《数据挖掘原理(第4版)》解释、探索了数据挖掘的主要技术，可以从数据中自动提取隐式和潜在有用的信息。数据挖掘越来越多地用于商业、科学和其他应用领域，它侧重于分类、关联规则挖掘和聚类。 　　书中对每个主题都进行了清晰的解释，重点是算法而不是数学公式，并通过详细的有效示例加以说明。本书是为没有强数学或统计学背景的读者写的，并详细解释了使用的所有公式。 　　《数据挖掘原理(第4版)》适合作为本科生或研究生层次的教材，适用专业包括计算机科学、商业研究、市场营销、人工智能、生物信息学和法医学。 　　为了帮助读者自学，本书旨在帮助普通读者理解什么是“黑盒”，这样他们就可以有差别地使用商业数据挖掘包，高级读者或学术研究者可以对未来该领域的技术进步做出贡献。 　　书中每一章都有实践练习，让读者检查自己的进度。附录还包括所使用的技术术语的完整术语表。 　　数据挖掘原理包括对流数据分类算法的介绍，包括平稳数据(底层模型是固定的)和依赖时间的数据(底层模型不时变化)——这种现象称为概念漂移。 　　《数据挖掘原理(第4版)》提供了前馈神经网络与反向传播的详细描述，并显示它如何可以用于分类。

麦克斯·布拉默(Max Bramer)，朴次茅斯大学信息技术系荣休教授、国际信息处理联合会(IFIP)副主席、英国计算机学会AI专家组主席。自20世纪80年代以来，麦克斯教授一直积极参与“数据挖掘”领域的研究，该领域后来也被称为“数据库知识发现”和“大数据和预测分析”。麦克斯教授完成了多个数据挖掘项目，特别是关于数据自动分类的项目，并在技术文献中发表了大量文章。麦克斯教授拥有多年为本科生和研究生讲授“数据挖掘”这门课程的经验。

前 言 《数据挖掘原理（第4版）》面向计算机科学、商业研究、市场营销、人工智能、生物信息学和法医学专业的学生，可用作本科生或硕士研究生的入门教材。同时，对于那些希望进一步提高自身能力的技术或管理人员来说，《数据挖掘原理（第4版）》也是极佳的自学书籍。《数据挖掘原理（第4版）》所涉及的内容远超一般的数据挖掘入门书籍。与许多其他书籍不同的是，在学习《数据挖掘原理（第4版）》的过程中你不需要拥有太多的数学知识即可理解其中的相关内容。 数学是一种可以表达复杂思想的语言。遗憾的是，99％的人都无法很好地掌握这门语言；很多人很早就开始在学校学习一些基础知识，但学习过程往往充满曲折。作者以前是一位数学家，他现在喜欢在任何可能的情况下用简单的英语交流，并相信好例子胜过一百个数学符号。 《数据挖掘原理（第4版）》涉及数学公式较少，将重点介绍相关概念。但是，完全不使用数学符号是不可能的。附录A给出开始学习《数据挖掘原理（第4版）》需要掌握的所有内容。对于那些在学校学习数学的人来说，这些内容应该是非常熟悉的。掌握这些内容后，其他内容就较好理解了。如果觉得某些数学符号难以理解，通常可放心地忽略它们，只需要关注结果和给出的详细示例即可。而对于那些希望更深入理解数据挖掘的数学基础知识的人来说，可参考附录C中列出的内容。 过去，没有一本关于数据挖掘的入门书可使你具备该领域的研究水平——但现在，这样的日子已经过去了。《数据挖掘原理（第4版）》的重点是介绍基本技术，而不是展示当今最新的数据挖掘技术，因为大多数情况下，当拿到一本书时，书中介绍的技术可能已被其他更新的技术取代了...