weka系统的主要开发者将丰富的研发、商业应用和教学实践的经验和技术融会贯通。
威滕、弗兰克、霍尔所著的《数据挖掘(实用机器学习工具与技术原书第3版)》广泛覆盖在数据挖掘实践中采用的算法和机器学习技术，着眼于解决实际问题。
避免过分要求理论基础和数学知识，重点在于告诉读者“如何去做”，同时包括许多算法、代码以及具体实例的实现。
将所有的概念都建立在具体实例的基础之上，促使读者首先考虑使用简单的技术。如果简单的技术不足以解决问题，再考虑提升到更为复杂的高级技术。
新版增加了大量近年来最新涌现的数据挖掘算法和诸如Web数据挖掘等新领域的介绍，所介绍的weka系统增加了50%的算法及大量新内容。
威滕、弗兰克、霍尔所著的《数据挖掘(实用机器学习工具与技术原书第3版)》是机器学习和数据挖掘领域的经典畅销教材，被众多国外名校选为教材。书中详细介绍用于数据挖掘领域的机器学习技术和工具以及实践方法，并且提供了一个公开的数据挖掘工作平台Weka。本书主要内容包括：数据输入/输出、知识表示、数据挖掘技术（决策树、关联规则、基于实例的学习、线性模型、聚类、多实例学习等）以及在实践中的运用。本版对上一版内容进行了全面更新，以反映自第2版出版以来数据挖掘领域的技术变革和新方法，包括数据转换、集成学习、大规模数据集、多实例学习等，以及新版的Weka机器学习软件。
《数据挖掘(实用机器学习工具与技术原书第3版)》逻辑严谨、内容详实、极富实践性，适合作为高等院校本科生或研究所的教材，也可供相关技术人员参考。
出版者的话
译者序
前言
致谢
第一部分 数据挖掘简介
第1章 绪论
1.1 数据挖掘和机器学习
1.1.1 描述结构模式
1.1.2 机器学习
1.1.3 数据挖掘
1.2 简单的例子：天气问题和其他问题
1.2.1 天气问题
1.2.2 隐形眼镜：一个理想化的问题
1.2.3 鸢尾花：一个经典的数值型数据集
1.2.4 CPU性能：介绍数值预测
1.2.5 劳资协商：一个更真实的例子
1.2.6 大豆分类：一个经典的机器学习的成功例子
1.3 应用领域
1.3.1 Web挖掘
1.3.2 包含评判的决策
1.3.3 图像筛选
1.3.4 负载预测
1.3.5 诊断
1.3.6 市场和销售
1.3.7 其他应用
1.4 机器学习和统计学
1.5 将泛化看做搜索
1.5.1 枚举概念空间
1.5.2 偏差
1.6 数据挖掘和道德
1.6.1 再识别
1.6.2 使用个人信息
1.6.3 其他问题
1.7 补充读物
第2章 输入：概念、实例和属性
第3章 输出：知识表达
第4章 算法：基本方法
第5章 可信度：评估学习结果
第二部分 高级数据挖掘
第6章 实现：真正的机器学习方案
第7章 数据转换
第8章 集成学习
第9章 继续：扩展和应用
第三部分 Weka数据挖掘平台
第10章 Weka简介
第11章 Explorer界面
第12章 Knowledge Flow界面
第13章 Experimenter界面
第14章 命令行界面
第15章 嵌入式机器学习
第16章 编写新的学习方案
第17章 Weka Explorer的辅导练习
参考文献
索引
