《数据挖掘》是一本由（美）Jiawei Han / （加）Micheline Kam著作，机械工业出版社出版的468图书，本书定价：79.00元，页数：2019-8，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《数据挖掘》精选点评：

　　●入门好书

　　●概念太多……

　　●看不懂

　　●师公师祖写的书。感觉定义有点多…

　　●作为数据挖掘的概念reference参考还是很棒的，再深入估计自己智商就得捉急了…

　　●Data Mining

　　●概念还挺全，其他一般般

　　●低估难度了，啃得很吃力。不过最后一章数据挖掘的应用情景介绍还是很具有启发性。

　　●不错，第三版的比较清楚，前面两版不知所云

　　●清晰透彻的讲解，数据挖掘必备工具书

　　《数据挖掘》读后感(一)：数据挖掘正统教材

　　强力推荐，正统教材，从原理到算法(伪代码)到延展性，比较全面的讲解了常用的各种数据挖掘方法，还有丰富和课后习题。关于数据立方体的内容偏多。缺点是，因为涉及到的数据挖掘方法比较多，所以对每个点的讲解篇幅都比较有限，自学起来比较艰涩，需要有一些统计学和编程基础。还有就是内容上比较篇理论，所以说是教材。

　　《数据挖掘》读后感(二)：跟着浙江大学的课程进行学习，感觉还不错

　　这本书是准备跟随浙江大学的课程学习而购买的课本，里面的知识比较全面。部分比较深入的知识由于课上没有 讲解，因此我也将它跳过了。因为这学期选修了数据挖掘的课，需要一个中文版的课本进行学习，选择这本书还是不错的。

　　这本书很适合自学，因为是将理论与算法相结合讲解的。如果想要自学，推荐配合浙江大学的课程进行学习

　　《数据挖掘》读后感(三)：入门好用的工具书

　　入门扫盲书，当年逛学校书店看到一门本科的教材顺手买了，压箱底多年，如今果然是来还债的。主题基本涵盖了现在各个主流mooc certificate甚至degree项目的内容，大而全，就是有点太啰嗦，从头看到尾还要花不少时间，我是按主题挑着看的，当工具书用。某部份再深入展开就是一门课，再加个capstone project 就凑够一个项目了。

　　《数据挖掘》读后感(四)：数据挖掘-概念与技术

　　这本书应该是大二前后买的（16-17年？），当时大致读了一遍（主要是算法和模型部分），感觉废话巨多，类似于科普。

　　研究生这本书又作为数据挖掘课程（2学分）教材使用，跳过了第四章、第五章琐碎/过时的数据仓库、数据立方体技术，以及第七章高级模式挖掘和第十一章高级聚类分析、第十二章离群点检测和第十三章数据挖掘的发展趋势和研究前沿，课程中间穿插了一些额外机器学习的内容。

　　虽然说近年来数据挖掘社区没有十年前火热，但最近也发展出了一些异构图（HIN）、社交网络（推荐）挖掘等主题，图表征学习以及图神经网络也是你方唱罢我登场。所以我觉得不管是这本书还是课程内容都需要进一步更新。 （当然大佬们有没有空做这件事就另说了）

　　总而言之，这本书目前来说作为本科生教材来培养学生对数据挖掘的感性认识还是可以的。

　　《数据挖掘》读后感(五)：<数据挖掘--概念与技术>读后感

　　//2019-05-20 13:30

　　这篇文章我已经欠了至少一年了，周五写记录时，本想写开始认真搞黑客，但突然发现之前的总结少这篇，心里实在过不去，遂补上，顺便梳理一下之前的学习总结，也了却一心愿。

　　数据挖掘的目标是从数据集中识别出一种或多种模式，并用所发现的模式进行分析或预测。

　　处理数据的过程分以下几个步骤：

　　1.数据清理->2.数据集成->3.数据选择->4.数据变换(前4个阶段都是预处理阶段)->5.数据挖掘->6.模式评估->7.知识表示

　　一切的万物都是从基石开始打好基础：

　　1.明白数据和它所属的属性，因为不同属性的数据，用的方案不一样。

　　属性有如下类型： 标称(nominal)属性，二元(binary)属性，序数(numeric)属性，离散属性，连续属性。

　　2.然后要明白一些对数据基本属性量度的方案：

　　各种均值（算数平均，加权平均），中位数，众数，方差，标准差。

　　3.度量数据的相似性和相异性

　　数据相似性和相异性又称邻近性(proximity)，是一个非常非常重要的指标，数据的差异和距离都是通过这个来衡量的，以后的算法中，很多都是基于此去判断。

　　由于数据本身有不同的属性，所以度量它们的临近性根据数据属性不同使用不同的方法：

　　a.标称属性: d(i,j) = (p-m)/p

　　.二元属性: Jaccard系数

　　c.数值属性: Minkowski distance

　　d.序数属性: 分区再离散化，映射到一个区间内，使每个属性有相同的权重。

　　e.混合属性: 分不同的具体情况分析,然后整合在一起。

　　d.对于文本类型的稀疏矩阵，用余弦相似性或Tanimoto距离解决。

　　4.数据的相关性

　　a.标称数据的相关性检验: X2（卡方）

　　.数值数据的相关性检验: Pearson's product mement coefficient 皮尔逊积矩系数

　　c.数值数据的协方差.

