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

Drucker, H. 1997. Improving regressors using boosting techniques. In D. H. Fisher,

editor, Proceedings of the Fourteenth International Conference on Machine

Learning, Nashville, TN. San Francisco: Morgan Kaufmann, pp. 107–115.

Drummond, C., and R. C. Holte. 2000. Explicitly representing expected cost: An

alternative to ROC representation. In R. Ramakrishnan, S. Stolfo, R. Bayardo,

and I. Parsa, editors, Proceedings of the Sixth International Conference on

Knowledge Discovery and Data Mining, Boston, MA. New York: ACM, pp.

198–207.

Duda, R. O., and P. E. Hart. 1973. Pattern classification and scene analysis. New York:

John Wiley.

Duda, R. O., P. E. Hart, and D. G. Stork. 2001. Pattern Classification, second edition.

New York: John Wiley.

Dumais, S. T., J. Platt, D. Heckerman, and M. Sahami. 1998. Inductive learning algo-

rithms and representations for text categorization. In Proceedings of the ACM

Seventh International Conference on Information and Knowledge Management,

Bethesda, MD. New York: ACM, pp. 148–155.

Efron, B., and R. Tibshirani. 1993. An introduction to the bootstrap. London:

Chapman and Hall.

Egan, J. P. 1975. Signal detection theory and ROC analysis. Series in Cognition and

Perception. New York: Academic Press.

Fayyad, U. M., and K. B. Irani. 1993. Multi-interval discretization of continuous-

valued attributes for classification learning. In Proceedings of the Thirteenth

International Joint Conference on Artificial Intelligence, Chambery, France. San

Francisco: Morgan Kaufmann, pp. 1022–1027.

Fayyad, U. M., and P. Smyth. 1995. From massive datasets to science catalogs:

Applications and challenges. In Proceedings of the Workshop on Massive

Datasets. Washington, DC: NRC, Committee on Applied and Theoretical 

Statistics.

Fayyad, U. M., G. Piatetsky-Shapiro, P. Smyth, and R. Uthurusamy, editors. 1996.

Advances in knowledge discovery and data mining. Menlo Park, CA: AAAI

Press/MIT Press.

Fisher, D. 1987. Knowledge acquisition via incremental conceptual clustering.

Machine Learning 2(2):139–172.

Fisher, R. A. 1936. The use of multiple measurements in taxonomic problems.

Annual Eugenics 7(part II):179–188. Reprinted in Contributions to 

Mathematical Statistics, 1950. New York: John Wiley.

4 9 0

R E F E R E N C E S

P088407-REF.qxd  4/30/05  11:24 AM  Page 490

---

Fix, E., and J. L. Hodges Jr. 1951. Discriminatory analysis; nonparametric discrim-

ination: Consistency properties. Technical Report 21-49-004(4), USAF School

of Aviation Medicine, Randolph Field, Texas.

Flach, P. A., and N. Lachiche. 1999. Confirmation-guided discovery of first-order

rules with Tertius. Machine Learning 42:61–95.

Fletcher, R. 1987. Practical methods of optimization, second edition. New York: John

Wiley.

Fradkin, D., and D. Madigan. 2003. Experiments with random projections for

machine learning. In L. Getoor, T. E. Senator, P. Domingos, and C. Faloutsos,

editors, Proceedings of the Ninth International Conference on Knowledge 

Discovery and Data Mining, Washington, DC. New York: ACM, pp. 517–522.

Frank E. 2000. Pruning decision trees and lists. PhD Dissertation, Department of

Computer Science, University of Waikato, New Zealand.

Frank, E., and M. Hall. 2001. A simple approach to ordinal classification. In L. de

Raedt and P. A. Flach, editors, Proceedings of the Twelfth European Conference

on Machine Learning, Freiburg, Germany. Berlin: Springer-Verlag, pp. 145–156.

Frank, E., and I. H. Witten. 1998. Generating accurate rule sets without global opti-

mization. In J. Shavlik, editor, Proceedings of the Fifteenth International 

Conference on Machine Learning, Madison, WI. San Francisco: Morgan 

Kaufmann, pp. 144–151.

