Data Mining: Practical Machine Learning Tools and Techniques, Second Edition

Kohavi, R. 1995a. A study of cross-validation and bootstrap for accuracy estimation

and model selection. In Proceedings of the Fourteenth International Joint 

Conference on Artificial Intelligence, Montreal, Canada. San Francisco: Morgan

Kaufmann, pp. 1137–1143.

———. 1995b. The power of decision tables. In N. Lavrac and S. Wrobel, editors,

Proceedings of the Eighth European Conference on Machine Learning,

Iráklion, Crete, Greece. Berlin: Springer-Verlag, pp. 174–189.

———. 1996. Scaling up the accuracy of Naïve Bayes classifiers: A decision tree

hybrid. In E. Simoudis, J. W. Han, and U. Fayyad, editors, Proceedings of the

Second International Conference on Knowledge Discovery and Data Mining,

Portland, OR. Menlo Park, CA: AAAI Press, pp. 202–207.

Kohavi, R., and G. H. John. 1997. Wrappers for feature subset selection. Artificial

Intelligence 97(1–2):273–324.

Kohavi, R., and C. Kunz. 1997. Option decision trees with majority votes. In D.

Fisher, editor, Proceedings of the Fourteenth International Conference on

Machine Learning, Nashville, TN. San Francisco: Morgan Kaufmann, pp.

161–191.

Kohavi, R., and F. Provost, editors. 1998. Machine learning: Special issue on appli-

cations of machine learning and the knowledge discovery process. Machine

Learning 30(2/3): 127–274.

Kohavi, R., and M. Sahami. 1996. Error-based and entropy-based discretization 

of continuous features. In E. Simoudis, J. W. Han, and U. Fayyad, editors,

Proceedings of the Second International Conference on Knowledge Discovery and

Data Mining, Portland, OR. Menlo Park, CA: AAAI Press, pp. 114–119.

Komarek, P., and A. Moore. 2000. A dynamic adaptation of AD trees for efficient

machine learning on large data sets. In P. Langley, editor, Proceedings of the

Seventeenth International Conference on Machine Learning, Stanford, CA. San

Francisco: Morgan Kaufmann, pp. 495–502.

Kononenko, I. 1995. On biases in estimating multivalued attributes. In Proceedings

of the Fourteenth International Joint Conference on Artificial Intelligence,

Montreal, Canada. San Francisco: Morgan Kaufmann, pp. 1034–1040.

Koppel, M., and J. Schler. 2004. Authorship verification as a one-class classification

problem. In R. Greiner and D. Schuurmans, editors, Proceedings of the Twenty-

First International Conference on Machine Learning, Banff, Alberta, Canada.

New York: ACM, pp. 489–495.

Kubat, M., R. C. Holte, and S. Matwin. 1998. Machine learning for the detection of

oil spills in satellite radar images. Machine Learning 30:195–215.

4 9 6

R E F E R E N C E S

P088407-REF.qxd  4/30/05  11:24 AM  Page 496

---

Kushmerick, N., D. S. Weld, and R. Doorenbos. 1997. Wrapper induction for 

information extraction. In Proceedings of the Fifteenth International Joint 

Conference on Artificial Intelligence, Nagoya, Japan. San Francisco: Morgan

Kaufmann, pp. 729–735.

Landwehr, N., M. Hall, and E. Frank. 2003. Logistic model trees. In N. Lavrac, D.

Gamberger, L. Todorovski, and H. Blockeel, editors, Proceedings of the Four-

teenth European Conference on Machine Learning, Cavtat-Dubrovnik, Croatia.

Berlin: Springer-Verlag. pp. 241–252.

Langley, P. 1996. Elements of machine learning. San Francisco: Morgan Kaufmann.

Langley, P., and S. Sage. 1994. Induction of selective Bayesian classifiers. In R. L.

de Mantaras and D. Poole, editors, Proceedings of the Tenth Conference on

Uncertainty in Artificial Intelligence, Seattle, WA. San Francisco: Morgan 

Kaufmann, pp. 399–406.

Langley, P., and H. A. Simon. 1995. Applications of machine learning and rule

induction. Communications of the ACM 38(11):55–64.

