数据挖掘导论（第二版）中文第7章：聚类-基础

本幻灯片展示了数据挖掘导论第二版的第 1 章内容。

2006年经典著作最新版，不容错过！

本书专注于数据挖掘的基础概念、方法和技术，涵盖数据预处理、聚类分析、分类与回归树等关键内容。由Jiawei Han和Micheline Kamber撰写，适用于学术和实践需求。

汉，卡伯著，Data Mining: Concepts and Techniques, 2nd Edition

本书全面介绍了现代计算机算法的研究。它详细介绍了许多算法，并对它们进行了深入讨论，同时使得设计和分析对所有读者都易于理解。

第九章 数据挖掘概念与技术（英文第二版） 韩家炜

本书详尽介绍了数据挖掘领域的关键知识和最新技术创新。第二版相较于第一版，更全面地展示了数据挖掘流、时序数据、序列数据以及空间、多媒体、文本和Web数据的挖掘方法。这本书是数据挖掘和知识发现领域不可或缺的重要资源，适合所有教师、研究人员、开发人员和用户。主要特点包括全面实用地讲解从实际业务数据中提取出的关键概念和技术，结合了读者反馈、技术进展和统计学习的最新资料。书中还包含了多个算法示例，采用易于理解的伪代码编写，非常适合大规模数据挖掘项目的实际应用。

本书大数据挖掘第二版的PDF版本，英文名为Mining of Massive Datasets。它深入探讨了如何有效地从海量数据中提取有价值的信息，适合希望提升数据分析能力的读者。

《海量数据挖掘》由数据库和网络技术领域的权威人士 Jure Leskovec、Anand Rajaraman 和 Jeffrey David Ullman 执笔，适合学生和从业者阅读。 网络和电子商务的普及产生了大量可供数据挖掘信息的海量数据集。本书侧重于解决数据挖掘关键问题的实用算法，这些算法即使应用于最大的数据集也能取得成功。 本书首先讨论了 map-reduce 框架，这是一种自动并行化算法的重要工具。作者解释了局部敏感哈希和流处理算法的技巧，用于挖掘到达速度过快而无法进行详尽处理的数据。其他章节涵盖了 PageRank 的理念和组织网络的相关技巧、查找频繁项集和聚类的问题。 第二版新增