F  O R E W O R D

前言

随着计算机和信息时代的迅猛发展，人类收集、存储和访问数据的能力大大增强，快速增长的海量数据集已经远远超出了人类的理解能力，传统的数据分析工具也显得力不从心。如何才能不被这些海量数据淹没，而是有效地组织这些数据，并且从中找出有价值的知识，帮助人类制定正确的决策？针对这一问题，数据仓库和数据挖掘技术应运而生，并且显示出强大的生命力。要将海量数据转换成为有用的信息和知识，首先要有效地收集和组织数据。数据仓库是良好的数据收集和组织工具，它的任务是搜集来自各个业务系统的有用数据，存放在一个集成的储存区内。在数据仓库丰富完整的数据基础上，数据挖掘技术可以从中挖掘出有价值的知识，从而帮助决策者正确决策。

本书主要介绍数据仓库和数据挖掘技术的基本原理和应用方法，全书共分为12章，主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。其中，前3章主要介绍数据仓库的基本原理和数据仓库系统的组建方法，后面的章节介绍当前流行的数据挖掘算法的主要思想和理论基础，并且给出丰富的应用实例。

本书紧跟数据仓库和数据挖掘技术的发展和人才培养的目标，有以下几个特点。

（1） 可读性强，文字叙述深入浅出，易读易用，即使是初学者，阅读起来也比较容易。

（2） 概念清晰，条理清楚，内容取舍合理。

（3） 本书强调基础，重视实例。各章节都以经典算法为主，介绍其主要思想和基本原理，并且给出恰当和丰富的实例。

（4） 书中实例和课后习题实用、丰富，通过练习，读者可以对各个知识点从不同角度得到训练，掌握和巩固所学知识。

（5） 教学资源丰富，本书提供多媒体教学课件和习题参考答案，方便教学。对于上述资源，读者可到清华大学出版社的网站http://www.tup.com.cn/下载。

（6） 对于数据仓库的组建方法和多数章节中的数据挖掘算法，本书都使用Microsoft SQL Server 2005进行了操作实现，这种做法与市场主流开发工具和技术同步，有利于读者走向社会。

本书各章节之间衔接自然，同时各章节又有一定的独立性，读者可按教材的自然顺序学习，也可以根据实际情况挑选需要的章节学习。

本书可以作为高等学校计算机及相关专业本科、研究生学习数据仓库和数据挖掘的教材，也可供相关领域的广大科技工作人员和高校师生参考。

本书由陈志泊担任主编，第1~3章由聂耿青编写，第5章、第6章和第11章由韩慧编写，第4章和第10章由孙俏编写，第7~9章和第12章由王建新编写。

由于时间仓促，加之编者水平有限，对于书中不足之处敬请读者批评指正。

编者

2017年8月