数据挖掘算法与Clementine实践

　　《数据挖掘算法与Clementine实践》主要介绍了几种最成熟的数据挖掘方法，并针对每种方法，介绍了应用最广泛的几种实现算法。书中以Clementine12．0为平台，用实例介绍了每种算法的具体应用。全书各章分别介绍了数据挖掘和Clementine软件、决策树分类方法（包括ID3、C4．5、C5．0、CART等算法）、聚类分析方法（包括K-Means算法和TwoStep算法）、关联规则挖掘方法（包括Apriori算法、CARMA算法和序列模式挖掘算法）、数据筛选算法（包括特征选择算法和异常检测算法）、回归分析方法（包括线性回归算法和二项Logistic回归）、神经网络构建方法（包括多层感知器网络、RBF网络以及Kohonen网络的构建算法）、时间序列分析方法（包括指数平滑法和ARIMA模型构建方法）。

暂缺《数据挖掘算法与Clementine实践》作者简介

第1章 数据挖掘概述
    1.1 数据挖掘简介
    1.2 数据挖掘过程
    1.3 数据挖掘方法
    1.4 数据挖掘工具及软件
第2章 clementine概述
    2.1 clementine简介
    2.2 clementine基本操作
第3章 决策树
    3.1 分类与决策树概述
    3.2 id3、c4.5与c5.0
    3.3 cart
第4章 聚类分析
    4.1 聚类分析概述
    4.2 k-means算法
    4.3 twostep算法
第5章 关联规则
    5.1 关联规则概述
    5.2 apriori算法
    5.3 carma算法
    5.4 序列模式
第6章 数据筛选
    6.1 特征选择
    6.2 异常检测
第7章 统计模型
    7.1 线性回归
    7.2 项logistic回归
第8章 神经网络
    8.1 神经网络原理
    8.2 多层感知器与rbf网络
    8.3 kohonen网络
第9章 时间序列分析与预测
    9.1 时间序列概述
    9.2 指数平滑法
    9.3 arima模型
参考文献