書名：資料探勘原理與技術(2版) 作者：張云濤, 龔玲 出版社：五南 出版日期：2019/09/00 ISBN：9789577636355 內容簡介 　　「資料探勘」是將資料轉化為知識的過程，是資料管理、資訊處理領域研究、開發和應用的最活躍的分支之一。本書全面地論述了資料探勘領域的基本概念、基本原理和基本方法，內容包括資料探勘領域的經典理論和趨勢發展。全書共分14章，全面系統性地介紹了資料探勘的概念和過程、資料預先處理技術；深入地敍述了各種資料探勘技術，包括關聯規則、決策樹、群聚分析、基於樣例的學習、貝葉斯學習、粗糙集、神經網路、遺傳演算法、統計分析；並討論了資料探勘的典型應用，例如：分類、文件和Web探勘，以及資料探勘的應用和發展趨勢；並在第14章中提供一個具體的商業智慧解決方案實例。 　　透過本書的學習，讀者可以對資料探勘的整體結構、概念、原理、技術和發展有深入的瞭解和認識。本書既可作為相關專業的教材，也是資料探勘領域的研究者和開發者必備的參考書。 目錄 第1章　緒　論 1.1　什麼是資料探勘 1.2　為何進行資料探勘 1.3　資料探勘和統計分析的關係 1.4　資料探勘與資料倉儲的關係 1.5　資料探勘系統和其他系統的比較 1.6　資料探勘系統的分類 第2章　資料探勘過程 2.1　問題的定義與主題分析 2.2　準備資料 2.3　建立模型 2.4　模式評估 2.5　資料視覺化和知識管理 第3章　關聯規則 3.1　概述 3.2　關聯規則 3.3　關聯規則學習的Apriori演算法 3.4　探勘關聯規則的多策略方法 第4章　決策樹 4.1　什麼是決策樹 4.2　決策樹的原理 4.3　決策樹的應用 4.4　決策樹的優缺點 第5章　群聚分析 5.1　概述 5.2　基於劃分的群聚演算法 5.3　層次群聚 5.4　孤立點分析 第6章　基於樣例的學習 6.1　概述 6.2　最近鄰演算法 6.3　基於樣例的推理 第7章　貝式學習 7.1　貝式理論 7.2　樸素貝式分類 7.3　貝式信念網路 7.4　貝式分類的應用 第8章　粗糙集 8.1　關於知識的觀點 8.2　粗糙集理論的知識發現 8.3　決策表的定義 8.4　資料離散化 8.5　決策規則的獲取 8.6　粗糙集的化簡 第9章　神經網路 9.1　什麼是神經網路 9.2　神經網路的表示和學習 9.2.4　神經網路的學習 9.3　多層前饋神經網路 9.4　反饋式神經網路 9.5　神經網路的應用之一──群聚 第10章　遺傳演算法 10.1　遺傳演算法概述 10.2　基本遺傳演算法 10.3　遺傳演算法的實現技術 10.4　遺傳演算法的理論分析 10.5　遺傳演算法的應用實例 第11章　統計分析 11.1　樣本和統計推理 11.2　迴歸分析 11.3　主成分分析 第12章　文件和Web探勘 12.1　概論 12.2　文件探勘技術 12.3　Web資料探勘技術 12.4　文件和Web探勘的應用 第13章　資料探勘的應用和發展趨勢 13.1　空間資料探勘 13.2　圖像檢索和探勘 13.3　時間序列和序列檢索 13.4　隱私面臨的挑戰 第14章　商業智慧解決方案實例分析 14.1　商業智慧概述 14.2　商業智慧系統的處理流程和框架 14.3　商業智慧解決方案 附錄A　IBM DB2 Intelligent Miner簡介 A.1 　DB2 Intelligent Miner功能簡介 A.2 　DB2 Intelligent Miner for Data使用簡介 A.3　 建立模型 A.4 　模型應用 A.5 　建立統計函數 A.6　 解釋探勘結果 參考文獻