21世紀是信息爆炸的時代。從紛雜無章的數(shù)據(jù)中發(fā)現(xiàn)潛在的知識，進而提供決策支持，是許多企業(yè)、部門增強自身競爭力的有力手段。數(shù)據(jù)挖掘作為重要的知識發(fā)現(xiàn)技術，經過幾十年的發(fā)展，在理論上積累了豐碩的成果，許多高效的、智能的數(shù)據(jù)挖掘算法被提出并不斷得到改進和完善。同時，專用的或者通用的數(shù)據(jù)挖掘工具也不斷被推出和升級。因此，數(shù)據(jù)挖掘技術在電信、金融、信息安全等許多領域得到了廣泛的應用。
　　本書在內容安排上以理論聯(lián)系實際為指導原則。在理論上，著重介紹幾種最成熟的數(shù)據(jù)挖掘方法，針對每種方法，則介紹應用最廣泛的幾種實現(xiàn)算法。在實踐上，以Clementine 12.0為平臺，用實例介紹每種算法的具體應用方法。
　　本書共分為9章。第1章和第2章分別對數(shù)據(jù)挖掘和Clementine軟件進行簡要的介紹。第3～9章中每章介紹一種數(shù)據(jù)挖掘方法。第3章介紹決策樹分類方法，以及構建決策樹的C4.5算法和CART算法；第4章介紹聚類分析方法，以及實現(xiàn)聚類分析的K-Means算法和TwoStep算法；第5章介紹關聯(lián)規(guī)則挖掘方法，包括經典的Apriori算法、CARMA算法以及序列模式挖掘算法；第6章介紹了兩種數(shù)據(jù)篩選算法，即特征選擇算法和異常檢測算法；第7章介紹了回歸分析方法，包括線性回歸方法和Logistic回歸方法；第8章介紹了神經網絡建模方法，以及用于構建神經網絡的多層感知器方法、徑向基函數(shù)網絡構建方法和用于聚類分析的Kohonen網絡構建方法；第9章介紹時間序列分析方法，包括指數(shù)平滑法和ARIMA模型的構建方法。
　　本書各章中的實驗數(shù)據(jù)集可在http://jsjsyzx.znufe.edu.cn/downloads/dataset.rar下載。
　　本書得到中央高�；�本科研業(yè)務費專項資金資助。
　　由于作者自身水平有限，本書定有不妥及不足之處，懇請讀者及專家批評指正。
　　
　　作 者
2008年5月
??

??

??

??



前言 III