Daniel T. Larose博士，美国中康涅狄格州立大学数学科学教授，数据挖掘项目负责人。出版与数据挖掘、Web挖掘和统计理论等相关论著多本。他也是《微软》、《福布斯》杂志以及《经济学人》杂志等数据挖掘与统计分析领域的顾问。

Chantal D. Larose是美国康涅狄格大学的在读博士。其研究领域包括缺失数据填补以及基于模型的聚类等。她已获得美国新帕尔兹纽约州立大学商学院决策科学领域助理教授的职位。

本书提出的方法和技术全面、深入，几乎涵盖了当前应用中常见的各类挖掘与分析方法。对方法的介绍从概念、算法、评价等部分着手，深入浅出地加以介绍。在介绍方法的章节中增加了R语言开发园地，帮助读者利用R语言开展实际设计和开发工作，获得章节中涉及内容的结果，便于读者掌握所学内容。

第Ⅰ部分  数据准备

第1章  数据挖掘与预测分析概述 3

1.1  什么是数据挖掘和预测分析 3

1.2  需求：数据挖掘技术人员 4

1.3  数据挖掘离不开人的参与 5

1.4  跨行业数据挖掘标准过程：

CRISP-DM 6

1.5  数据挖掘的谬误 8

1.6  数据挖掘能够完成的任务 9

1.6.1  描述 9

1.6.2  评估 10

1.6.3  预测 11

1.6.4  分类 11

1.6.5  聚类 13

1.6.6  关联 14

R语言开发园地 15

R参考文献 16

练习  16

第2章  数据预处理 17

2.1  需要预处理数据的原因 17

2.2  数据清理 18

2.3  处理缺失数据 19

2.4  识别错误分类 22

2.5  识别离群值的图形方法 22

2.6  中心和散布度量 24

2.7  数据变换 26

2.8  min-max规范化 26

2.9  Z-score标准化 27

2.10  小数定标规范化 28

2.11  变换为正态数据 28

2.12  识别离群值的数值方法 34

2.13  标志变量 35

2.14  将分类变量转换为数值变量 35

2.15  数值变量分箱 36

2.16  对分类变量重新划分类别 37

2.17  添加索引字段 37

2.18  删除无用变量 38

2.19  可能不应该删除的变量 38

2.20  删除重复记录 39

2.21  ID字段简述 39

R语言开发园地 39

R参考文献 45

练习  45

第3章  探索性数据分析 49

3.1  假设检验与探索性数据分析 49

3.2  了解数据集 49

3.3  探索分类变量 52

3.4  探索数值变量 58

3.5  探索多元关系 62

3.6  选择感兴趣的数据子集作进一步研究 64

3.7  使用EDA发现异常字段 64

3.8  基于预测值分级 65

3.9  派生新变量：标志变量 67

3.10  派生新变量：数值变量 69

3.11  使用EDA探测相关联的预测

变量 70