334 JournalofProteom e Research • Vol. 2, No. 3, 2003 Data Mining: Concepts, Models, Methods, and Algorithms

---

© 2003 American Chemical Society
books in review
334
JournalofProteom e Research •
Vol. 2, No. 3, 2003
Data Mining: Concepts, Models,
Methods, and Algorithms
By
Mehmed Kantardzic
Wiley-IEEE Press:Totowa, NJ, 2003,
343 pp
ISBN 0-471-22852-4 $59.95
W
ritten by a well-established expert
in computer science and data-min-
ing methods, Data Mining: Concepts, Mod-
els, Methods, and Algorithms provides an
introduction to the concepts, widely used
algorithms, and visualization methods used
to extract information from databases. The
book is designed to provide supporting
material for undergraduate and graduate
classes and includes review questions and
problems at the end of each chapter. The
book also serves as an excellent starting
point for anyone wishing to learn about
data mining. Each chapter starts with a
set of objectives and an introduction and
ends with relevant references.
The book is divided into 12 chapters
and 2 appendices. Chapter 1 introduces the
data-mining process—including data col-
lection, preprocessing, and analysis—and
discusses the important concept of a data
warehouse. Chapter 2 describes the prin-
ciples of data representation, techniques
for data preparation, and methods for
addressing incomplete datasets. The final
section, which describes outlier analysis, is
particularly useful.
Chapter 3 explains the advantages of
data reduction as part of preprocessing the
data and describes the methods that can
be applied. Chapter 4 then covers the gen-
eral theoretical background of data mining
and discusses the philosophy of learning
from data.
Chapters 5 through 11, however, con-
stitute the real meat of the book, covering
the various algorithmic approaches to data
mining. Chapters 5 and 6 cover standard
statistical and clustering methods; chap-
ters 7 and 8 deal with decision trees and
association rules; and chapters 9, 10, and
11 describe artificial neural networks,
genetic algorithms, and fuzzy logic. Each
method and its fundamentals are well
introduced and illustrated with appropri-
ate examples. Then the underlying math-
ematical model is described in more depth.
The final chapter deals with the per-
ception and visualization of data, both as
a method of data mining and as a means
to interpret its results. The book provides
useful supporting material in the form of
a comprehensive survey of available data-
mining tools in Appendix A and a com-
plete set of references. Finally, Appendix
B details examples of the application of
data-mining methods to real-world prob-
lems from a wide variety of industry sec-
tors such as finance, retail, engineering,
and biomedical research.
Overall, this is a comprehensive text-
book that describes the process and
methodologies of data mining in an unbi-
ased manner. It provides a well-laid-out
discussion of the choice of data-mining
method as an iterative procedure that
allows one to explore the data as part of an
effort to elucidate the underlying patterns
hidden within it. Readers who seek to
understand not only data-mining concepts
but also the mathematical models that can
be applied will find this book particularly
useful.
DAVID EDWARDS
Director, Computational
Proteomics, Accelrys, Inc.
BOOKS RECEIVED