數(shù)據(jù)挖掘：實(shí)用機(jī)器學(xué)習(xí)工具與技術(shù)（原書(shū)第4版）圖書(shū)目錄

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(jī)器學(xué)習(xí) 2

1.1.1　描述結(jié)構(gòu)模式 3

1.1.2　機(jī)器學(xué)習(xí) 5

1.1.3　數(shù)據(jù)挖掘 6

1.2　簡(jiǎn)單的例子：天氣問(wèn)題和其他問(wèn)題 6

1.2.1　天氣問(wèn)題 6

1.2.2　隱形眼鏡：一個(gè)理想化的問(wèn)題 8

1.2.3　鳶尾花：一個(gè)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(yù)測(cè) 10

1.2.5　勞資協(xié)商：一個(gè)更真實(shí)的例子 11

1.2.6　大豆分類(lèi)：一個(gè)經(jīng)典的機(jī)器學(xué)習(xí)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(fù)載預(yù)測(cè) 16

1.3.5　診斷 17

1.3.6　市場(chǎng)和銷(xiāo)售 17

1.3.7　其他應(yīng)用 18

1.4　數(shù)據(jù)挖掘過(guò)程 19

1.5　機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué) 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(wèn)題 24

1.7.1　再識(shí)別 24

1.7.2　使用個(gè)人信息 25

1.7.3　其他問(wèn)題 26

1.8　拓展閱讀及參考文獻(xiàn) 26

第2章　輸入：概念、實(shí)例和屬性 29

2.1　概念 29

2.2　實(shí)例 31

2.2.1　關(guān)系 31

2.2.2　其他實(shí)例類(lèi)型 34

2.3　屬性 35

2.4　輸入準(zhǔn)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(lèi)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(xiàn) 43

第3章　輸出：知識(shí)表達(dá) 44

3.1　表 44

3.2　線性模型 44

3.3　樹(shù) 46

3.4　規(guī)則 49

3.4.1　分類(lèi)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(dá)能力更強(qiáng)的規(guī)則 54

3.5　基于實(shí)例的表達(dá) 56

3.6　聚類(lèi) 58

3.7　拓展閱讀及參考文獻(xiàn) 59

第4章　算法：基本方法 60

4.1　推斷基本規(guī)則 60

4.2　簡(jiǎn)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(lèi)的樸素貝葉斯 67

4.2.3　討論 68

4.3　分治法：創(chuàng)建決策樹(shù) 69

4.3.1　計(jì)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(shù) 75

4.4.2　一個(gè)簡(jiǎn)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(xiàng)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(yù)測(cè)：線性回歸 86

4.6.2　線性分類(lèi)：logistic回歸 87

4.6.3　使用感知機(jī)的線性分類(lèi) 89

4.6.4　使用Winnow的線性分類(lèi) 90

4.7　基于實(shí)例的學(xué)習(xí) 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(lèi) 96

4.8.1　基于距離的迭代聚類(lèi) 97

4.8.2　更快的距離計(jì)算 98

4.8.3　選擇簇的個(gè)數(shù) 99

4.8.4　層次聚類(lèi) 100

4.8.5　層次聚類(lèi)示例 101

4.8.6　增量聚類(lèi) 102

4.8.7　分類(lèi)效用 104

4.8.8　討論 106

4.9　多實(shí)例學(xué)習(xí) 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(xiàn) 108

4.11　Weka實(shí)現(xiàn) 109

第5章　可信度：評(píng)估學(xué)習(xí)結(jié)果 111

5.1　訓(xùn)練和測(cè)試 111

5.2　預(yù)測(cè)性能 113

5.3　交叉驗(yàn)證 115

5.4　其他評(píng)估方法 116

5.4.1　留一交叉驗(yàn)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(yù)測(cè)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(jì)算成本 123

5.8.1　成本敏感分類(lèi) 125

5.8.2　成本敏感學(xué)習(xí) 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(píng)估數(shù)值預(yù)測(cè) 134

5.10　最小描述長(zhǎng)度原理 136

5.11　將MDL原理應(yīng)用于聚類(lèi) 138

5.12　使用驗(yàn)證集進(jìn)行模型選擇 138

5.13　拓展閱讀及參考文獻(xiàn) 139

第二部分　高級(jí)機(jī)器學(xué)習(xí)方案

第6章　樹(shù)和規(guī)則 144

6.1　決策樹(shù) 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(jì)誤差率 147

6.1.5　決策樹(shù)歸納法的復(fù)雜度 149

6.1.6　從決策樹(shù)到規(guī)則 150

6.1.7　C4.5：選擇和選項(xiàng) 150

6.1.8　成本–復(fù)雜度剪枝 151

6.1.9　討論 151

6.2　分類(lèi)規(guī)則 152

6.2.1　選擇測(cè)試的標(biāo)準(zhǔn) 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(shù)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(shù) 161

