自12年前的第1版以來(lái)，數(shù)據(jù)分析領(lǐng)域發(fā)生了很大的變化。采集數(shù)據(jù)和用數(shù)據(jù)做決策的速率不斷提高，采集到的數(shù)據(jù)數(shù)量和種類(lèi)也在不斷增加。事實(shí)上，大數(shù)據(jù)這個(gè)術(shù)語(yǔ)已被用于指代那些可獲得的海量、多樣的數(shù)據(jù)集。此外，數(shù)據(jù)科學(xué)這個(gè)術(shù)語(yǔ)也被用于描述一個(gè)新興領(lǐng)域，其中，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等諸多領(lǐng)域的工具和技術(shù)，被用于從數(shù)據(jù)（通常是大數(shù)據(jù)）中提取出可實(shí)際應(yīng)用的見(jiàn)解。
數(shù)據(jù)的增長(zhǎng)為數(shù)據(jù)分析的各領(lǐng)域創(chuàng)造了大量的機(jī)會(huì)。其中，有著廣泛應(yīng)用的預(yù)測(cè)建模領(lǐng)域的發(fā)展最引人注目。例如，在神經(jīng)網(wǎng)絡(luò)（也稱(chēng)為深度學(xué)習(xí)）方面取得的最新進(jìn)展，已經(jīng)在許多具有挑戰(zhàn)性的領(lǐng)域（如圖像分類(lèi)、語(yǔ)音識(shí)別以及文本分類(lèi)和理解）表現(xiàn)出令人矚目的成果。即使那些發(fā)展不是特別顯著的領(lǐng)域（例如聚類(lèi)、關(guān)聯(lián)分析和異常檢測(cè)等）也在不斷前進(jìn)。這個(gè)新版本就是對(duì)這些發(fā)展的響應(yīng)。
概述　與第1版相同，本書(shū)第2版全面介紹了數(shù)據(jù)挖掘，方便學(xué)生、教師、研究人員和專(zhuān)業(yè)人士理解有關(guān)概念和技術(shù)。本書(shū)涵蓋的主題包括：數(shù)據(jù)預(yù)處理、預(yù)測(cè)建模、關(guān)聯(lián)分析、聚類(lèi)分析、異常檢測(cè)和避免錯(cuò)誤發(fā)現(xiàn)。通過(guò)介紹每個(gè)主題的基本概念和算法，為讀者提供將數(shù)據(jù)挖掘應(yīng)用于實(shí)際問(wèn)題所需的必要背景。與第1版一樣，分類(lèi)、關(guān)聯(lián)分析和聚類(lèi)分析都分兩章講述。前面一章（介紹章）講述基本概念、代表性算法和評(píng)估技術(shù)，后面一章（高級(jí)章）深入討論高級(jí)概念和算法。同第1版一樣，這樣做的目的是使讀者透徹地理解數(shù)據(jù)挖掘的基礎(chǔ)知識(shí)，同時(shí)論述更多重要的高級(jí)主題。由于這種安排，本書(shū)既可用作教材也可用作參考書(shū)。
為了幫助讀者更好地理解書(shū)中講述的概念，我們提供了大量的示例、圖表和習(xí)題，并在網(wǎng)上公開(kāi)了原有習(xí)題的答案。除了第10章的新習(xí)題，其余習(xí)題與第1版的基本一致。教師可以通過(guò)網(wǎng)絡(luò)獲取各章的新習(xí)題及其答案。對(duì)更高級(jí)的主題、重要的歷史文獻(xiàn)和當(dāng)前趨勢(shì)感興趣的讀者，可以在每一章結(jié)尾找到文獻(xiàn)注釋?zhuān)�本版�?duì)這部分內(nèi)容做了較大的更新。此外，還提供了一個(gè)覆蓋本書(shū)所有主題的索引。
第2版的新內(nèi)容　內(nèi)容上主要的更新是與分類(lèi)相關(guān)的兩章內(nèi)容（第3章和第4章）。第3章仍使用決策樹(shù)分類(lèi)器進(jìn)行講解，但對(duì)適用于各種分類(lèi)方法的主題討論進(jìn)行了大量的擴(kuò)充，這些主題包括：過(guò)擬合、欠擬合、訓(xùn)練規(guī)模的影響、模型復(fù)雜度、模型選擇以及模型評(píng)估中常見(jiàn)的缺陷等。第4章的每一節(jié)幾乎都進(jìn)行了重大更新，著重?cái)U(kuò)展了貝葉斯網(wǎng)絡(luò)、支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)的內(nèi)容。對(duì)深度網(wǎng)絡(luò)，我們單獨(dú)增加了一節(jié)來(lái)介紹該領(lǐng)域當(dāng)前的發(fā)展。我們還更新了4.11節(jié)類(lèi)不平衡問(wèn)題中有關(guān)評(píng)估方法的討論。
