数据挖掘导论

翻开这本书，你大概会经历一次对“自己是否适合学数据挖掘”的重新认识。读者普遍反馈：它确实把分类、关联、聚类、异常检测这几条主线讲得清楚，也擅长用“尿布与啤酒”、辛普森悖论、召回率与F1这类具体场景把抽象概念钉住；但中译本生硬的术语处理，常让人在条件状语从句和数据度量上卡壳，甚至有读者被迫回头啃英文原著。它不是一本让人轻松的入门书，而更像一本需要配合代码与案例、带着数学底子啃的工具书。适合那些愿意慢下来、把“为什么这样度量、如何评估模型”想明白的人；若只想快速上手跑算法，或许会感到痛。

Pang-Ning Tan现为密歇根州立大学计算机与工程系助理教授，主要教授数据挖掘、数据库系统等课程。此前，他曾是明尼苏达大学美国陆军高性能计算研究中心副研究员（2002-2003）。 Michael Steinbach 明尼苏达大学计算机与工程系研究员，在读博士。 Vipin Kumar明尼苏达大学计算机科学与工程系主任，曾任美国陆军高性能计算研究中心主任。他拥有马里兰大学博士学位，是数据挖掘和高性能计算方面的国际权威，IEEE会士。