6.3.2　尋找大項(xiàng)集 163

6.3.3　討論 166

6.4　Weka 實(shí)現(xiàn) 167

第7章　基于實(shí)例的學(xué)習(xí)和線性模型的擴(kuò)展 168

7.1　基于實(shí)例的學(xué)習(xí) 168

7.1.1　減少樣本集的數(shù)量 168

7.1.2　對(duì)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(kuò)展線性模型 173

7.2.1　最大間隔超平面 173

7.2.2　非線性類(lèi)邊界 174

7.2.3　支持向量回歸 176

7.2.4　核嶺回歸 177

7.2.5　核感知機(jī) 178

7.2.6　多層感知機(jī) 179

7.2.7　徑向基函數(shù)網(wǎng)絡(luò) 184

7.2.8　隨機(jī)梯度下降 185

7.2.9　討論 186

7.3　局部線性模型用于數(shù)值預(yù)測(cè) 187

7.3.1　模型樹(shù) 187

7.3.2　構(gòu)建樹(shù) 188

7.3.3　對(duì)樹(shù)剪枝 188

7.3.4　名目屬性 189

7.3.5　缺失值 189

7.3.6　模型樹(shù)歸納的偽代碼 190

7.3.7　從模型樹(shù)到規(guī)則 192

7.3.8　局部加權(quán)線性回歸 192

7.3.9　討論 193

7.4　Weka實(shí)現(xiàn) 194

第8章　數(shù)據(jù)轉(zhuǎn)換 195

8.1　屬性選擇 196

8.1.1　獨(dú)立于方案的選擇 197

8.1.2　搜索屬性空間 199

8.1.3　具體方案相關(guān)的選擇 200

8.2　離散化數(shù)值屬性 201

8.2.1　無(wú)監(jiān)督離散化 202

8.2.2　基于熵的離散化 203

8.2.3　其他離散化方法 205

8.2.4　基于熵和基于誤差的離散化 205

8.2.5　將離散屬性轉(zhuǎn)換成數(shù)值屬性 206

8.3　投影 207

8.3.1　主成分分析 207

8.3.2　隨機(jī)投影 209

8.3.3　偏最小二乘回歸 209

8.3.4　獨(dú)立成分分析 210

8.3.5　線性判別分析 211

8.3.6　二次判別分析 211

8.3.7　Fisher線性判別分析 211

8.3.8　從文本到屬性向量 212

8.3.9　時(shí)間序列 213

8.4　抽樣 214

8.5　數(shù)據(jù)清洗 215

8.5.1　改進(jìn)決策樹(shù) 215

8.5.2　穩(wěn)健回歸 215

8.5.3　檢測(cè)異常 216

8.5.4　一分類(lèi)學(xué)習(xí) 217

8.5.5　離群點(diǎn)檢測(cè) 217

8.5.6　生成人工數(shù)據(jù) 218

8.6　將多分類(lèi)問(wèn)題轉(zhuǎn)換成二分類(lèi)問(wèn)題 219

8.6.1　簡(jiǎn)單方法 219

8.6.2　誤差校正輸出編碼 220

8.6.3　集成嵌套二分法 221

8.7　校準(zhǔn)類(lèi)概率 223

8.8　拓展閱讀及參考文獻(xiàn) 224

8.9　Weka實(shí)現(xiàn) 226

第9章　概率方法 228

9.1　基礎(chǔ) 228

9.1.1　最大似然估計(jì) 229

9.1.2　最大后驗(yàn)參數(shù)估計(jì) 230

9.2　貝葉斯網(wǎng)絡(luò) 230

9.2.1　預(yù)測(cè) 231

9.2.2　學(xué)習(xí)貝葉斯網(wǎng)絡(luò) 233

9.2.3　具體算法 235

9.2.4　用于快速學(xué)習(xí)的數(shù)據(jù)結(jié)構(gòu) 237

9.3　聚類(lèi)和概率密度估計(jì) 239

9.3.1　用于高斯混合模型的期望最大化算法 239

9.3.2　擴(kuò)展混合模型 242

9.3.3　使用先驗(yàn)分布聚類(lèi) 243

9.3.4　相關(guān)屬性聚類(lèi) 244

9.3.5　核密度估計(jì) 245

9.3.6　比較用于分類(lèi)的參數(shù)、半?yún)?shù)和無(wú)參數(shù)的密度模型 245

9.4　隱藏變量模型 246

9.4.1　對(duì)數(shù)似然和梯度的期望 246

9.4.2　期望最大化算法 247

9.4.3　將期望最大化算法應(yīng)用于貝葉斯網(wǎng)絡(luò) 248

9.5　貝葉斯估計(jì)與預(yù)測(cè) 249

9.6　圖模型和因子圖 251

9.6.1　圖模型和盤(pán)子表示法 251

9.6.2　概率主成分分析 252

9.6.3　隱含語(yǔ)義分析 254

9.6.4　使用主成分分析來(lái)降維 255

9.6.5　概率LSA 256

9.6.6　隱含狄利克雷分布 257

9.6.7　因子圖 258

9.6.8　馬爾可夫隨機(jī)場(chǎng) 260

9.6.9　使用sum-product算法和max-product算法進(jìn)行計(jì)算 261

9.7　條件概率模型 265

9.7.1　概率模型的線性和多項(xiàng)式回歸 265

9.7.2　使用先驗(yàn)參數(shù) 266

