数据挖掘原理(第4版)

本书解释、探索了数据挖掘的主要技术，可以从数据中自动提取隐式和潜在有用的信息。数据挖掘越来越多地用于商业、科学和其他应用领域，它侧重于分类、关联规则挖掘和聚类。

书中对每个主题都进行了清晰的解释，重点是算法而不是数学公式，并通过详细的有效示例加以说明。本书是为没有强数学或统计学背景的读者写的，并详细解释了使用的所有公式。

本书适合作为本科生或研究生层次的教材，适用专业包括计算机科学、商业研究、市场营销、人工智能、生物信息学和法医学。

为了帮助读者自学，本书旨在帮助普通读者理解什么是“黑盒”，这样他们就可以有差别地使用商业数据挖掘包，高级读者或学术研究者可以对未来该领域的技术进步做出贡献。

书中每一章都有实践练习，让读者检查自己的进度。附录还包括所使用的技术术语的完整术语表。

数据挖掘原理包括对流数据分类算法的介绍，包括平稳数据(底层模型是固定的)和依赖时间的数据(底层模型不时变化)——这种现象称为概念漂移。

本书提供了前馈神经网络与反向传播的详细描述，并显示它如何可以用于分类。

麦克斯·布拉默(Max Bramer)，朴次茅斯大学信息技术系荣休教授、国际信息处理联合会(IFIP)副主席、英国计算机学会AI专家组主席。

自20世纪80年代以来，麦克斯教授一直积极参与“数据挖掘”领域的研究，该领域后来也被称为“数据库知识发现”和“大数据和预测分析”。麦克斯教授完成了多个数据挖掘项目，特别是关于数据自动分类的项目，并在技术文献中发表了大量文章。麦克斯教授拥有多年为本科生和研究生讲授“数据挖掘”这门课程的经验。