Langley, P., W. Iba, and K. Thompson. 1992. An analysis of Bayesian classifiers. In

W. Swartout, editor, Proceedings of the Tenth National Conference on Artificial

Intelligence, San Jose, CA. Menlo Park, CA: AAAI Press, pp. 223–228.

Lawson, C. L., and R. J. Hanson. 1995. Solving least-squares problems. Philadelphia:

SIAM Publications.

le Cessie, S., and J. C. van Houwelingen. 1992. Ridge estimators in logistic regres-

sion. Applied Statistics 41(1):191–201.

Li, M., and P. M. B. Vitanyi. 1992. Inductive reasoning and Kolmogorov complex-

ity. Journal Computer and System Sciences 44:343–384.

Lieberman, H., editor. 2001. Your wish is my command: Programming by example.

San Francisco: Morgan Kaufmann.

Littlestone, N. 1988. Learning quickly when irrelevant attributes abound: A new

linear-threshold algorithm. Machine Learning 2(4):285–318.

———. 1989. Mistake bounds and logarithmic linear-threshold learning algorithms.

PhD Dissertation, University of California, Santa Cruz, CA.

Liu, H., and R. Setiono. 1996. A probabilistic approach to feature selection: A filter

solution. In L. Saitta, editor, Proceedings of the Thirteenth International 

Conference on Machine Learning, Bari, Italy. San Francisco: Morgan 

Kaufmann, pp. 319–327.

———. 1997. Feature selection via discretization. IEEE Transactions on Knowledge

and Data Engineering 9(4):642–645.

R E F E R E N C E S

4 9 7

P088407-REF.qxd  4/30/05  11:24 AM  Page 497

---

Mann, T. 1993. Library research models: A guide to classification, cataloging, and com-

puters. New York: Oxford University Press.

Marill, T., and D. M. Green. 1963. On the effectiveness of receptors in recognition

systems. IEEE Transactions on Information Theory 9(11):11–17.

Martin, B. 1995. Instance-based learning: Nearest neighbour with generalisation.

MSc Thesis, Department of Computer Science, University of Waikato, New

Zealand.

McCallum, A., and K. Nigam. 1998. A comparison of event models for Naïve 

Bayes text classification. In Proceedings of the AAAI-98 Workshop on 

Learning for Text Categorization, Madison, WI. Menlo Park, CA: AAAI 

Press, pp. 41–48.

Mehta, M., R. Agrawal, and J. Rissanen. 1996. SLIQ: A fast scalable classifier for data

mining. In Apers, P., M. Bouzeghoub, and G. Gardarin, Proceedings of the Fifth

International Conference on Extending Database Technology, Avignon, France.

New York: Springer-Verlag.

Melville, P., and R. J. Mooney. 2005. Creating diversity in ensembles using artificial

data. Information Fusion 6(1):99–111.

Michalski, R. S., and R. L. Chilausky. 1980. Learning by being told and learning from

examples: An experimental comparison of the two methods of knowledge

acquisition in the context of developing an expert system for soybean disease

diagnosis. International Journal of Policy Analysis and Information Systems

4(2).

Michie, D. 1989. Problems of computer-aided concept formation. In J. R. Quinlan,

editor, Applications of expert systems, Vol. 2. Wokingham, England: Addison-

Wesley, pp. 310–333.

Minsky, M., and S. Papert. 1969. Perceptrons. Cambridge, MA: MIT Press.

Mitchell, T. M. 1997. Machine learning. New York: McGraw Hill.

Mitchell, T. M., R. Caruana, D. Freitag, J. McDermott, and D. Zabowski. 1994.

Experience with a learning personal assistant. Communications of the ACM

37(7):81–91.

Moore, A. W. 1991. Efficient memory-based learning for robot control. PhD 

Dissertation, Computer Laboratory, University of Cambridge, UK.

———. 2000. The anchors hierarchy: Using the triangle inequality to survive high-

dimensional data. In C. Boutilier and M. Goldszmidt, editors, Proceedings of

the Sixteenth Conference on Uncertainty in Artificial Intelligence, Stanford, CA.

San Francisco: Morgan Kaufmann, pp. 397–405.

4 9 8

R E F E R E N C E S

P088407-REF.qxd  4/30/05  11:24 AM  Page 498

---