Incluye referencias bibliográficas e índice.

Introduction to Data Mining -- Data for Data Mining -- Introduction to Classification: Naïve Bayes and Nearest Neighbour -- Using Decision Trees for Classification -- Decision Tree Induction: Using Entropy for Attribute Selection -- Decision Tree Induction: Using Frequency Tables for Attribute Selection -- Estimating the Predictive Accuracy of a Classifier -- Continuous Attributes -- Avoiding Overfitting of Decision Trees -- More About Entropy -- Inducing Modular Rules for Classification -- Measuring the Performance of a Classifier -- Dealing with Large Volumes of Data -- Ensemble Classification -- Comparing Classifiers -- Associate Rule Mining I -- Associate Rule Mining II -- Associate Rule Mining III -- Clustering -- Mining -- Classifying Streaming Data -- Classifying Streaming Data II: Time-dependent Data -- Appendix A - Essential Mathematics -- Appendix B - Datasets -- Appendix C - Sources of Further Information -- Appendix D - Glossary and Notation -- Appendix E - Solutions to Self-assessment Exercises -- Index.

Este libro explica y explora las principales técnicas de minería de datos, la extracción automática de información implícita y potencialmente útil de los datos, que se utiliza cada vez más en áreas comerciales, científicas y otras áreas de aplicación. Se centra en la clasificación, la minería de reglas de asociación y la agrupación.Cada tema se explica claramente, con un enfoque en algoritmos, no formalismo matemático, y se ilustra con ejemplos detallados y trabajados. El libro está escrito para lectores sin una sólida formación en matemáticas o estadísticas y las fórmulas utilizadas se explican en detalle.