序

序章(前言)

第一章：关于数据挖掘的多学科领域的导论

第二章：介绍一般数据特征

数据对象和属性类型，介绍基本统计数据描述的典型度量。

第三章：数据预处理技术

介绍数据质量的概念，讨论数据清理、数据集成、数据归约、数据变换、数据离散化的方法。

第四章和第五章：数据仓库，OLAP（联机分析处理）和数据立方体技术

OLAP基本概念，建模，结构，一般实现以及数据仓库和其他数据泛化的关系。
数据立方体技术，详细的数据立方体计算方法，包括Star-Cubing和高维OLAP方法。

第六章和第七章：挖掘大型数据集中的频繁模式、关联和相关性的方法

大型数据的关联性，的基本概念，提供许多频繁挖掘技术，涵盖Apriori算法和他的变形等等。
第七章介绍高级模式挖掘方法，讨论多层和多维空间中的模式挖掘。

第八章和第九章：数据分类方法

第8章基本数据分类概念和方法，包括决策树归纳、贝叶斯分类和基于规则的分类。
第9章讨论高级方法，包括贝叶斯信念网络、神经技术网络、支持向量机、使用频繁模式的分类、k-最邻近分类、基于案例的推理、遗传算法、粗糙集理论和模糊集方法。附加的主题包括多类分类，划分方法，主动学习，迁移学习。

第十章和第十一章：聚类分析

第十二章：离群点检测

第十三章：数据挖掘趋势