發(fā)信人: francois (斷玉), 信區(qū): DataMining
標(biāo)  題: Re: 數(shù)據(jù)挖掘書評(píng)之一zz
發(fā)信站: 南京大學(xué)小百合站 (Thu Dec 12 10:20:07 2002)

推薦幾本我覺得不錯(cuò)的書：


數(shù)據(jù)挖掘：《Data Mining: Concepts and Techniques》，Jiawei Han and Micheline K
amber，The Morgan Kaufmann Series in Data Management Systems, Jim Gray, Series
 Editor，Morgan Kaufmann Publishers, August 2000. 550 pages. ISBN 1-55860-489-
8


http://www.cs.sfu.ca/~han/DM_Book.html



機(jī)器學(xué)習(xí)：《Machine Learning》，Tom Mitchell, McGraw Hill, 1997


http://www-2.cs.cmu.edu/~tom/mlbook.html



人工智能：《 Artificial Intelligence A New Synthesis》， Nils J.Nilssorr， Mor
gan Kaufmann Publishers，March 1998


http://www.mkp.com/books_catalog/catalog.asp?ISBN=1-55860-467-7



信息檢索：《Modern Information Retrieval》，Ricardo Baeza-Yates，Berthier Ribe
iro-Neto，© Addison Wesley Longman Publishing Co. Inc.


http://www.sims.berkeley.edu/~hearst/irbook/



【 在 GzLi 的大作中提到: 】

: 發(fā)信人: three (破阿三——虎鶴雙形), 信區(qū): AI

: 標(biāo)  題: 數(shù)據(jù)挖掘書評(píng)之一

: 發(fā)信站: 日月光華 (2002年09月03日00:34:09 星期二)

: 1. Data Mining: Concepts and Techniques

: 國(guó)內(nèi)學(xué)生最熟悉的數(shù)據(jù)挖掘教科書可能就是這本了。其作者之一，韓家瑋教授是國(guó)際..
: 的數(shù)據(jù)庫、數(shù)據(jù)挖掘領(lǐng)域的學(xué)者。這本書的優(yōu)點(diǎn)和缺點(diǎn)一樣突出：

: 優(yōu)點(diǎn)：

: 1). 包括了到作者寫作時(shí)幾乎所有的最重要的從數(shù)據(jù)庫角度切入的數(shù)據(jù)挖掘研究成果..
: 2). 幾乎每個(gè)小節(jié)都包含了一項(xiàng)研究成果，各小節(jié)相互獨(dú)立；

: 3). 全書使用一個(gè)相對(duì)簡(jiǎn)單的框架來組織。

: 缺點(diǎn)：

: 1). 全書僅從數(shù)據(jù)庫角度切入，忽略了很多其它方向，例如機(jī)器學(xué)習(xí)、信息檢索、統(tǒng)..
: 域的研究成果；

: 2). 由于每個(gè)小節(jié)篇幅較短，介紹的僅僅是結(jié)論，而且是相關(guān)論文的結(jié)論，缺乏論證..
: 也是一個(gè)優(yōu)點(diǎn)：畫龍點(diǎn)睛），比較片面，需要閱讀大量文獻(xiàn)并作深入研究才能真正理..
: 3). 每個(gè)小節(jié)相對(duì)獨(dú)立，缺乏統(tǒng)一的描述，符號(hào)不統(tǒng)一，比較是定性的（有時(shí)是主觀..
: ，有些結(jié)論有矛盾；

: 4). 框架是從技術(shù)角度入手的，而不是從應(yīng)用或者功能角度入手的。

: 雖然一般認(rèn)為數(shù)據(jù)挖掘有著“廣義”和“狹義”之分[注1]，但是這是從過程上進(jìn)行