新技术使我们能够在许多领域收集大量数据。然而，我们从这些数据中发现有用信息和知识的速度远远落后于我们收集数据的速度。数据挖掘: 理论、算法和示例介绍和解释了来自各种数据挖掘领域的一套全面的数据挖掘算法。本书回顾了数据挖掘算法的理论基础和过程细节，包括那些在文献中常见的和那些提出相当困难的，使用小的数据例子来解释和遍历算法。

这本书涵盖了广泛的数据挖掘算法，包括那些常见的数据挖掘文献和那些没有完全涵盖在大多数现有的文献，因为他们相当困难。这本书提出了一个软件包的清单，支持数据挖掘算法，数据挖掘算法的应用与参考资料，和练习，以及解决方案手册和幻灯片的讲座。

作者采用了一种实用的数据挖掘算法，使产生的数据模式能够得到充分的解释。这种方法使学生能够理解数据挖掘算法的理论和操作方面，并手动执行算法，以彻底理解它们产生的数据模式。

• AN OVERVIEW OF DATA MINING METHODOLOGIES

  • Introduction to data mining methodologies

• METHODOLOGIES FOR MINING CLASSIFICATION AND PREDICTION PATTERNS

  • Regression models
  • Bayes classifiers
  • Decision trees
  • Multi-layer feedforward artificial neural networks
  • Support vector machines
  • Supervised clustering

• METHODOLOGIES FOR MINING CLUSTERING AND ASSOCIATION PATTERNS

  • Hierarchical clustering
  • Partitional clustering
  • Self-organized map
  • Probability distribution estimation
  • Association rules
  • Bayesian networks

• METHODOLOGIES FOR MINING DATA REDUCTION PATTERNS

  • Principal components analysis
  • Multi-dimensional scaling
  • Latent variable analysis

• METHODOLOGIES FOR MINING OUTLIER AND ANOMALY PATTERNS

  • Univariate control charts
  • Multivariate control charts

• METHODOLOGIES FOR MINING SEQUENTIAL AND TIME SERIES PATTERNS

  • Autocorrelation based time series analysis
  • Hidden Markov models for sequential pattern mining
  • Wavelet analysis
  • Hilbert transform
  • Nonlinear time series analysis