本书是机器学习和数据挖掘领域的经典畅销教材，被众多国外名校选为教材。书中不仅详细介绍机器学习的基本理论，还对实际工作中应用的相关工具和技术提了一些建议。本版对上一版内容进行了全面更新，以反映自第2版出版以来数据挖掘领域的技术变革和新方法，包括数据转换、集成学习、大规模数据集、多示例学习方面的新材料，以及新版的Weka机器学习软件。

本书是机器学习和数据挖掘领域的经典畅销教材，被众多国外名校选为教材。书中不仅详细介绍机器学习的基本理论，还对实际工作中应用的相关工具和技术提了一些建议。本版对上一版内容进行了全面更新，以反映自第2版出版以来数据挖掘领域的技术变革和新方法，包括数据转换、集成学习、大规模数据集、多示例学习方面的新材料，以及新版的Weka机器学习软件。
本书逻辑严密、内容翔实、极富实践性，适合作为高等学校本科生或研究生的教材，也可供相关技术人员参考。
“本书既含理论又有实践应用，并且关注实践是本书的一大特色。对于从事数据挖掘和机器学习方面工作的每位读者，我强烈推荐本书！”
—— Dorian Pyle
《Data Preparation for Data Mining》和《Business Modeling for Data Mining》的作者
“本书在数据挖掘技术领域备受推崇，是数据挖掘分析师的必读之物！”
—— Herb Edelstein
Two Crows Consulting公司首席数据挖掘咨询顾问
“这是我最喜爱的数据挖掘书籍之一，书中不仅循序渐进地介绍了各类算法，还辅以丰富实例，详细阐述了如何应用这些算法解决实际数据挖掘问题。这本书不但有益于学习使用Weka软件，而且还会帮助你了解各类机器学习算法。”
—— Tom Breur
XLNT Consulting公司首席咨询顾问

计算机\数据挖掘

假如你需要对数据进行分析和理解，本书以及相关的Weka工具包是一个绝佳的起步。
－－摘自本书序, Jim Gray (图灵奖获得者)

“本书既含理论又有实践应用，并且关注实践是本书的一大特色。对于从事数据挖掘和机器学习方面工作的每位读者，我强烈推荐本书！”
——Dorian Pyle，《Data Preparation for Data Mining》和《Business Modeling for Data Mining》的作者
“本书在数据挖掘技术领域备受推崇，是数据挖掘分析师的必读之物！”
——Herb Edelstein，Two Crows Consulting公司首席数据挖掘咨询顾问
“这是我最喜爱的数据挖掘书籍之一，书中不仅循序渐进地介绍了各类算法，还辅以丰富实例，详细阐述了如何应用这些算法解决实际数据挖掘问题。这本书不但有益于学习使用Weka软件，而且还会帮助你了解各类机器学习算法。”
——Tom Breur，XLNT Consulting公司首席咨询顾问

本书是机器学习和数据挖掘领域的经典畅销教材，被众多国外名校选为教材。书中不仅详细介绍机器学习的基本理论，还对实际工作中应用的相关工具和技术提了一些建议。本版对上一版内容进行了全面更新，以反映自第2版出版以来数据挖掘领域的技术变革和新方法，包括数据转换、集成学习、大规模数据集、多示例学习方面的新材料，以及新版的Weka机器学习软件。
本书逻辑严密、内容翔实、极富实践性，适合作为高等学校本科生或研究生的教材，也可供相关技术人员参考。

PREFACE
Updated and Revised Content
Second Edition
Third Edition
ACKNOWLEDGMENTS
ABOUT THE AUTHORS
PART Ⅰ INTRODUCTION TO DATA MINING
CHAPTER 1 What's It All About？
CHAPTER 2 Input:Concepts,Instances,and Attributes
CHAPTER 3 Output:Knowledge Representation
CHAPTER 4 Algorithms:The Basic Methods
CHAPTER 5 Credibility:Evaluating What's Been Learned
PART Ⅱ ADVANCED DATA MINING
CHAPTER 6 Implementations:Real Machine Learning Schemes
CHAPTER 7 Data Transformations
CHAPTER 8 Ensemble Learning
CHAPTER 9 Moving on:Applications and Beyond
PART Ⅲ THE WEKA DATA MINING WORKBENCH
CHAPTER 10 Introduction to Weka
CHAPTER 11 The Explorer
CHAPTER 12 The Knowledge Flow Interface
CHAPTER 13 The Experimenter
CHAPTER 14 The Command-Line Interface
CHAPTER 15 Embedded Machine Learning
CHAPTER 16 Writing New Learning Schemes
CHAPTER 17 Tutorial Exercises for the Weka Explorer
REFERENCES
INDEX