9.7.3　多分類(lèi)logistic回歸 268

9.7.4　梯度下降和二階方法 271

9.7.5　廣義線性模型 271

9.7.6　有序類(lèi)的預(yù)測(cè) 272

9.7.7　使用核函數(shù)的條件概率模型 273

9.8　時(shí)序模型 273

9.8.1　馬爾可夫模型和N元法 273

9.8.2　隱馬爾可夫模型 274

9.8.3　條件隨機(jī)場(chǎng) 275

9.9　拓展閱讀及參考文獻(xiàn) 278

9.10　Weka實(shí)現(xiàn) 282

第10章　深度學(xué)習(xí) 283

10.1　深度前饋網(wǎng)絡(luò) 284

10.1.1　MNIST評(píng)估 284

10.1.2　損失和正則化 285

10.1.3　深層網(wǎng)絡(luò)體系結(jié)構(gòu) 286

10.1.4　激活函數(shù) 287

10.1.5　重新審視反向傳播 288

10.1.6　計(jì)算圖以及復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu) 290

10.1.7　驗(yàn)證反向傳播算法的實(shí)現(xiàn) 291

10.2　訓(xùn)練和評(píng)估深度網(wǎng)絡(luò) 292

10.2.1　早停 292

10.2.2　驗(yàn)證、交叉驗(yàn)證以及超參數(shù)調(diào)整 292

10.2.3　小批量隨機(jī)梯度下降 293

10.2.4　小批量隨機(jī)梯度下降的偽代碼 294

10.2.5　學(xué)習(xí)率和計(jì)劃 294

10.2.6　先驗(yàn)參數(shù)的正則化 295

10.2.7　丟棄法 295

10.2.8　批規(guī)范化 295

10.2.9　參數(shù)初始化 295

10.2.10　無(wú)監(jiān)督的預(yù)訓(xùn)練 296

10.2.11　數(shù)據(jù)擴(kuò)充和合成轉(zhuǎn)換 296

10.3　卷積神經(jīng)網(wǎng)絡(luò) 296

10.3.1　ImageNet評(píng)估和深度卷積神經(jīng)網(wǎng)絡(luò) 297

10.3.2　從圖像濾波到可學(xué)習(xí)的卷積層 297

10.3.3　卷積層和梯度 300

10.3.4　池化層二次抽樣層以及梯度 300

10.3.5　實(shí)現(xiàn) 301

10.4　自編碼器 301

10.4.1　使用RBM預(yù)訓(xùn)練深度自編碼器 302

10.4.2　降噪自編碼器和分層訓(xùn)練 304

10.4.3　重構(gòu)和判別式學(xué)習(xí)的結(jié)合 304

10.5　隨機(jī)深度網(wǎng)絡(luò) 304

10.5.1　玻爾茲曼機(jī) 304

10.5.2　受限玻爾茲曼機(jī) 306

10.5.3　對(duì)比分歧 306

10.5.4　分類(lèi)變量和連續(xù)變量 306

10.5.5　深度玻爾茲曼機(jī) 307

10.5.6　深度信念網(wǎng)絡(luò) 308

10.6　遞歸神經(jīng)網(wǎng)絡(luò) 309

10.6.1　梯度爆炸與梯度消失 310

10.6.2　其他遞歸網(wǎng)絡(luò)結(jié)構(gòu) 311

10.7　拓展閱讀及參考文獻(xiàn) 312

10.8　深度學(xué)習(xí)軟件以及網(wǎng)絡(luò)實(shí)現(xiàn) 315

10.8.1　Theano 315

10.8.2　Tensor Flow 315

10.8.3　Torch 315

10.8.4　CNTK 315

10.8.5　Caffe 315

10.8.6　DeepLearning4j 316

10.8.7　其他包：Lasagne、Keras以及cuDNN 316

10.9　Weka實(shí)現(xiàn) 316

第11章　有監(jiān)督和無(wú)監(jiān)督學(xué)習(xí) 317

11.1　半監(jiān)督學(xué)習(xí) 317

11.1.1　用以分類(lèi)的聚類(lèi) 317

11.1.2　協(xié)同訓(xùn)練 318

11.1.3　EM和協(xié)同訓(xùn)練 319

11.1.4　神經(jīng)網(wǎng)絡(luò)方法 319

11.2　多實(shí)例學(xué)習(xí) 320

11.2.1　轉(zhuǎn)換為單實(shí)例學(xué)習(xí) 320

11.2.2　升級(jí)學(xué)習(xí)算法 321

11.2.3　專(zhuān)用多實(shí)例方法 322

11.3　拓展閱讀及參考文獻(xiàn) 323

11.4　Weka實(shí)現(xiàn) 323

第12章　集成學(xué)習(xí) 325

12.1　組合多種模型 325

12.2　裝袋 326

12.2.1　偏差–方差分解 326

12.2.2　考慮成本的裝袋 327

12.3　隨機(jī)化 328

12.3.1　隨機(jī)化與裝袋 328

12.3.2　旋轉(zhuǎn)森林 329

12.4　提升 329

12.4.1　AdaBoost算法 330

12.4.2　提升算法的威力 331

12.5　累加回歸 332

12.5.1　數(shù)值預(yù)測(cè) 332

