数据挖掘教程

3 (p0-1): 目录
3 (p0-2): 第Ⅰ部分 数据挖掘基础
3 (p0-3): 第1章 数据挖掘：初探
4 (p0-4): 1.1 数据挖掘：定义
5 (p0-5): 1.2 计算机可以学习什么
12 (p0-6): 1.3 数据挖掘是否适合自身的问题
14 (p0-7): 1.4 采用专家系统还是数据挖掘
15 (p0-8): 1.5 一个简单的数据挖掘处理模型
18 (p0-9): 1.6 为什么不进行简单的搜索
19 (p0-10): 1.7 数据挖掘应用
22 (p0-11): 1.8 本章小结
22 (p0-12): 1.9 关键术语
24 (p0-13): 1.10 练习
27 (p0-14): 第2章 数据挖掘：深入讨论
28 (p0-15): 2.1 数据挖掘策略
33 (p0-16): 2.2 有指导的数据挖掘技术
39 (p0-17): 2.3 关联规则
40 (p0-18): 2.4 聚类技术
41 (p0-19): 2.5 评估性能
46 (p0-20): 2.6 本章小结
47 (p0-21): 2.7 关键术语
48 (p0-22): 2.8 练习
53 (p0-23): 第3章 基本数据挖掘技术
54 (p0-24): 3.1 决策树
61 (p0-25): 3.2 生成关联规则
66 (p0-26): 3.3 K-平均值算法
71 (p0-27): 3.4 遗传学习
77 (p0-28): 3.5 选择一种数据挖掘技术
78 (p0-29): 3.6 本章小结
79 (p0-30): 3.7 关键术语
80 (p0-31): 3.8 练习
83 (p0-32): 第4章 基于Excel的数据挖掘工具
84 (p0-33): 4.1 iData分析器
87 (p0-34): 4.2 ESX：一种多用途的数据挖掘工具
88 (p0-35): 4.3 iDAV格式的数据挖掘
90 (p0-36): 4.4 用于无指导聚类的5步法
99 (p0-37): 4.5 用于有指导学习的6步法
103 (p0-38): 4.6 生成规则技术
105 (p0-39): 4.7 实例典型性
106 (p0-40): 4.8 特别考虑和特性
110 (p0-41): 4.9 本章小结
110 (p0-42): 4.10 关键术语
111 (p0-43): 4.11 练习
117 (p0-44): 第Ⅱ部分 知识发现工具
117 (p0-45): 第5章 数据库中的知识发现
118 (p0-46): 5.1 一种KDD过程模型
120 (p0-47): 5.3 步骤2：创建目标数据集
120 (p0-48): 5.2 步骤1：目标定义
121 (p0-49): 5.4 步骤3：数据预处理
123 (p0-50): 5.5 步骤4：数据转换
127 (p0-51): 5.6 步骤5：数据挖掘
128 (p0-52): 5.7 步骤6：解释和评估
128 (p0-53): 5.8 步骤7：采取行动
129 (p0-54): 5.9 CRISP-DM过程模型
129 (p0-55): 5.10 ESX实验
135 (p0-56): 5.11 本章小结
136 (p0-57): 5.12 关键术语
137 (p0-58): 5.13 练习
141 (p0-59): 第6章 数据仓库
142 (p0-60): 6.1 操作型数据库
145 (p0-61): 6.2 设计数据仓库
150 (p0-62): 6.3 联机分析处理
154 (p0-63): 6.4 用Excel数据透视表分析数据
162 (p0-64): 6.5 本章小结
162 (p0-65): 6.6 关键术语
164 (p0-66): 6.7 练习
167 (p0-67): 第7章 形式评估技术
168 (p0-68): 7.1 评估对象
169 (p0-69): 7.2 评估工具
174 (p0-70): 7.3 计算检验集置信区间
176 (p0-71): 7.4 比较有指导学习者模型
178 (p0-72): 7.5 属性评估
182 (p0-73): 7.6 无指导评估技术
184 (p0-74): 7.7 评估具有数值输出的有指导模型
185 (p0-75): 7.8 本章小结
186 (p0-76): 7.9 关键术语
187 (p0-77): 7.10 练习
193 (p0-78): 第Ⅲ部分 高级数据挖掘技术
193 (p0-79): 第8章 神经网络
194 (p0-80): 8.1 前馈神经网络
198 (p0-81): 8.2 神经网络训练：概念介绍
201 (p0-82): 8.4 一般考虑
202 (p0-83):…