　　相关性分析，可以在众多数据中找到一个或几个核心的主成分，剔除无意义或在主成分中附带反应的次要属性，方便挖掘时选择哪些合理必要的属性。因为选择的数据属性越多，会造成的计算复杂度上升和不必要的多余影响。

　　5.规范化变化数据

　　a.最小-最大规范化

　　.z-score规范化

　　c.小数定标规范化

　　6.频繁模式，关联 和 相关性

　　a.Support(A=>B) = P(A && B) 所有事物中同时包含AB的比率

　　.Confidence(A=>B) = P(B|A) = support(A&&B) / support(A) = support_count(A&&B) / support_count(A)

　　c.Apriori 算法

　　d.FP-growth算法

　　e.关联分析到相关分析: 提升度分析; 卡方分析

　　d.模式评估度量比较 全置信度，最大置信度，Kulczynski 和 余弦。

　　7.分类 (classfication)（需要监督学习）

　　我们有一组数据变量，其中一个变量是目标分类标签，我们通过训练（数据学习）来建立好分类模型，然后对未知数据进行分类。

　　a.决策树: ID3, C4.5, CART

　　a.1.属性选择度量: 决策树分裂的准则. 1.信息增益 2.增益率 3.基尼指数 4.etc

　　a.2.树剪枝: prepruning / postpruning

　　.贝叶斯分类:

　　.1.朴素贝叶斯(Naive Bayesian) 通过先验概率P(H)去预测后验概率P(H|X): P(H|X) = P(X|H)P(H) / P(X)，其实不用管P(X),只用计算P(X|H)P(H)的几组值，找到最大的值所对应的项。

　　c.基于规则的分类

　　d.模型评估与选择

　　准确率（识别率）: (TP+TN)/(P+N)

　　错误率（误分类率）: (FP+FN)/(P+N)

　　敏感度 sensitivity（真正例率，召回率 recall）: TP/P

　　特效性 specificity（真负例率）: TN/N

　　精度 precision: TP/(TP+FP)

　　F度量 精度和召回率的调和均值: 2*precision*recall/(precision+recall)

　　e.提高分类准确率的技术

　　e.1.装袋(bagging):多个分类器,统计找到最大的投票数

　　e.2.提升 AdaBoost: 对多个分类器加入权重的概念，错误时增加权重，当权重达到一个阈值,则抛弃掉分类器。

　　e.3.装袋和提升比较: 由于 提升关注误分组，所以存在结果复合模型对数据过分拟合的危险。装袋不太受过分拟合的影响。尽管与单个模型相比，两者都能够显著提高准确率，但是提升往往得到更高的准确率。

　　e.4.随机森林: 个体决策树的每个节点使用随机选择的属性，再将多个决策器决定的结果，投票返回得票最多的类。实现可以使用装袋和随机属性选择结合起来。

　　8.聚类 (clustering)（无监督学习）

　　聚类就是运用一个类距离函数D(i,j)，将数据对象划分成事先未知的分组，使得簇中的对象彼此相似，但与其他簇中的对象不相似。

　　a.划分方法

　　a.1.K均值 (K-Means): 需要手工输入K簇的数目. 此方法不能保证收敛于全局最优解，常常终止于局部最优解。 对离群点和噪声敏感，少量的这类数据会产生极大的影响，可能严重扭曲簇的均值。

　　a.2.K中心点(PAM): 时间复杂度高，每次迭代都是O(k(n-k)^2)，数据量大开销相当大。当数据量大时，使用CLARA(Clustering LARge Applications)基于抽样的方法选取数据进行聚合。better CLARANS（Clustering Large Application based up RANdomized Search）

　　.层次方法

　　.1.凝聚与分裂的层次聚类

　　.2.算法方法的距离度量: 1.最小距离 2.最大距离 3.均值距离 4.平均距离

　　tbc.剩下的后面的部分,还没有认真看,就不写出来了。以后深入理解后，再说。:P

　　还有，这本书我是买的2019年6月第1版第3次印刷，我发现书里面有一些错误的公式和计算式。

　　比如说：a.往往是前面说了有平方，后面具体例子就没有了，比如说第33页方差2.6和本页最后一行的例子就少了平方。b. p164页，confidence(A=>B)=P(A|B)=...，中间的部分应该是 =P(B|A)。 我还大约发现有6,7处前后不一致的地方。不知道以后的版本，是否修正了这些问题。

　　//2019-05-20 23:46