12.5.2　累加logistic回歸 333

12.6　可解釋的集成器 334

12.6.1　選擇樹(shù) 334

12.6.2　logistic模型樹(shù) 336

12.7　堆棧 336

12.8　拓展閱讀及參考文獻(xiàn) 338

12.9　Weka實(shí)現(xiàn) 339

第13章　擴(kuò)展和應(yīng)用 340

13.1　應(yīng)用機(jī)器學(xué)習(xí) 340

13.2　從大型的數(shù)據(jù)集學(xué)習(xí) 342

13.3　數(shù)據(jù)流學(xué)習(xí) 344

13.4　融合領(lǐng)域知識(shí) 346

13.5　文本挖掘 347

13.5.1　文檔分類(lèi)與聚類(lèi) 348

13.5.2　信息提取 349

13.5.3　自然語(yǔ)言處理 350

13.6　Web挖掘 350

13.6.1　包裝器歸納 351

13.6.2　網(wǎng)頁(yè)分級(jí) 351

13.7　圖像和語(yǔ)音 353

13.7.1　圖像 353

13.7.2　語(yǔ)音 354

13.8　對(duì)抗情形 354

13.9　無(wú)處不在的數(shù)據(jù)挖掘 355

13.10　拓展閱讀及參考文獻(xiàn) 357

13.11　Weka實(shí)現(xiàn) 359

附錄A　理論基礎(chǔ) 360

附錄B　Weka工作平臺(tái) 375

索引 388

參考文獻(xiàn)2100433B

本書(shū)是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典暢銷(xiāo)教材，被國(guó)內(nèi)外眾多名校選用。第4版新增了關(guān)于深度學(xué)習(xí)和概率方法的重要章節(jié)，同時(shí)，備受歡迎的機(jī)器學(xué)習(xí)軟件Weka也再度升級(jí)。書(shū)中全面覆蓋了該領(lǐng)域的實(shí)用技術(shù)，致力于幫助讀者理解不同技術(shù)的工作方式和應(yīng)用方式，從而學(xué)會(huì)在工程實(shí)踐和商業(yè)項(xiàng)目中解決真實(shí)問(wèn)題。本書(shū)適合作為高等院校相關(guān)課程的教材，同時(shí)也適合業(yè)內(nèi)技術(shù)人員閱讀參考。

大數(shù)據(jù)時(shí)代應(yīng)用機(jī)器學(xué)習(xí)方法解決數(shù)據(jù)挖掘問(wèn)題的實(shí)用指南。

洞察隱匿于大數(shù)據(jù)中的結(jié)構(gòu)模式，有效指導(dǎo)數(shù)據(jù)挖掘?qū)嵺`和商業(yè)應(yīng)用。

weka系統(tǒng)的主要開(kāi)發(fā)者將豐富的研發(fā)、商業(yè)應(yīng)用和教學(xué)實(shí)踐的經(jīng)驗(yàn)和技術(shù)融會(huì)貫通。

廣泛覆蓋在數(shù)據(jù)挖掘?qū)嵺`中采用的算法和機(jī)器學(xué)習(xí)技術(shù)，著眼于解決實(shí)際問(wèn)題

避免過(guò)分要求理論基礎(chǔ)和數(shù)學(xué)知識(shí)，重點(diǎn)在于告訴讀者“如何去做”，同時(shí)包括許多算法、代碼以及具體實(shí)例的實(shí)現(xiàn)。

將所有的概念都建立在具體實(shí)例的基礎(chǔ)之上，促使讀者首先考慮使用簡(jiǎn)單的技術(shù)。如果簡(jiǎn)單的技術(shù)不足以解決問(wèn)題，再考慮提升到更為復(fù)雜的高級(jí)技術(shù)。

新版增加了大量近年來(lái)最新涌現(xiàn)的數(shù)據(jù)挖掘算法和諸如Web數(shù)據(jù)挖掘等新領(lǐng)域的介紹，所介紹的weka系統(tǒng)增加了50%的算法及大量新內(nèi)容。

本書(shū)是機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的經(jīng)典暢銷(xiāo)教材，被眾多國(guó)外名校選為教材。書(shū)中詳細(xì)介紹用于數(shù)據(jù)挖掘領(lǐng)域的機(jī)器學(xué)習(xí)技術(shù)和工具以及實(shí)踐方法，并且提供了一個(gè)公開(kāi)的數(shù)據(jù)挖掘工作平臺(tái)Weka。本書(shū)主要內(nèi)容包括：數(shù)據(jù)輸入/輸出、知識(shí)表示、數(shù)據(jù)挖掘技術(shù)（決策樹(shù)、關(guān)聯(lián)規(guī)則、基于實(shí)例的學(xué)習(xí)、線性模型、聚類(lèi)、多實(shí)例學(xué)習(xí)等）以及在實(shí)踐中的運(yùn)用。本版對(duì)上一版內(nèi)容進(jìn)行了全面更新，以反映自第2版出版以來(lái)數(shù)據(jù)挖掘領(lǐng)域的技術(shù)變革和新方法，包括數(shù)據(jù)轉(zhuǎn)換、集成學(xué)習(xí)、大規(guī)模數(shù)據(jù)集、多實(shí)例學(xué)習(xí)等，以及新版的Weka機(jī)器學(xué)習(xí)軟件。本書(shū)邏輯嚴(yán)謹(jǐn)、內(nèi)容翔實(shí)、極富實(shí)踐性，適合作為高等院校本科生或研究生的教材，也可供相關(guān)技術(shù)人員參考。

