目　录
Data Mining：Practical Machine Learning Tools and Techniques，Third Edition
出版者的话
译者序
前言
致谢
第一部分　数据挖掘简介
第1章　绪论2
1.1　数据挖掘和机器学习2
1.1.1　描述结构模式3
1.1.2　机器学习5
1.1.3　数据挖掘6
1.2　简单的例子：天气问题和其他问题6
1.2.1　天气问题7
1.2.2　隐形眼镜：一个理想化的问题8
1.2.3　鸢尾花：一个经典的数值型数据集10
1.2.4　CPU性能：介绍数值预测11
1.2.5　劳资协商：一个更真实的例子11
1.2.6　大豆分类：一个经典的机器学习的成功例子13
1.3　应用领域14
1.3.1　Web挖掘15
1.3.2　包含评判的决策15
1.3.3　图像筛选16
1.3.4　负载预测17
1.3.5　诊断17
1.3.6　市场和销售18
1.3.7　其他应用19
1.4　机器学习和统计学20
1.5　将泛化看做搜索21
1.5.1　枚举概念空间22
1.5.2　偏差22
1.6　数据挖掘和道德24
1.6.1　再识别25
1.6.2　使用个人信息25
1.6.3　其他问题26
1.7　补充读物27
第2章　输入：概念、实例和属性29
2.1　概念29
2.2　样本31
2.2.1　关系32
2.2.2　其他实例类型34
2.3　属性35
2.4　输入准备37
2.4.1　数据收集37
2.4.2　ARFF格式38
2.4.3　稀疏数据40
2.4.4　属性类型40
2.4.5　缺失值41
2.4.6　不正确的值42
2.4.7　了解数据43
2.5　补充读物43
第3章　输出：知识表达44
3.1　表44
3.2　线性模型44
3.3　树45
3.4　规则48
3.4.1　分类规则49
3.4.2　关联规则52
3.4.3　包含例外的规则52
3.4.4　表达能力更强的规则54
3.5　基于实例的表达56
3.6　聚类58
3.7　补充读物60
第4章　算法：基本方法61
4.1　推断基本规则61
4.1.1　缺失值和数值属性62
4.1.2　讨论64
4.2　统计建模64
4.2.1　缺失值和数值属性67
4.2.2　用于文档分类的朴素贝叶斯68
4.2.3　讨论70
4.3　分治法：建立决策树70
4.3.1　计算信息量73
4.3.2　高度分支属性74
4.3.3　讨论75
4.4　覆盖算法：建立规则76
4.4.1　规则与树77
4.4.2　一个简单的覆盖算法77
4.4.3　规则与决策列表80
4.5　挖掘关联规则81
4.5.1　项集81
4.5.2　关联规则83
4.5.3　有效地生成规则85
4.5.4　讨论87
4.6　线性模型87
4.6.1　数值预测：线性回归87
4.6.2　线性分类：Logistic回归88
4.6.3　使用感知机的线性分类90
4.6.4　使用Winnow的线性分类91
4.7　基于实例的学习92
4.7.1　距离函数93
4.7.2　有效寻找最近邻93
4.7.3　讨论97
4.8　聚类97
4.8.1　基于距离的迭代聚类98
4.8.2　快速距离计算99
4.8.3　讨论100
4.9　多实例学习100
4.9.1　聚集输入100
4.9.2　聚集输出100
4.9.3　讨论101
4.10　补充读物101
4.11　Weka实现103
第5章　可信度：评估学习结果104
5.1　训练和测试104
5.2　预测性能106
5.3　交叉验证108
5.4　其他评估方法109
5.4.1　留一交叉验证109
5.4.2　自助法109
5.5　数据挖掘方法比较110
5.6　预测概率113
5.6.1　二次损失函数114
5.6.2　信息损失函数115
5.6.3　讨论115
5.7　计算成本116
5.7.1　成本敏感分类117
5.7.2　成本敏感学习118
5.7.3　提升图119
5.7.4　ROC曲线122
5.7.5　召回率-精确率曲线124
5.7.6　讨论124
5.7.7　成本曲线125
5.8　评估数值预测127
5.9　最小描述长度原理129
5.10　在聚类方法中应用MDL原理131
5.11　补充读物132
第二部分　高级数据挖掘
第6章　实现：真正的机器学习方案134
6.1　决策树135
6.1.1　数值属性135
6.1.2　缺失值136
6.1.3　剪枝137
6.1.4　估计误差率138
6.1.5　决策树归纳的复杂度140
6.1.6　从决策树到规则140
6.1.7　C4.5:选择和选项141
6.1.8　成本-复杂度剪枝141