———. 1999. Making better use of global discretization. In I. Bratko and S. Dze-

roski, editors, Proceedings of the Sixteenth International Conference on Machine

Learning, Bled, Slovenia. San Francisco: Morgan Kaufmann, pp. 115–123.

Frank, E., M. Hall, and B. Pfahringer. 2003. Locally weighted Naïve Bayes. In U.

Kjærulff and C. Meek, editors, Proceedings of the Nineteenth Conference on

Uncertainty in Artificial Intelligence, Acapulco, Mexico. San Francisco: Morgan

Kaufmann, pp. 249–256.

Frank, E., G. Holmes, R. Kirkby, and M. Hall. 2002. Racing committees for large

datasets. In S. Lange and K. Satoh, and C. H. Smith, editors, Proceedings of the

Fifth International Conference on Discovery Science, Lübeck, Germany. Berlin:

Springer-Verlag, pp. 153–164.

Frank, E., G. W. Paynter, I. H. Witten, C. Gutwin, and C. G. Nevill-Manning. 1999.

Domain-specific key phrase extraction. In Proceedings of the Sixteenth 

International Joint Conference on Artificial Intelligence, Stockholm, Sweden.

San Francisco: Morgan Kaufmann, pp. 668–673.

Freitag, D. 2002. Machine learning for information extraction in informal domains.

Machine Learning 39(2/3):169–202.

R E F E R E N C E S

4 9 1

P088407-REF.qxd  4/30/05  11:24 AM  Page 491

---

Freund, Y., and L. Mason. 1999. The alternating decision-tree learning algorithm.

In I. Bratko and S. Dzeroski, editors, Proceedings of the Sixteenth International

Conference on Machine Learning, Bled, Slovenia. San Francisco: Morgan 

Kaufmann, pp. 124–133.

Freund, Y., and R. E. Schapire. 1996. Experiments with a new boosting algorithm.

In L. Saitta, editor, Proceedings of the Thirteenth International Conference on

Machine Learning, Bari, Italy. San Francisco: Morgan Kaufmann, pp. 148–156.

———. 1999. Large margin classification using the perceptron algorithm. Machine

Learning 37(3):277–296.

Friedman, J. H. 1996. Another approach to polychotomous classification. Technical

Report, Department of Statistics, Stanford University, Stanford, CA.

———. 2001. Greedy function approximation: A gradient boosting machine.

Annals of Statistics 29(5):1189–1232.

Friedman, J. H., J. L. Bentley, and R. A. Finkel. 1977. An algorithm for finding best

matches in logarithmic expected time. ACM Transactions on Mathematical

Software 3(3):209–266.

Friedman, J. H., T. Hastie, and R. Tibshirani. 2000. Additive logistic regression: A

statistical view of boosting. Annals of Statistics 28(2):337–374.

Friedman, N., D. Geiger, and M. Goldszmidt. 1997. Bayesian network classifiers.

Machine Learning 29(2):131–163.

Fulton, T., S. Kasif, and S. Salzberg. 1995. Efficient algorithms for finding multiway

splits for decision trees. In A. Prieditis and S. Russell, editors, Proceedings of

the Twelfth International Conference on Machine Learning, Tahoe City, CA. San

Francisco: Morgan Kaufmann, pp. 244–251.

Fürnkrantz, J. 2002. Round robin classification. Journal of Machine Learning

Research 2:721–747.

Fürnkrantz, J., and P. A. Flach. 2005. ROC ’n’ rule learning: Towards a better under-

standing of covering algorithms. Machine Learning 58(1):39–77.

Fürnkrantz, J., and G. Widmer. 1994. Incremental reduced-error pruning. In H.

Hirsh and W. Cohen, editors, Proceedings of the Eleventh International 

Conference on Machine Learning, New Brunswick, NJ. San Francisco: Morgan

Kaufmann, pp. 70–77.

Gaines, B. R., and P. Compton. 1995. Induction of ripple-down rules applied to

modeling large databases. Journal of Intelligent Information Systems 5(3):211–228.

Genesereth, M. R., and N. J. Nilsson. 1987. Logical foundations of artificial intelli-

gence. San Francisco: Morgan Kaufmann.

4 9 2

R E F E R E N C E S

P088407-REF.qxd  4/30/05  11:24 AM  Page 492

---