本書(shū)創(chuàng)造性地匯編了數(shù)據(jù)挖掘技術(shù)，將統(tǒng)計(jì)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)數(shù)據(jù)挖掘進(jìn)行了區(qū)分，對(duì)經(jīng)典和現(xiàn)代統(tǒng)計(jì)方法框架進(jìn)行了擴(kuò)展，以用于預(yù)測(cè)建模和大數(shù)據(jù)分析。本書(shū)在第2版的基礎(chǔ)上新增了13章，內(nèi)容涵蓋數(shù)據(jù)科學(xué)發(fā)展歷程、市場(chǎng)份額估算、無(wú)抽樣調(diào)研數(shù)據(jù)預(yù)測(cè)錢(qián)包份額、潛在市場(chǎng)細(xì)分、利用缺失數(shù)據(jù)構(gòu)建統(tǒng)計(jì)回歸模型、十分位分析評(píng)估數(shù)據(jù)的預(yù)測(cè)能力，以及一個(gè)無(wú)須精通自然語(yǔ)言處理就能使用的文本挖掘工具。本書(shū)適合數(shù)據(jù)挖掘從業(yè)者以及對(duì)機(jī)器學(xué)習(xí)數(shù)據(jù)挖掘感興趣的人閱讀。

出版者的話(huà)