6.1.9　讨论142
6.2　分类规则142
6.2.1　选择测试的标准143
6.2.2　缺失值和数值属性143
6.2.3　生成好的规则144
6.2.4　使用全局优化146
6.2.5　从局部决策树中获得规则146
6.2.6　包含例外的规则149
6.2.7　讨论151
6.3　关联规则152
6.3.1　建立频繁模式树152
6.3.2　寻找大项集157
6.3.3　讨论157
6.4　扩展线性模型158
6.4.1　最大间隔超平面159
6.4.2　非线性类边界160
6.4.3　支持向量回归161
6.4.4　核岭回归163
6.4.5　核感知机164
6.4.6　多层感知机165
6.4.7　径向基函数网络171
6.4.8　随机梯度下降172
6.4.9　讨论173
6.5　基于实例的学习174
6.5.1　减少样本集的数量174
6.5.2　对噪声样本集剪枝174
6.5.3　属性加权175
6.5.4　泛化样本集176
6.5.5　用于泛化样本集的距离函数176
6.5.6　泛化的距离函数177
6.5.7　讨论178
6.6　局部线性模型用于数值预测178
6.6.1　模型树179
6.6.2　构建树179
6.6.3　对树剪枝180
6.6.4　名目属性180
6.6.5　缺失值181
6.6.6　模型树归纳的伪代码181
6.6.7　从模型树到规则184
6.6.8　局部加权线性回归184
6.6.9　讨论185
6.7　贝叶斯网络186
6.7.1　预测186
6.7.2　学习贝叶斯网络189
6.7.3　算法细节190
6.7.4　用于快速学习的数据结构192
6.7.5　讨论194
6.8　聚类194
6.8.1　选择聚类的个数195
6.8.2　层次聚类195
6.8.3　层次聚类的例子196
6.8.4　增量聚类199
6.8.5　分类效用203
6.8.6　基于概率的聚类204
6.8.7　EM算法205
6.8.8　扩展混合模型206
6.8.9　贝叶斯聚类207
6.8.10　讨论209
6.9　半监督学习210
6.9.1　用于分类的聚类210
6.9.2　协同训练212
6.9.3　EM和协同训练212
6.9.4　讨论213
6.10　多实例学习213
6.10.1　转换为单实例学习213
6.10.2　升级学习算法215
6.10.3　专用多实例方法215
6.10.4　讨论216
6.11　Weka实现216
第7章　数据转换218
7.1　属性选择219
7.1.1　独立于方案的选择220
7.1.2　搜索属性空间222
7.1.3　具体方案相关的选择223
7.2　离散化数值属性225
7.2.1　无监督离散化226
7.2.2　基于熵的离散化226
7.2.3　其他离散化方法229
7.2.4　基于熵的离散化与基于误差的离散化229
7.2.5　离散属性转换成数值属性230
7.3　投影230
7.3.1　主成分分析231
7.3.2　随机投影233
7.3.3　偏最小二乘回归233
7.3.4　从文本到属性向量235
7.3.5　时间序列236
7.4　抽样236
7.5　数据清洗237
7.5.1　改进决策树237
7.5.2　稳健回归238
7.5.3　检测异常239
7.5.4　一分类学习239
7.6　多分类问题转换成二分类问题242
7.6.1　简单方法242
7.6.2　误差校正输出编码243
7.6.3　集成嵌套二分法244
7.7　校准类概率246
7.8　补充读物247
7.9　Weka实现249
第8章　集成学习250
8.1　组合多种模型250
8.2　装袋251
8.2.1　偏差-方差分解251
8.2.2　考虑成本的装袋253
8.3　随机化253
8.3.1　随机化与装袋254
8.3.2　旋转森林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　累加回归258
8.5.1　数值预测258
8.5.2　累加Logistic回归259
8.6　可解释的集成器260
8.6.1　选择树260
8.6.2　Logistic模型树262
8.7　堆栈262
8.8　补充读物264
8.9　Weka实现265
第9章　继续：扩展和应用266
9.1　应用数据挖掘266
9.2　从大型的数据集里学习268
9.3　数据流学习270
9.4　融合领域知识272
9.5　文本挖掘273
9.6　Web挖掘276
9.7　对抗情形278
9.8　无处不在的数据挖掘280
9.9　补充读物281
第三部分　Weka数据挖掘平台
第10章　Weka简介284
