书籍介绍

这不是一本让你速成「数据科学家」的书，而是一套帮你建立数据挖掘整体观的经典教材。读者反复提到它「致力于挖掘体系的构建，而非某个算法」——从数据预处理、特征选择到模式发现、聚类分类，它更关心的是让你理解整个流程的来龙去脉，而非追逐某个时髦模型。正因如此，它被许多人当作「当字典查」的参考书和当年机器学习课的指定教材。但它的争议也源于此：覆盖面极广，某些章节却一笔带过，讲得简略，想逐章啃透会感到「不知所云」，甚至被读书会戏称「考古」。所以它真正适合的是想系统搭框架的入门者，以及把它当作工具书按需查阅的人；若追求深度与算法细节，或许需要配合Coursera课程或换书补充。

AI导读

核心看点

权威教材，系统讲解数据挖掘概念与技术
涵盖数据仓库、OLAP及FP-Growth等核心算法
多学科集成，融合统计、机器学习与数据库技术

读者共识

内容全面清晰，适合入门，但深度略显不足
经典教材地位稳固，但部分技术已显过时
理论性强，缺乏具体代码实现，需结合实践

精彩摘录

"并非所有的系统都进行真正的数据挖掘。不能处理大量数据的数据分析系统，最多只能称作机器学习系统、统计数据分析工具或实验系统原型。一个系统只能进行数据或者信息检索，包括在大型数据库中找出聚集值或回答演绎查询，更应归类为数据库系统，或信息检索系统，或演绎数据库系统。数据挖掘涉及多学科技术的集成，包括数据库和数据仓库技术、统计学、机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像与信号处理以及空间或时间数据分析。"
"对用户进行分类、对用户行为进行发掘数据挖掘可以提供比Web搜索服务更多的帮助。根据Web页面之间的链接关系，进行权威Web页面分析（authoritative Web page analysis）可以根据Web页面的重要性、影响性和主题，对网页进行排序。自动Web页面聚类和分类有助于基于页面的内容，以多维的方式对Web页面进行分组和安排。 Web社区分析有助于识别隐藏的Web社会网络和社团，并观察它们的演变。"
"频繁模式（frequent pattern）是在数据中频繁出现的模式。存在多种类型的频繁模式，包括项集、子序列和子结构。"
"2.2.1. Measuring the Central Tendency: Mean, Median, and Mode"
"moda <- function(arr){ sort.arr <- sort(arr) max_count <- 0 count <- 0 last <- 0 for(x in sort.arr){ if(x == last){ count <- count + 1 }else{ last <- x if(count > max_count){ max_count <- count } } } return (last) }"
"2.2.3. Graphic Displays of Basic Statistical Descriptions of Data"
"A scatter plot is one of the most effective graphical methods for determining if there appears to be a relationship, pattern, or trend between two numeric attributes. library(car) scatterplot(mpg ~ wt | cyl, data=mtcars, xlab="Weight of Car", ylab="Miles Per Gallon", main="Enhanced Scatter Plot", la"
"χ2 Correlation Test for Nominal Data"