
• 2.6 补充阅读 50
• 2.7 习题 51
• 第3章 类别型属性 53
• 3.1 一元分析 53
• 3.1.1 伯努利变量（Bernoulli variable） 53
• 3.1.2 多元伯努利变量 55
• 3.2 二元分析 61
• 3.3 多元分析 69
• 3.4 距离和角度 74
• 3.5 离散化 75
• 3.6 补充阅读 77
• 3.7 习题 78
• 第4章 图数据 79
• 4.1 图的概念 79
• 4.2 拓扑属性 83
• 4.3 中心度分析 86
• 4.3.1 基本中心度 86
• 4.3.2 Web中心度 88
• 4.4 图的模型 96
• 4.4.1 Erd s-Rényi随机图模型 98
• 4.4.2 Watts-Strogatz小世界图模型 101
• 4.4.3 Barabási-Albert无标度模型 104
• 4.5 补充阅读 111
• 4.6 习题 112
• 第5章 核方法 114
• 5.1 核矩阵 117
• 5.1.1 再生核映射 118
• 5.1.2 Mercer核映射 120
• 5.2 向量核 122
• 5.3 特征空间中的基本核操作 126
• 5.4 复杂对象的核 132
• 5.4.1 字符串的谱核 132
• 5.4.2 图节点的扩散核 133
• 5.5 补充阅读 137
• 5.6 习题 137
• 第6章 高维数据 139
• 6.1 高维对象 139
• 6.2 高维体积 141
• 6.3 超立方体的内接超球面 143
• 6.4 薄超球面壳的体积 144
• 6.5 超空间的对角线 145
• 6.6 多元正态的密度 146
• 6.7 附录：球面体积的推导 149
• 6.8 补充阅读 153
• 6.9 习题 153
• 第7章 降维 156
• 7.1 背景知识 156
• 7.2 主成分分析 160
• 7.2.1 最优线近似 160
• 7.2.2 最优二维近似 163
• 7.2.3 最优r维近似 167
• 7.2.4 主成分分析的几何意义 170
• 7.3 核主成分分析 172
• 7.4 奇异值分解 178
• 7.4.1 奇异值分解的几何意义 179
• 7.4.2 奇异值分解和主成分分析之间的联系 180
• 7.5 补充阅读 182
• 7.6 习题 182
• 第二部分 频繁模式挖掘
• 第8章 项集挖掘 186
• 8.1 频繁项集和关联规则 186
• 8.2 频繁项集挖掘算法 189
• 8.2.1 逐层的方法：Apriori算法 191
• 8.2.2 事务标识符集的交集方法：Eclat算法 193
• 8.2.3 频繁模式树方法：FPGrowth算法 197
• 8.3 生成关联规则 201
• 8.4 补充阅读 203
• 8.5 习题 203
• 第9章 项集概述 208
• 9.1 最大频繁项集和闭频繁项集 208
• 9.2 挖掘最大频繁项集：GenMax算法 211
• 9.3 挖掘闭频繁项集：Charm算法 213
• 9.4 非可导项集 215
• 9.5 补充阅读 220
• 9.6 习题 221
• 第10章 序列挖掘 223
• 10.1 频繁序列 223
• 10.2 挖掘频繁序列 224
• 10.2.1 逐层挖掘：GSP 225
• 10.2.2 垂直序列挖掘：Spade 226
• 10.2.3 基于投影的序列挖掘：PrefixSpan 228
• 10.3 基于后缀树的子串挖掘 230
• 10.3.1 后缀树 230
• 10.3.2 Ukkonen线性时间算法 233
• 10.4 补充阅读 238
• 10.5 习题 239
• 第11章 图模式挖掘 242
• 11.1 同形和支撑 242
• 11.2 候选生成 245
• 11.3 gSpan算法 249
• 11.3.1 扩展和支撑计算 250
• 11.3.2 权威性测试 255
• 11.4 补充阅读 256
• 11.5 习题 257
• 第12章 模式与规则评估 260
• 12.1 规则和模式评估的度量 260
• 12.1.1 规则评估度量 260
• 12.1.2 模式评估度量 268
• 12.1.3 比较多条规则和模式 270
• 12.2 显著性检验和置信区间 273
