数据挖掘与机器学习：基础概念和算法（原书第2版）

目　　录

Data Mining and Machine Learning

译者序

前言

作者简介

第一部分　数据分析基础　1

第1章　数据矩阵　3

1.1　数据矩阵的组成　3

1.2　属性　4

1.3　数据：代数和几何观点　5

1.3.1　距离和角度　7

1.3.2　均值和总方差　9

1.3.3　正交投影　10

1.3.4　线性无关和维数　12

1.4　数据：概率观点　13

1.4.1　二元随机变量　17

1.4.2　多元随机变量　20

1.4.3　随机抽样与统计　21

1.5　拓展阅读　22

1.6　练习　23

第2章　数值型属性　24

2.1　一元分析　24

2.1.1　集中趋势度量　25

2.1.2　离散度度量　28

2.2　二元分析　32

2.2.1　位置和离散度的度量　33

2.2.2　相关性度量　33

2.3　多元分析　37

2.4　数据归一化　41

2.5　正态分布　42

2.5.1　一元正态分布　43

2.5.2　多元正态分布　44

2.6　拓展阅读　47

2.7　练习　47

第3章　类别型属性　49

3.1　一元分析　49

3.1.1　伯努利变量　49

3.1.2　多元伯努利变量　51

3.2　二元分析　56

3.3　多元分析　65

3.4　距离和角度　69

3.5　离散化　70

3.6　拓展阅读　72

3.7　练习　72

第4章　图数据　74

4.1　图的概念　74

4.2　拓扑属性　77

4.3　中心度分析　81

4.3.1　基本中心度　81

4.3.2　Web中心度　82

4.4　图模型　89

4.4.1　Erd?s-Rényi随机图模型　91

4.4.2　Watts-Strogatz小世界图

模型　94

4.4.3　Barabási-Albert无标度模型　98

4.5　拓展阅读　104

4.6　练习　105

第5章　核方法　107

5.1　核矩阵　110

5.1.1　再生核映射　111

5.1.2　Mercer核映射　113

5.2　向量核　115

5.3　特征空间中的基本核运算　119

5.4　复杂对象的核　124

5.4.1　字符串的谱核　124

5.4.2　图节点的扩散核　125

5.5　拓展阅读　129

5.6　练习　129

第6章　高维数据　130

6.1　高维对象　130

6.2　高维体积　133

6.3　超立方体的内接超球面　135

6.4　薄超球面壳的体积　136

6.5　超空间的对角线　137

6.6　多元正态分布的密度　138

6.7　附录：超球面体积的推导　140

6.8　拓展阅读　143

6.9　练习　144

第7章　降维　146

7.1　背景介绍　146

7.2　主成分分析　149

7.2.1　最优一维近似　149

7.2.2　最优二维近似　152

7.2.3　最优r维近似　155

7.2.4　主成分分析的几何意义　158

7.3　核主成分分析　160

7.4　奇异值分解　166

7.4.1　奇异值分解中的几何

意义　167

7.4.2　SVD和PCA之间的

联系　168

7.5　拓展阅读　169

7.6　练习　169

第二部分　频繁模式挖掘　171

第8章　项集挖掘　173

8.1　频繁项集和关联规则　173

8.2　项集挖掘算法　176

8.2.1　逐层方法：Apriori算法　177

8.2.2　事务标识符集的交集方法：

Eclat算法　181

8.2.3　频繁模式树方法：FPGrowth

算法　184

8.3　生成关联规则　188

8.4　拓展阅读　189

8.5　练习　190

第9章　项集概览　194

9.1　最大频繁项集和闭频繁项集　194

9.2　挖掘最大频繁项集：GenMax

算法　196

9.3　挖掘闭频繁项集：Charm算法　198

9.4　非可导项集　200

9.5　拓展阅读　205

9.6　练习　205

第10章　序列挖掘　208

10.1　频繁序列　208

10.2　挖掘频繁序列　209

10.2.1　逐层挖掘：GSP　209

10.2.2　垂直序列挖掘：Spade　211

10.2.3　基于投影的序列挖掘：

PrefixSpan　212

10.3　基于后缀树的子串挖掘　214

10.3.1　后缀树　214

10.3.2　Ukkonen线性时间复杂度

算法　217

10.4　拓展阅读　222

10.5　练习　223

第11章　图模式挖掘　226

11.1　同构与支持度　226

11.2　候选图生成　229

11.3　gSpan算法　232

11.3.1　扩展和支持度计算　233

11.3.2　权威性检测　238

11.4　拓展阅读　239

11.5　练习　239

第12章　模式评估与规则评估　242

12.1　模式评估和规则评估的度量　242

12.1.1　规则评估度量　242

12.1.2　模式评估度量　249

12.1.3　比较多条规则和模式　251

12.2　显著性检验和置信区间　253

12.2.1　产生式规则的费希尔

精确检验　254

12.2.2　显著性的置换检验　257

12.2.3　置信区间内的自助抽样　261

12.3　拓展阅读　262

12.4　练习　263

第三部分　聚类　265

第13章　基于代表点的聚类　267

13.1　K-means算法　267

13.2　核K-means　271

13.3　期望最大化聚类　274

1