譯者序

前言

致謝

第一部分 數(shù)據(jù)挖掘簡(jiǎn)介

第1章 緒論2

1.1 數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)2

1.1.1 描述結(jié)構(gòu)模式3

1.1.2 機(jī)器學(xué)習(xí)5

1.1.3 數(shù)據(jù)挖掘6

1.2 簡(jiǎn)單的例子：天氣問(wèn)題和其他問(wèn)題6

1.2.1 天氣問(wèn)題7

1.2.2 隱形眼鏡：一個(gè)理想化的問(wèn)題8

1.2.3 鳶尾花：一個(gè)經(jīng)典的數(shù)值型數(shù)據(jù)集10

1.2.4 CPU性能：介紹數(shù)值預(yù)測(cè)11

1.2.5 勞資協(xié)商：一個(gè)更真實(shí)的例子11

1.2.6 大豆分類(lèi)：一個(gè)經(jīng)典的機(jī)器學(xué)習(xí)的成功例子13

1.3 應(yīng)用領(lǐng)域14

1.3.1 Web挖掘15

1.3.2 包含評(píng)判的決策15

1.3.3 圖像篩選16

1.3.4 負(fù)載預(yù)測(cè)17

1.3.5 診斷17

1.3.6 市場(chǎng)和銷(xiāo)售18

1.3.7 其他應(yīng)用19

1.4 機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)20

1.5 將泛化看做搜索21

1.5.1 枚舉概念空間22

1.5.2 偏差22

1.6 數(shù)據(jù)挖掘和道德24

1.6.1 再識(shí)別25

1.6.2 使用個(gè)人信息25

1.6.3 其他問(wèn)題26

1.7 補(bǔ)充讀物27

第2章 輸入：概念、實(shí)例和屬性29

2.1 概念29

2.2 樣本31

2.2.1 關(guān)系32

2.2.2 其他實(shí)例類(lèi)型34

2.3 屬性35

2.4 輸入準(zhǔn)備37

2.4.1 數(shù)據(jù)收集37

2.4.2 ARFF格式38

2.4.3 稀疏數(shù)據(jù)40

2.4.4 屬性類(lèi)型40

2.4.5 缺失值41

2.4.6 不正確的值42

2.4.7 了解數(shù)據(jù)43

2.5 補(bǔ)充讀物43

第3章 輸出：知識(shí)表達(dá)44

3.1 表44

3.2 線性模型44

3.3 樹(shù)45

3.4 規(guī)則48

3.4.1 分類(lèi)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52

3.4.4 表達(dá)能力更強(qiáng)的規(guī)則54

3.5 基于實(shí)例的表達(dá)56

3.6 聚類(lèi)58

3.7 補(bǔ)充讀物60

第4章 算法：基本方法61

4.1 推斷基本規(guī)則61

4.1.1 缺失值和數(shù)值屬性62

4.1.2 討論64

4.2 統(tǒng)計(jì)建模64

4.2.1 缺失值和數(shù)值屬性67

4.2.2 用于文檔分類(lèi)的樸素貝葉斯68

4.2.3 討論70

4.3 分治法：建立決策樹(shù)70

4.3.1 計(jì)算信息量73

4.3.2 高度分支屬性74

4.3.3 討論75

4.4 覆蓋算法：建立規(guī)則76

4.4.1 規(guī)則與樹(shù)77

4.4.2 一個(gè)簡(jiǎn)單的覆蓋算法77

4.4.3 規(guī)則與決策列表80

4.5 挖掘關(guān)聯(lián)規(guī)則81

4.5.1 項(xiàng)集81

4.5.2 關(guān)聯(lián)規(guī)則83

4.5.3 有效地生成規(guī)則85

4.5.4 討論87

4.6 線性模型87

4.6.1 數(shù)值預(yù)測(cè)：線性回歸87

4.6.2 線性分類(lèi)：Logistic回歸88

4.6.3 使用感知機(jī)的線性分類(lèi)90

4.6.4 使用Winnow的線性分類(lèi)91

4.7 基于實(shí)例的學(xué)習(xí)92

4.7.1 距離函數(shù)93

4.7.2 有效尋找最近鄰93

4.7.3 討論97

4.8 聚類(lèi)97

4.8.1 基于距離的迭代聚類(lèi)98

4.8.2 快速距離計(jì)算99

4.8.3 討論100

4.9 多實(shí)例學(xué)習(xí)100

4.9.1 聚集輸入100

4.9.2 聚集輸出100

4.9.3 討論101

4.10 補(bǔ)充讀物101

4.11 Weka實(shí)現(xiàn)103

第5章 可信度：評(píng)估學(xué)習(xí)結(jié)果104

5.1 訓(xùn)練和測(cè)試104

5.2 預(yù)測(cè)性能106

5.3 交叉驗(yàn)證108

5.4 其他評(píng)估方法109

5.4.1 留一交叉驗(yàn)證109

5.4.2 自助法109

5.5 數(shù)據(jù)挖掘方法比較110

5.6 預(yù)測(cè)概率113

5.6.1 二次損失函數(shù)114

5.6.2 信息損失函數(shù)115

5.6.3 討論115

5.7 計(jì)算成本116

5.7.1 成本敏感分類(lèi)117

5.7.2 成本敏感學(xué)習(xí)118

5.7.3 提升圖119

5.7.4 ROC曲線122

5.7.5 召回率—精確率曲線124

5.7.6 討論124

5.7.7 成本曲線125

5.8 評(píng)估數(shù)值預(yù)測(cè)127

5.9 最小描述長(zhǎng)度原理129

5.10 在聚類(lèi)方法中應(yīng)用MDL原理131

5.11 補(bǔ)充讀物132

第二部分 高級(jí)數(shù)據(jù)挖掘

第6章 實(shí)現(xiàn)：真正的機(jī)器學(xué)習(xí)方案134

6.1 決策樹(shù)135

6.1.1 數(shù)值屬性135

6.1.2 缺失值136

6.1.3 剪枝137

6.1.4 估計(jì)誤差率138

6.1.5 決策樹(shù)歸納的復(fù)雜度140

6.1.6 從決策樹(shù)到規(guī)則140

6.1.7 C4.5：選擇和選項(xiàng)141

6.1.8 成本—復(fù)雜度剪枝141