• 12.2.1 产生式规则的费希尔精确检验 273
• 12.2.2 显著性的置换检验 277
• 12.2.3 置信区间内的自助抽样 282
• 12.3 补充阅读 284
• 12.4 习题 285
• 第三部分 聚类
• 第13章 基于代表的聚类 288
• 13.1 K-means 算法 288
• 13.2 核K-means 292
• 13.3 期望最大聚类 295
• 13.3.1 一维中的EM 297
• 13.3.2 d维中的EM 300
• 13.3.3 极大似然估计 305
• 13.3.4 EM方法 309
• 13.4 补充阅读 311
• 13.5 习题 312
• 第14章 层次式聚类 315
• 14.1 预备知识 315
• 14.2 聚合型层次式聚类 317
• 14.2.1 簇间距离 317
• 14.2.2 更新距离矩阵 321
• 14.2.3 计算复杂度 322
• 14.3 补充阅读 322
• 14.4 习题 323
• 第15章 基于密度的聚类 325
• 15.1 DBSCAN 算法 325
• 15.2 核密度估计 328
• 15.2.1 一元密度估计 328
• 15.2.2 多元密度估计 331
• 15.2.3 最近邻密度估计 333
• 15.3 基于密度的聚类：DENCLUE 333
• 15.4 补充阅读 338
• 15.5 习题 339
• 第16章 谱聚类和图聚类 341
• 16.1 图和矩阵 341
• 16.2 基于图的割的聚类 347
• 16.2.1 聚类目标函数：比例割与归—割 349
• 16.2.2 谱聚类算法 351
• 16.2.3 最大化目标：平均割与模块度 354
• 16.3 马尔可夫聚类 360
• 16.4 补充阅读 366
• 16.5 习题 367
• 第17章 聚类的验证 368
• 17.1 外部验证度量 368
• 17.1.1 基于匹配的度量 369
• 17.1.2 基于熵的度量 372
• 17.1.3 成对度量 375
• 17.1.4 关联度量 378
• 17.2 内部度量 381
• 17.3 相对度量 388
• 17.3.1 分簇稳定性 394
• 17.3.2 聚类趋向性 396
• 17.4 补充阅读 400
• 17.5 习题 401
• 第四部分 分类
• 第18章 基于概率的分类 404
• 18.1 贝叶斯分类器 404
• 18.1.1 估计先验概率 404
• 18.1.2 估计似然 405
• 18.2 朴素贝叶斯分类器 409
• 18.3 K最近邻分类器 412
• 18.4 补充阅读 414
• 18.5 习题 415
• 第19章 决策树分类器 416
• 19.1 决策树 417
• 19.2 决策树算法 419
• 19.2.1 分割点评估度量 420
• 19.2.2 评估分割点 422
• 19.3 补充阅读 429
• 19.4 习题 429
• 第20章 线性判别分析 431
• 20.1 最优线性判别 431
• 20.2 核判别分析 437
• 20.3 补充阅读 443
• 20.4 习题 443
• 第21章 支持向量机 445
• 21.1 支持向量和间隔 445
• 21.2 SVM：线性可分的情况 450
• 21.3 软间隔SVM：线性不可分的情况 454
• 21.3.1 铰链误损 455
• 21.3.2 二次误损 458
• 21.4 核SVM：非线性情况 459
• 21.5 SVM训练算法 462
• 21.5.1 对偶解法：随机梯度上升 463
• 21.5.2 原始问题解：牛顿优化 467
• 21.6 补充阅读 473
• 21.7 习题 473
• 第22章 分类的评估 475
• 22.1 分类性能度量 475
• 22.1.1 基于列联表的度量 476
• 22.1.2 二值分类：正类和负类 479
• 22.1.3 ROC分析 482
• 22.2 分类器评估 487
• 22.2.1 K折交叉验证 487
• 22.2.2 自助抽样 488
• 22.2.3 置信区间 489
• 22.2.4 分类器比较：配对t检验 493
• 22.3 偏置-方差分解 495
• 22.4 补充阅读 503
• 22.5 习题 504