關(guān)聯(lián)分析內(nèi)容的改進(jìn)則更具體。我們對(duì)關(guān)聯(lián)模式評(píng)估部分（第5章）以及序列和圖形挖掘部分（第6章）進(jìn)行了全面修訂。對(duì)聚類(lèi)分析的修訂也很具體。在聚類(lèi)分析的介紹章（第7章）增添了K均值初始化技術(shù)并更新了簇評(píng)估的討論。聚類(lèi)分析的高級(jí)章（第8章）新添了關(guān)于譜圖聚類(lèi)的內(nèi)容。對(duì)異常檢測(cè)部分也進(jìn)行了大量的修訂和擴(kuò)展。我們保留并更新了現(xiàn)有方法，如統(tǒng)計(jì)學(xué)、基于最近鄰/密度方法和基于聚類(lèi)方法，同時(shí)介紹了基于重構(gòu)的方法、單類(lèi)分類(lèi)和信息論方法�；�于重構(gòu)的方法通過(guò)深度學(xué)習(xí)范疇中的自編碼網(wǎng)絡(luò)進(jìn)行闡述。關(guān)于數(shù)據(jù)的第2章也進(jìn)行了更新，更新內(nèi)容包括對(duì)互信息的討論和基于核技術(shù)的討論。
第10章討論了如何避免錯(cuò)誤發(fā)現(xiàn)并產(chǎn)生正確的結(jié)果，這一章的內(nèi)容是全新的并且在當(dāng)前關(guān)于數(shù)據(jù)挖掘的教科書(shū)中也是新穎的。該章討論了關(guān)于避免虛假結(jié)果的統(tǒng)計(jì)概念（統(tǒng)計(jì)顯著性、p值、錯(cuò)誤發(fā)現(xiàn)率、置換檢驗(yàn)等），這些是對(duì)其他章中相關(guān)內(nèi)容的補(bǔ)充，然后在介紹數(shù)據(jù)挖掘技術(shù)的內(nèi)容中對(duì)這些概念進(jìn)行了闡述。這一章還強(qiáng)調(diào)了對(duì)數(shù)據(jù)分析結(jié)果的有效性和可重復(fù)性的關(guān)注。新增的最后一章，是認(rèn)識(shí)到這個(gè)主題的重要性后的產(chǎn)物，同時(shí)也是對(duì)在分析數(shù)據(jù)時(shí)需要對(duì)相關(guān)領(lǐng)域有更深入的理解這一觀點(diǎn)的認(rèn)可。
本版紙書(shū)刪除了數(shù)據(jù)探索章節(jié)以及附錄，但仍將其保留在網(wǎng)上。本版附錄對(duì)大數(shù)據(jù)環(huán)境下的可伸縮性進(jìn)行了簡(jiǎn)要討論。
致教師　作為一本教材，本書(shū)廣泛適用于高年級(jí)本科生和研究生教學(xué)。由于學(xué)習(xí)這門(mén)課程的學(xué)生背景不同，他們可能不具備廣博的統(tǒng)計(jì)學(xué)和數(shù)據(jù)庫(kù)知識(shí)，因此本書(shū)只要求最低限度的預(yù)備知識(shí)。數(shù)據(jù)庫(kù)知識(shí)不是必需的，但我們假定讀者有一定的統(tǒng)計(jì)學(xué)或數(shù)學(xué)背景，這些背景會(huì)讓他們更容易學(xué)習(xí)某些內(nèi)容。與以前一樣，本書(shū)或者更確切地說(shuō)是討論主要數(shù)據(jù)挖掘主題的各章，都盡可能自成一體。因此，這些主題的講授次序相當(dāng)靈活。其中第2章、第3章、第5章、第7章和第9章是核心內(nèi)容。對(duì)于第10章，建議至少給出粗略的介紹，以在學(xué)生解釋他們的數(shù)據(jù)分析結(jié)果時(shí)引起一些注意。盡管應(yīng)先介紹數(shù)據(jù)（第2章），但可以按任意順序來(lái)講授基本分類(lèi)（第3章）、關(guān)聯(lián)分析（第5章）和聚類(lèi)分析（第7章）。由于異常檢測(cè)（第9章）與分類(lèi)（第3章）和聚類(lèi)分析（第7章）具備先后關(guān)系，所以后兩章應(yīng)先于第9章進(jìn)行講解。同時(shí)，可以根據(jù)時(shí)間安排和興趣，從高級(jí)分類(lèi)、關(guān)聯(lián)分析和聚類(lèi)分析章節(jié)（第4章、第6章、第8章）中選擇多種主題進(jìn)行講解。我們還建議通過(guò)數(shù)據(jù)挖掘中的項(xiàng)目或?qū)嵺`練習(xí)來(lái)強(qiáng)化聽(tīng)課效果，雖然它們要花費(fèi)一些時(shí)間，但這種實(shí)踐作業(yè)可以大