6.1.9 討論142

6.2 分類(lèi)規(guī)則142

6.2.1 選擇測(cè)試的標(biāo)準(zhǔn)143

6.2.2 缺失值和數(shù)值屬性143

6.2.3 生成好的規(guī)則144

6.2.4 使用全局優(yōu)化146

6.2.5 從局部決策樹(shù)中獲得規(guī)則146

6.2.6 包含例外的規(guī)則149

6.2.7 討論151

6.3 關(guān)聯(lián)規(guī)則152

6.3.1 建立頻繁模式樹(shù)152

6.3.2 尋找大項(xiàng)集157

6.3.3 討論157

6.4 擴(kuò)展線性模型158

6.4.1 最大間隔超平面159

6.4.2 非線性類(lèi)邊界160

6.4.3 支持向量回歸161

6.4.4 核嶺回歸163

6.4.5 核感知機(jī)164

6.4.6 多層感知機(jī)165

6.4.7 徑向基函數(shù)網(wǎng)絡(luò)171

6.4.8 隨機(jī)梯度下降172

6.4.9 討論173

6.5 基于實(shí)例的學(xué)習(xí)174

6.5.1 減少樣本集的數(shù)量174

6.5.2 對(duì)噪聲樣本集剪枝174

6.5.3 屬性加權(quán)175

6.5.4 泛化樣本集176

6.5.5 用于泛化樣本集的距離函數(shù)176

6.5.6 泛化的距離函數(shù)177

6.5.7 討論178

6.6 局部線性模型用于數(shù)值預(yù)測(cè)178

6.6.1 模型樹(shù)179

6.6.2 構(gòu)建樹(shù)179

6.6.3 對(duì)樹(shù)剪枝180

6.6.4 名目屬性180

6.6.5 缺失值181

6.6.6 模型樹(shù)歸納的偽代碼181

6.6.7 從模型樹(shù)到規(guī)則184

6.6.8 局部加權(quán)線性回歸184

6.6.9 討論185

6.7 貝葉斯網(wǎng)絡(luò)186

6.7.1 預(yù)測(cè)186

6.7.2 學(xué)習(xí)貝葉斯網(wǎng)絡(luò)189

6.7.3 算法細(xì)節(jié)190

6.7.4 用于快速學(xué)習(xí)的數(shù)據(jù)結(jié)構(gòu)192

6.7.5 討論194

6.8 聚類(lèi)194

6.8.1 選擇聚類(lèi)的個(gè)數(shù)195

6.8.2 層次聚類(lèi)195

6.8.3 層次聚類(lèi)的例子196

6.8.4 增量聚類(lèi)199

6.8.5 分類(lèi)效用203

6.8.6 基于概率的聚類(lèi)204

6.8.7 EM算法205

6.8.8 擴(kuò)展混合模型206

6.8.9 貝葉斯聚類(lèi)207

6.8.10 討論209

6.9 半監(jiān)督學(xué)習(xí)210

6.9.1 用于分類(lèi)的聚類(lèi)210

6.9.2 協(xié)同訓(xùn)練212

6.9.3 EM和協(xié)同訓(xùn)練212

6.9.4 討論213

6.10 多實(shí)例學(xué)習(xí)213

6.10.1 轉(zhuǎn)換為單實(shí)例學(xué)習(xí)213

6.10.2 升級(jí)學(xué)習(xí)算法215

6.10.3 專(zhuān)用多實(shí)例方法215

6.10.4 討論216

6.11 Weka實(shí)現(xiàn)216

第7章 數(shù)據(jù)轉(zhuǎn)換218

7.1 屬性選擇219

7.1.1 獨(dú)立于方案的選擇220

7.1.2 搜索屬性空間222

7.1.3 具體方案相關(guān)的選擇223

7.2 離散化數(shù)值屬性225

7.2.1 無(wú)監(jiān)督離散化226

7.2.2 基于熵的離散化226

7.2.3 其他離散化方法229

7.2.4 基于熵的離散化與基于誤差的離散化229

7.2.5 離散屬性轉(zhuǎn)換成數(shù)值屬性230

7.3 投影230

7.3.1 主成分分析231

7.3.2 隨機(jī)投影233

7.3.3 偏最小二乘回歸233

7.3.4 從文本到屬性向量235

7.3.5 時(shí)間序列236

7.4 抽樣236

7.5 數(shù)據(jù)清洗237

7.5.1 改進(jìn)決策樹(shù)237

7.5.2 穩(wěn)健回歸238

7.5.3 檢測(cè)異常239

7.5.4 一分類(lèi)學(xué)習(xí)239

7.6 多分類(lèi)問(wèn)題轉(zhuǎn)換成二分類(lèi)問(wèn)題242

7.6.1 簡(jiǎn)單方法242

7.6.2 誤差校正輸出編碼243

7.6.3 集成嵌套二分法244

7.7 校準(zhǔn)類(lèi)概率246

7.8 補(bǔ)充讀物247

7.9 Weka實(shí)現(xiàn)249

第8章 集成學(xué)習(xí)250

8.1 組合多種模型250

8.2 裝袋251

8.2.1 偏差—方差分解251

8.2.2 考慮成本的裝袋253

8.3 隨機(jī)化253

8.3.1 隨機(jī)化與裝袋254

8.3.2 旋轉(zhuǎn)森林254

8.4 提升255

8.4.1 AdaBoost算法255

8.4.2 提升算法的威力257

8.5 累加回歸258

8.5.1 數(shù)值預(yù)測(cè)258

8.5.2 累加Logistic回歸259

8.6 可解釋的集成器260

8.6.1 選擇樹(shù)260

8.6.2 Logistic模型樹(shù)262

8.7 堆棧262

8.8 補(bǔ)充讀物264

8.9 Weka實(shí)現(xiàn)265

第9章 繼續(xù)：擴(kuò)展和應(yīng)用266

9.1 應(yīng)用數(shù)據(jù)挖掘266

9.2 從大型的數(shù)據(jù)集里學(xué)習(xí)268

9.3 數(shù)據(jù)流學(xué)習(xí)270

9.4 融合領(lǐng)域知識(shí)272

9.5 文本挖掘273

9.6 Web挖掘276

9.7 對(duì)抗情形278

9.8 無(wú)處不在的數(shù)據(jù)挖掘280

9.9 補(bǔ)充讀物281

第三部分 Weka數(shù)據(jù)挖掘平臺(tái)

