《数据挖掘算法与Clementine实践》主要介绍了几种*成熟的数据挖掘方法，并针对每种方法，介绍了应用*广泛的几种实现算法。书中以Clementine12．0为平台，用实例介绍了每种算法的具体应用。全书各章分别介绍了数据挖掘和Clementine软件、决策树分类方法(包括ID3、C4．5、C5．0、CART等算法)、聚类分析方法(包括K-Means算法和TwoStep算法)、关联规则挖掘方法(包括Apriori算法、CARMA算法和序列模式挖掘算法)、数据筛选算法(包括特征选择算法和异常检测算法)、回归分析方法(包括线性回归算法和二项Logistic回归)、神经网络构建方法(包括多层感知器网络、RBF网络以及Kohonen网络的构建算法)、时间序列分析方法(包括指数平滑法和ARIMA模型构建方法)。

第1章 数据挖掘概述
1.1 数据挖掘简介
1.2 数据挖掘过程
1.3 数据挖掘方法
1.4 数据挖掘工具及软件
第2章 clementine概述
2.1 clementine简介
2.2 clementine基本操作
第3章 决策树
3.1 分类与决策树概述
3.2 id3、c4.5与c5.0
3.3 cart
第4章 聚类分析
4.1 聚类分析概述
4.2 k-means算法