编辑推荐
《经曲原版书库·数据挖掘：概念与技术（英文版·第3版）》特点：引入了许多算法和实现示例，全部以易于理解的伪代码编写，适用于实际的大规模数据挖掘项目。讨论了一些高级主题，例如挖掘面向对象的关系型数据库、空间数据库、多媒体数据库、时间序列数据库、文本数据库、万维网以及其他领域的应用等。全面而实用地给出用于从海量数据中获取尽可能多信息的概念和技术。
内容简介
当代商业和科学领域大量激增的数据量要求我们采用更加复杂和精细的工具来进行数据分析、处理和挖掘尽管近年来数据挖掘技术取得的长足进展使得我们广泛收集数据越来越容易，但技术的发展依然难以匹配爆炸性的数据增长以及随之而来的大量数据处理需求，因此我们比以往更加迫切地需要新技术和自动化工具来帮助我们将这些数据转换为有用的信息和知识
《经曲原版书库·数据挖掘：概念与技术（英文版·第3版）》前版曾被KDnuggets的读者评选为受欢迎的数据挖掘专著，是一本可读性极好的教材它从数据库角度全面系统地介绍数据挖掘的概念、方法和技术以及技术研究进展，并重点关注近年来该领域重要和较新的课题--数据仓库和数据立方体技术，流数据挖掘，社会化网络挖掘，空间、多媒体和其他复杂数据挖掘每章都针对关键专题有单独的指导，提供很好算法，并对怎样将技术运用到实际工作中给出了经过实践检验的实用型规则如果你希望自己能秘练掌握和运用当今最有力的数据挖掘技术，那这《经典原版书库·数据挖掘：概念与技术（英文版·第3版）》正是你需要阅读和学习的宝贵资源《经典原版书库·数据挖掘：概念与技术（英文版·第3版）》是数据挖掘和知识发现领域声的所有教师、研究人员、开发人员和用户都必读的一《经典原版书库·数据挖掘：概念与技术（英文版·第3版）》。作者简介
韩家炜，伊利诺伊大学厄巴纳-尚佩恩分校计算机科学系AbelBliss教授。由于在数据挖掘和数据库系统领域卓有成效的研究工作，他曾多次获得各种荣誉和奖励，其中包括2004年ACMSIGKDD颁发的很好创新奖，2005年IEEEComputerSociety颁发的技术成就奖，2009年IEEE颁发的W.WallaceMcDowell奖。他是ACM和IEEEFellow，同时还是《ACMTransactionsonKnowledgeDiscoveryfromData》杂志的主编（2006-2011），以及《IEEETransactionsonKnowledgeandDataEngineering》和《DataMiningandKnowledgeDiscovery》杂志的编委会成员。
MichelineKamber拥有加拿大康考迪亚大学计算机科学硕士学位，她是NSERCScholar，现在加拿大麦吉尔大学、西蒙-弗雷泽大学及瑞士从事研究工作。
JianPei（裴健），目前是加拿大西蒙-弗雷泽大学计算机学院副教授。2002年，他在JiaweiHan教授的指导下获得西蒙-弗雷泽大学博士学位。精彩书评
我们生活在数据洪流的时代。《经典原版书库·数据挖掘：概念与技术（英文版·第3版）》向我们展示了如何从这样海量的数据中找到有用知识的方法和技术。较新的第3版显著扩充了数据预处理、挖掘频繁模式、分类和聚类这几个核心章节的内容；还全面讲述了OLAP和离群点检测，并研讨了挖掘网络、复杂数据类型以及重要应用领域。《经典原版书库·数据挖掘：概念与技术（英文版·第3版）》将是一本适用于数据分析、数据挖掘和知识发现课程的优秀教材。
——GregoryPiatetsky-Shapiro，KDnuggets的总裁
Jiawei、Micheline和Jian的教材全景式地讨论了数据挖掘的所有相关方法，从聚类和分类的经典主题，到数据库方法（关联规则、数据立方体），到更新和更高级的主题（SVD/PCA、小波、支持向量机），等等。总的说来，这是一本既讲述经典数据挖掘方法又涵盖大量当代数据挖掘技术的优秀著作，既是教学相长的优秀教材，又对专业人员具有很高的参考价值。
——摘自卡内基-梅隆大学ChristosFaloutsos教授为《经典原版书库·数据挖掘：概念与技术（英文版·第3版）》所作序言目录
ForewordtoSecondEdition
Preface
Acknowledgments
AbouttheAuthors
Chapter1Introduction
WhyDataMining?
MovingtowardtheInformationAge
DataMiningastheEvolutionofInformationTechnology
WhatIsDataMining?
WhatKindsofDataCanBeMined?
DatabaseData
DataWarehouses
TransactionalData
OtherKindsofData
WhatKindsofPatternsCanBeMined?
Class/ConceptDescription:CharacterizationandDiscrimination
MiningFrequentPatterns,Associations,andCorrelations
ClassificationandRegressionforPredictiveAnalysis
ClusterAnalysis
OutlierAnalysis
AreAllPatternsInteresting?
WhichTechnologiesAreUsed?
Statistics
MachineLearning
DatabaseSystemsandDataWarehouses
InformationRetrieval
WhichKindsofApplicationsAreTargeted?
BusinessIntelligence
WebSearchEngines
MajorIssuesinDataMining
MiningMethodology
UserInteraction
EfificiencyandScalability
DiversityofDatabaseTypes
DataMiningandSociety
Summary
Exercises
BibliographicNotes
Chapter2GettingtoKnowYourData
DataObjectsandAttributeTypes
WhatIsanAttribute?
NominalAttributes
BinaryAttributes
OrdinalAttributes
NumericAttributes
DiscreteversusContinuousAttributes
BasicStatisticalDescriptionsofData
MeasuringtheCentralTendency:Mean,Median,andMode
MeasuringtheDispersionofData:Range,Quartiles,Variance,
StandardDeviation,andInterquartileRange
GraphicDisplaysofBasicStatisticalDescriptionsofData
DataVisualization
PixeI-OrientedVisualizationTechniques
GeometricProjectionVisualizationTechniques
Icon-BasedVisualizationTechniques
HierarchicalVisualizationTechniques
VisualizingComplexDataandRelations
MeasuringDataSimilarityandDissimilarity
DataMatrixversusDissimilarityMatrix
ProximityMeasuresforNominalAttributes
ProximityMeasuresforBinaryAttributes
DissimilarityofNumericData:MinkowskiDistance
ProximityMeasuresforOrdinalAttributes
DissimilarityforAttributesofMixedTypes
CosineSimilarity
Summary
Exercises
BibliographicNotes
……
Chapter3DataPreprocessing
Chapter4DataWarehousingandOnlineAnalyticalProcessin
Chapter5DataCubeTechnology
Chapter6MiningFrequentPatterns,Associations,andCorrelations:BasicConceptsandMethods
Chapter7AdvancedPatternMining
Chapter8Classification:BasicConcepts
Chapter9Classification:AdvancedMethods
Chapter10ClusterAnalysis:BasicConceptsandI~ethods
Chapter11AdvancedClusterAnalysis
Chapter12OutlierDetection
Chapter13DataMiningTrendsandResearchFrontiers
Bibliography
Index
