数据挖掘：实用机器学习工具与技术（英文版·第4版）

　　Preface
　　PART I INTRODUCTION TO DATA MINING
　　CHAPTER 1 What's it all about?
　　1.1 Data Mining and Machine Learning
　　Describing Structural Patterns
　　Machine Learning
　　Data Mining
　　1.2 Simple Examples: The Weather Problem and Others
　　The Weather Problem
　查看完整　　

　　本书是数据挖掘和机器学习领域的经典畅销教材，被国内外众多名校选用。第4版全面反映了该领域的新技术变革，包括关于概率方法和深度学习的重要新章节。此外，备受欢迎的机器学习软件Weka再度升级，读者可以在友好的交互界面中执行数据挖掘任务。书中的基础知识清晰详细，实践工具和技术指导具体实用，不仅适合作为高等院校相关专业的本科生或研究生教材，也可供广大技术人员参考。

　　Preface
　　PART I INTRODUCTION TO DATA MINING
　　CHAPTER 1 What's it all about?
　　1.1 Data Mining and Machine Learning
　　Describing Structural Patterns
　　Machine Learning
　　Data Mining
　　1.2 Simple Examples: The Weather Problem and Others
　　The Weather Problem
　　Contact Lenses: An Idealized Problem
　　Irises: A Classic Numeric Dataset
　　CPU Performance: Introducing Numeric Prediction
　　Labor Negotiations: A More Realistic Example
　　Soybean Classification: A Classic Machine Learning Success
　　1.3 Fielded Applications
　　Web Mining
　　Decisions Involving Judgment
　　Screening Images
　　Load Forecasting
　　Diagnosis
　　Marketing and Sales
　　Other Applications
　　1.4The Data Mining Process
　　1.5 Machine Learning and Statistics
　　1.6 Generalization as Search
　　Enumerating the Concept Space
　　Bias
　　1.7 Data Mining and Ethics
　　Reidentification
　　Using Personal Information
　　Wider Issues
　　1.8 Further Reading and Bibliographic Notes
　　CHAPTER 2 Input: concepts, instances, attributes
　　CHAPTER 3 Output: knowledge representation
　　CHAPTER 4 Algorithms: the basic methods
　　CHAPTER 5 Credibility: evaluating what's been learned
　　PART II MORE ADVANCED MACHINE LEARNING SCHEMES
　　CHAPTER 6 Trees and rules
　　CHAPTER 7 Extending instance-based and linear models
　　CHAPTER 8 Data Transformations
　　CHAPTER 9 Probabilistic methods
　　Chapter 10 Deep learning
　　CHAPTER 11 Beyond supervised and unsupervised learning
　　CHAPTER 12 Ensemble learning
　　CHAPTER 13 Moving on : applications and beyond
　　List of Figures
　　List of Tables
^ 收 起　　

　　本书是数据挖掘和机器学习领域的经典畅销教材，被国内外众多名校选用。第4版全面反映了该领域的新技术变革，包括关于概率方法和深度学习的重要新章节。此外，备受欢迎的机器学习软件Weka再度升级，读者可以在友好的交互界面中执行数据挖掘任务。书中的基础知识清晰详细，实践工具和技术指导具体实用，不仅适合作为高等院校相关专业的本科生或研究生教材，也可供广大技术人员参考。