第10章 Weka簡(jiǎn)介284

10.1 Weka中包含了什么284

10.2 如何使用Weka285

10.3 Weka的其他應(yīng)用286

10.4 如何得到Weka286

第11章 Explorer界面287

11.1 開(kāi)始287

11.1.1 準(zhǔn)備數(shù)據(jù)287

11.1.2 將數(shù)據(jù)載入Explorer288

11.1.3 建立決策樹(shù)289

11.1.4 查看結(jié)果290

11.1.5 重做一遍292

11.1.6 運(yùn)用模型292

11.1.7 運(yùn)行錯(cuò)誤的處理294

11.2 探索Explorer294

11.2.1 載入及過(guò)濾文件294

11.2.2 訓(xùn)練和測(cè)試學(xué)習(xí)方案299

11.2.3 自己動(dòng)手：用戶(hù)分類(lèi)器301

11.2.4 使用元學(xué)習(xí)器304

11.2.5 聚類(lèi)和關(guān)聯(lián)規(guī)則305

11.2.6 屬性選擇306

11.2.7 可視化306

11.3 過(guò)濾算法307

11.3.1 無(wú)監(jiān)督屬性過(guò)濾器307

11.3.2 無(wú)監(jiān)督實(shí)例過(guò)濾器312

11.3.3 有監(jiān)督過(guò)濾器314

11.4 學(xué)習(xí)算法316

11.4.1 貝葉斯分類(lèi)器317

11.4.2 樹(shù)320

11.4.3 規(guī)則322

11.4.4 函數(shù)325

11.4.5 神經(jīng)網(wǎng)絡(luò)331

11.4.6 懶惰分類(lèi)器334

11.4.7 多實(shí)例分類(lèi)器335

11.4.8 雜項(xiàng)分類(lèi)器336

11.5 元學(xué)習(xí)算法336

11.5.1 裝袋和隨機(jī)化337

11.5.2 提升338

11.5.3 組合分類(lèi)器338

11.5.4 成本敏感學(xué)習(xí)339

11.5.5 優(yōu)化性能339

11.5.6 針對(duì)不同任務(wù)重新調(diào)整分類(lèi)器340

11.6 聚類(lèi)算法340

11.7 關(guān)聯(lián)規(guī)則學(xué)習(xí)器345

11.8 屬性選擇346

11.8.1 屬性子集評(píng)估器347

11.8.2 單一屬性評(píng)估器347

11.8.3 搜索方法348

第12章 KnowledgeFlow界面351

12.1 開(kāi)始351

12.2 KnowledgeFlow組件353

12.3 配置及連接組件354

12.4 增量學(xué)習(xí)356

第13章 Experimenter界面358

13.1 開(kāi)始358

13.1.1 運(yùn)行一個(gè)實(shí)驗(yàn)358

13.1.2 分析結(jié)果359

13.2 簡(jiǎn)單設(shè)置362

13.3 高級(jí)設(shè)置363

13.4 分析面板365

13.5 將運(yùn)行負(fù)荷分布到多個(gè)機(jī)器上366

第14章 命令行界面368

14.1 開(kāi)始368

14.2 Weka的結(jié)構(gòu)368

14.2.1 類(lèi)、實(shí)例和包368

14.2.2 weka.core包370

14.2.3 weka.classifiers包371

14.2.4 其他包372

14.2.5 Javadoc索引373

14.3 命令行選項(xiàng)373

14.3.1 通用選項(xiàng)374

14.3.2 與具體方案相關(guān)的選項(xiàng)375

第15章 嵌入式機(jī)器學(xué)習(xí)376

15.1 一個(gè)簡(jiǎn)單的數(shù)據(jù)挖掘應(yīng)用376

15.1.1 MessageClassifier（）380

15.1.2 updateData（）380

15.1.3 classifyMessage（）381

第16章 編寫(xiě)新的學(xué)習(xí)方案382

16.1 一個(gè)分類(lèi)器范例382

16.1.1 buildClassifier（）389

16.1.2 makeTree（）389

16.1.3 computeInfoGain（）390

16.1.4 classifyInstance（）390

16.1.5 toSource（）391

16.1.6 main（）394

16.2 與實(shí)現(xiàn)分類(lèi)器有關(guān)的慣例395

第17章 WekaExplorer的輔導(dǎo)練習(xí)397

17.1 Explorer界面簡(jiǎn)介397

17.1.1 導(dǎo)入數(shù)據(jù)集397

17.1.2 數(shù)據(jù)集編輯器397

17.1.3 應(yīng)用過(guò)濾器398

17.1.4 可視化面板399

17.1.5 分類(lèi)器面板399

17.2 最近鄰學(xué)習(xí)和決策樹(shù)402

17.2.1 玻璃數(shù)據(jù)集402

17.2.2 屬性選擇403

17.2.3 類(lèi)噪聲以及最近鄰學(xué)習(xí)403

17.2.4 改變訓(xùn)練數(shù)據(jù)的數(shù)量404

17.2.5 交互式建立決策樹(shù)405

17.3 分類(lèi)邊界406

17.3.1 可視化1R406

17.3.2 可視化最近鄰學(xué)習(xí)407

17.3.3 可視化樸素貝葉斯407

17.3.4 可視化決策樹(shù)和規(guī)則集407

17.3.5 弄亂數(shù)據(jù)408

17.4 預(yù)處理以及參數(shù)調(diào)整408

17.4.1 離散化408

17.4.2 離散化的更多方面408

17.4.3 自動(dòng)屬性選擇409

17.4.4 自動(dòng)屬性選擇的更多方面410

17.4.5 自動(dòng)參數(shù)調(diào)整410

17.5 文檔分類(lèi)411

17.5.1 包含字符串屬性的數(shù)據(jù)411

17.5.2 實(shí)際文檔文類(lèi)412

17.5.3 探索StringToWordVector過(guò)濾器413

17.6 挖掘關(guān)聯(lián)規(guī)則413

17.6.1 關(guān)聯(lián)規(guī)則挖掘413

17.6.2 挖掘一個(gè)真實(shí)的數(shù)據(jù)集415

17.6.3 購(gòu)物籃分析415

參考文獻(xiàn)416

索引4312100433B