10.1　Weka中包含了什么284
10.2　如何使用Weka285
10.3　Weka的其他应用286
10.4　如何得到Weka286
第11章　Explorer界面287
11.1　开始287
11.1.1　准备数据287
11.1.2　将数据载入Explorer288
11.1.3　建立决策树289
11.1.4　查看结果290
11.1.5　重做一遍292
11.1.6　运用模型292
11.1.7　运行错误的处理294
11.2　探索Explorer294
11.2.1　载入及过滤文件294
11.2.2　训练和测试学习方案299
11.2.3　自己动手：用户分类器301
11.2.4　使用元学习器304
11.2.5　聚类和关联规则305
11.2.6　属性选择306
11.2.7　可视化306
11.3　过滤算法307
11.3.1　无监督属性过滤器307
11.3.2　无监督实例过滤器312
11.3.3　有监督过滤器314
11.4　学习算法316
11.4.1　贝叶斯分类器317
11.4.2　树320
11.4.3　规则322
11.4.4　函数325
11.4.5　神经网络331
11.4.6　懒惰分类器334
11.4.7　多实例分类器335
11.4.8　杂项分类器336
11.5　元学习算法336
11.5.1　装袋和随机化337
11.5.2　提升338
11.5.3　组合分类器338
11.5.4　成本敏感学习339
11.5.5　优化性能339
11.5.6　针对不同任务重新调整分类器340
11.6　聚类算法340
11.7　关联规则学习器345
11.8　属性选择346
11.8.1　属性子集评估器347
11.8.2　单一属性评估器347
11.8.3　搜索方法348
第12章　Knowledge Flow界面351
12.1　开始351
12.2　Knowledge Flow组件353
12.3　配置及连接组件354
12.4　增量学习356
第13章　Experimenter界面358
13.1　开始358
13.1.1　运行一个实验358
13.1.2　分析结果359
13.2　简单设置362
13.3　高级设置363
13.4　分析面板365
13.5　将运行负荷分布到多个机器上366
第14章　命令行界面368
14.1　开始368
14.2　Weka的结构368
14.2.1　类、实例和包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　命令行选项373
14.3.1　通用选项374
14.3.2　与具体方案相关的选项375
第15章　嵌入式机器学习376
15.1　一个简单的数据挖掘应用376
15.1.1　MessageClassifier（）380
15.1.2　updateData（）380
15.1.3　classifyMessage（）381
第16章　编写新的学习方案382
16.1　一个分类器范例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　与实现分类器有关的惯例395
第17章　Weka Explorer的辅导练习397
17.1　Explorer界面简介397
17.1.1　导入数据集397
17.1.2　数据集编辑器397
17.1.3　应用过滤器398
17.1.4　可视化面板399
17.1.5　分类器面板399
17.2　最近邻学习和决策树402
17.2.1　玻璃数据集402
17.2.2　属性选择403
17.2.3　类噪声以及最近邻学习403
17.2.4　改变训练数据的数量404
17.2.5　交互式建立决策树405
17.3　分类边界406
17.3.1　可视化1R406
17.3.2　可视化最近邻学习407
17.3.3　可视化朴素贝叶斯407
17.3.4　可视化决策树和规则集407
17.3.5　弄乱数据408
17.4　预处理以及参数调整408
17.4.1　离散化408
17.4.2　离散化的更多方面408
17.4.3　自动属性选择409
17.4.4　自动属性选择的更多方面410
17.4.5　自动参数调整410
17.5　文档分类411
17.5.1　包含字符串属性的数据411
17.5.2　实际文档文类412
17.5.3　探索StringToWordVector过滤器413
17.6　挖掘关联规则413
17.6.1　关联规则挖掘413
17.6.2　挖掘一个真实的数据集415
17.6.3　购物篮分析415
参考文献416
索引431