Data Mining. Concepts and Techniques, 3rd Edition

HAN

01-fm-i-vi-9780123814791

2011/6/1

3:29

Page v

#5

Data Mining

Concepts and Techniques

Third Edition

Jiawei Han

University of Illinois at Urbana–Champaign

Micheline Kamber

Jian Pei

Simon Fraser University

AMSTERDAM • BOSTON • HEIDELBERG • LONDON

NEW YORK • OXFORD • PARIS • SAN DIEGO

SAN FRANCISCO • SINGAPORE • SYDNEY • TOKYO

Morgan Kaufmann is an imprint of Elsevier

---

HAN

01-fm-i-vi-9780123814791

2011/6/1

3:29

Page vi

#6

Morgan Kaufmann Publishers is an imprint of Elsevier.

225 Wyman Street, Waltham, MA 02451, USA

c 2012 by Elsevier Inc. All rights reserved.

No part of this publication may be reproduced or transmitted in any form or by any means,

electronic or mechanical, including photocopying, recording, or any information storage and

retrieval system, without permission in writing from the publisher. Details on how to seek

permission, further information about the Publisher’s permissions policies and our

arrangements with organizations such as the Copyright Clearance Center and the Copyright

Licensing Agency, can be found at our website: www.elsevier.com/permissions.

This book and the individual contributions contained in it are protected under copyright by

the Publisher (other than as may be noted herein).

Notices

Knowledge and best practice in this field are constantly changing. As new research and

experience broaden our understanding, changes in research methods or professional practices,

may become necessary. Practitioners and researchers must always rely on their own experience

and knowledge in evaluating and using any information or methods described herein. In using

such information or methods they should be mindful of their own safety and the safety of others,

including parties for whom they have a professional responsibility.

To the fullest extent of the law, neither the Publisher nor the authors, contributors, or editors,

assume any liability for any injury and/or damage to persons or property as a matter of products

liability, negligence or otherwise, or from any use or operation of any methods, products,

instructions, or ideas contained in the material herein.

Library of Congress Cataloging-in-Publication Data

Han, Jiawei.

Data mining : concepts and techniques / Jiawei Han, Micheline Kamber, Jian Pei. – 3rd ed.

p.

cm.

ISBN 978-0-12-381479-1

1. Data mining. I. Kamber, Micheline. II. Pei, Jian. III. Title.

QA76.9.D343H36 2011

006.3 12–dc22

2011010635

British Library Cataloguing-in-Publication Data

A catalogue record for this book is available from the British Library.

For information on all Morgan Kaufmann publications, visit our

Web site at www.mkp.com or www.elsevierdirect.com

Printed in the United States of America

11 12 13 14 15

10 9 8 7 6 5 4 3 2 1

---

HAN

02-ded-vii-viii-9780123814791

2011/6/1

3:31

Page vii

#1

To Y. Dora and Lawrence for your love and encouragement

J.H.

To Erik, Kevan, Kian, and Mikael for your love and inspiration

M.K.

To my wife, Jennifer, and daughter, Jacqueline

J.P.

---

EDELKAMP

19-ch15-671-700-9780123725127

2011/5/28

14:50

Page 672

#2

This page intentionally left blank

---

HAN

03-toc-ix-xviii-9780123814791

2011/6/1

3:32

Page ix

#1

Contents

Foreword

xix

Foreword to Second Edition

xxi

Preface

xxiii

Acknowledgments

xxxi

About the Authors

xxxv

Chapter 1 Introduction

1

1.1

Why Data Mining?

1

1.1.1

Moving toward the Information Age

1

1.1.2

Data Mining as the Evolution of Information Technology

2

1.2

What Is Data Mining?

5

1.3

What Kinds of Data Can Be Mined?

8

1.3.1

Database Data

9

1.3.2

Data Warehouses

10

1.3.3

Transactional Data

13

1.3.4

Other Kinds of Data

14

1.4

What Kinds of Patterns Can Be Mined?

15

1.4.1

Class/Concept Description: Characterization and Discrimination

15

1.4.2

Mining Frequent Patterns, Associations, and Correlations

17

1.4.3

Classification and Regression for Predictive Analysis

18

1.4.4

Cluster Analysis

19

1.4.5

Outlier Analysis

20

1.4.6

Are All Patterns Interesting?

21

1.5

Which Technologies Are Used?

23

1.5.1

Statistics

23

1.5.2

Machine Learning

24

1.5.3

Database Systems and Data Warehouses

26

1.5.4

Information Retrieval

26

ix

---