增改描述、图片
作者: [美]罗杰（Richard，R.J.），（美）吉茨（Geatz，M.W.） 著，翁敬农 译 ISBN: 9787302074564, 7302074569 出版社: 清华大学出版社 出版日期: 2003-11-1 定价: ￥45.00
0.00
(0人评价, 1人感兴趣)
>>写书评在线阅读：
百度搜索 谷歌搜索
内容提要：
本书为数据挖掘的基础教程，是作者多年来从事数据挖掘和专家系统课程教学经验的总结。它从商业角度介绍了数据挖掘的原理以及从数据中提取隐含模式的技术。本书首先帮助读者建立起数据挖掘的概念，进而通过13个数据挖掘示例帮助读者掌握数据挖掘的原理。本书的最后部分还介绍了结合专家系统和智能代理解决复杂问题的方法。 本书适合作为信息管理系统（MIS）和计算机科学专业的大学教授。它还可以为研究生提供数据挖掘和知识发现的基础知识。它也适合对使用数据挖掘解决商业问题感兴趣的专业人士作为自学指导。
喜欢读"这本书"的人也喜欢：
数据挖掘Clementine应用实务
数据挖掘算法与应用
金融数据挖掘
空间数据挖掘理论与应用
数据挖掘：概念与技术（英文版·第2版）
数据挖掘原理与算法（第二版）
高管商学院：数据挖掘
商业数据挖掘导论
智能数据挖掘与知识发现
数据仓库与数据挖掘原理、工具、及应用
作者简介：
Richard J.Boiger于1994年获得了明尼苏达大学的计算机科学博士学位。他在州立曼凯托大学以优异的成绩获得了数学学士和硕士学位。Richard已经发表了20多篇关于数据挖掘和知识发现的论文。他是美国人工智能协会以及美国计算机协会的成员。目前，Roijger是州立明尼苏达大学的一名教授，同时还是Information Acumen Corporation的一名顾问。
编辑推荐：
本书首先帮助读者建立起数据挖掘的概念，进而通过13个数据挖掘示例帮助读者掌握数据挖掘的原理。本书的最后部分还介绍了结合专家系统和智能代理解决复杂问题的方法。本书适合作为信息管理系统（MIS）和计算机科学专业的大学教授。它还可以为研究生提供数据挖掘和知识发现的基础知识。它也适合对使用数据挖掘解决商业问题感兴趣的专业人士作为自学指导。
目录：
第I部分 数据挖掘基础 第1章 数据挖掘：初探 1.1 数据挖掘：定义 1.2 计算机可以学习什么 1.3 数据挖掘是否适合自身的问题 1.4 采用专家系统还是数据挖掘 1.5 一个简单的数据挖掘处理模型 1.6 为什么不进行简单的搜索 1.7 数据挖掘应用 1.8 本章小结 1.9 关键术语 1.10 练习 第2章 数据挖掘：深入讨论 2.1 数据挖掘策略 2.2 有指导的数据挖掘技术 2.3 关联规则 2.4 聚类技术 2.5 评估性能 2.6 本章小结 2.7 关键术语 2.8 练习 第3章 基本数据挖掘技术 3.1 决策树 3.2 生成关联规则 3.3 K-平均值算法 3.4 遗传学习 3.5 选择一种数据挖掘技术 3.6 本章小结 3.7 关键术语 3.8 练习 第4章 基于Excel的数据挖掘工具 4.1 iData分析器 4.2 ESX：一种多用途的数据挖掘工具 4.3 iDAV格式的数据挖掘 4.4 用于无指导聚类的5步法 4.5 用于有指导学习的6步法 4.6 生成规则技术 4.7 实例典型性 4.8 特别考虑和特性 4.9 本章小结 4.10 关键术语 4.11 练习第II部分 知识发现工具 第5章 数据库中的知识发现 5.1 一种KDD过程模型 5.2 步骤1：目标定义 5.3 步骤2：创建目标数据集 5.4 步骤3：数据预处理 5.5 步骤4：数据转换 5.6 步骤5：数据挖掘 5.7 步骤6：解释和评估 5.8 步骤7：采取行动 5.9 CRISP－DM过程模型 5.10 ESX实验 5.11 本章小结 5.12 关键术语 5.13 练习 第6章 数据仓库 6.1 操作型数据库 6.2 设计数据仓库 6.3 联机分析处理 6.4 用Excel数据透视表分析数据 6.5 本章小结 6.6 关键术语 6.7 练习 第7章 形式评估技术 7.1 评估对象 7.2 评估工具 7.3 计算检验集置信区间 7.4 比较有指导学习者模型 7.5 属性评估 7.6 无指导评估技术 7.7 评估具有数值输出的有指导模型 7.8 本章小结 7.9 关键术语 7.10 练习第III部分 高级数据挖掘技术 第8章 神经网络 8.1 前馈神经网络 8.2 神经网络训练：概念介绍 8.4 一般考虑 8.5 神经网络训练：详细说明 8.6 本章小结 8.7 关键术语 8.8 练习 第9章 使用iDA建立神经网络 9.1 反向传播学习的4步法 9.2 神经网络聚类4步法 9.3 使用ESX进行神经网络簇分析 9.4 本章小结 9.5 关键术语 9.6 练习 第10章 统计技术 第11章 专门技术第IV部分 智能系统 第12章 基于规则的系统 第13章 基于规则的系统中不确定性的管理 第14章 智能代理附录A iDA软件附录B 数据挖掘数据集附录C 决策树属性选取附录D 性能评估的统计附录E Excel数据透视表：Office 97
译者序：
当前，很多成功的企业正在应用数据挖掘来帮助它们更好地制度决策。利用功能强大的数据挖掘技术，可以把数据转化为有用的信息以帮助制定决策，从而在市场竞争中获得优势地位。数据挖掘是一个过程--是一个不断把商业经验和知识与数据相结合的过程。通过数据挖掘，可以更好地认识所面临的问题并发现新的市场机会，做出更加明智的决策。 数据挖掘的目标是找到能够帮助他们做出对其成功至关重要的决策的信息。例如，他们想知道这样一些情况："现有客户中哪些会对我们的新产品感兴趣?""这个贷款申请有合理的信用风险吗?"等等。数据挖掘中应用的方法包括传统的统计分析、分类、估计、预测和相关性分析..
