本書共分6章。第1章介紹數(shù)據(jù)挖掘技術(shù)的發(fā)展背景與用途，Weka簡(jiǎn)介和示例數(shù)據(jù)集介紹；第2章介紹數(shù)據(jù)挖掘的對(duì)象，即數(shù)據(jù)的基本概念，包括樣本與實(shí)例，數(shù)據(jù)類型，以及weka使用的ARFF格式文件；第3章介紹分類算法，首先介紹分類方法的一般化評(píng)價(jià)指標(biāo)，然后依次介紹決策樹方法（包括ID3算法，C4.5算法，帶嫁接功能的C4.5算法，分類與回歸樹以及減少-誤差剪枝決策樹），分類規(guī)則方法（包括分類規(guī)則算法的基本思想，覆蓋算法，決策列表算法，基于全局優(yōu)化的分類規(guī)則算法，漣波下降算法，1-rule分類算法，簡(jiǎn)單連接規(guī)則和簡(jiǎn)單分類規(guī)則），貝葉斯方法（包括貝葉斯方法基礎(chǔ)，樸素貝葉斯方法，多項(xiàng)式貝葉斯方法，貝葉斯網(wǎng)絡(luò)，隱匿樸素貝葉斯方法），分類函數(shù)方法（包括logistic回歸，Winnow分類器，多層感知機(jī)，徑向基函數(shù)網(wǎng)絡(luò)，序列最小優(yōu)化算法，核logistic回歸，投票感知機(jī)，隨機(jī)梯度下降算法）和惰性方法（包括惰性方法的基本思想，K最近鄰分類器）；第4章主要介紹預(yù)測(cè)算法，首先介紹了預(yù)測(cè)器的一般化評(píng)價(jià)指標(biāo)，然后依次介紹預(yù)測(cè)規(guī)則方法（包括簡(jiǎn)單連接規(guī)則，簡(jiǎn)單分類規(guī)則），預(yù)測(cè)函數(shù)方法（多重線性回歸，簡(jiǎn)單線性回歸，最小中值平方線性回歸，基于投影的線性回歸，保序回歸和序列最小優(yōu)化回歸）；第五章介紹聚類算法，包括K-均值聚類，X-均值聚類，層次聚類，增量聚類，基于概率的聚類，基于密度的聚類，CLOPE聚類；第6章介紹基于頻繁模式的關(guān)聯(lián)規(guī)則算法，包括模式挖掘的基本概念，Apriori算法，F(xiàn)P-Growth算法。