數(shù)據(jù)挖掘：方法與應(yīng)用

第1章 數(shù)據(jù)挖掘概述
1.1 數(shù)據(jù)挖掘定義
1.1.1 數(shù)據(jù)挖掘的技術(shù)定義
1.1.2 數(shù)據(jù)挖掘的商業(yè)定義
1.2 數(shù)據(jù)挖掘的重要性及意義
1.3 數(shù)據(jù)挖掘功能
1.4 數(shù)據(jù)挖掘步驟和標(biāo)準(zhǔn)
1.4.1 數(shù)據(jù)挖掘步驟
1.4.2 數(shù)據(jù)挖掘需要的人員
1.5 數(shù)據(jù)挖掘常用方法
1.5.1 數(shù)據(jù)挖掘的對(duì)象
1.5.2 數(shù)據(jù)挖掘的常用方法
練習(xí)題
第2章 關(guān)聯(lián)規(guī)則
2.1 關(guān)聯(lián)規(guī)則介紹
2.2　關(guān)聯(lián)規(guī)則種類
2.2.1 一般意義上的關(guān)聯(lián)規(guī)則
2.2.2 帶有時(shí)間性的序列關(guān)聯(lián)分析
2.3 關(guān)聯(lián)規(guī)則算法
　　2.3.1 普通的關(guān)聯(lián)規(guī)則算法
2.3.2 序列關(guān)聯(lián)規(guī)則算法
2.4 S7ATISTICA中的關(guān)聯(lián)規(guī)則
2.5 案例分析
練習(xí)題
第3章 聚類分析
3.1 聚類分析介紹
3.2 距離定義
3.2.1 點(diǎn)之間的距離
3.2.2 類之間的距離
3.3 聚類分析算法
3.3.1 層次聚類
3.3.2 基于劃分的聚類
3.3.3 EM聚類
3.4 STATISTICA中的聚類分析
3.5 案例分析
練習(xí)題
第4章 決策樹(shù)建模
4.1 決策樹(shù)介紹
4.1.1 決策樹(shù)的基本知識(shí)
4.1.2 決策樹(shù)的應(yīng)用和發(fā)展趨勢(shì)
4.2 樹(shù)的建模過(guò)程
4.2.1 數(shù)據(jù)要求
4.2.2 樹(shù)的生長(zhǎng)
4.2.3 有效性和風(fēng)險(xiǎn)性
4.2.4 屬性選擇
4.3 S7ATISTICA中的決策樹(shù)
4.4 案例分析
練習(xí)題
第5章 神經(jīng)網(wǎng)絡(luò)建模
5.1 神經(jīng)網(wǎng)絡(luò)介紹
5.2 神經(jīng)網(wǎng)絡(luò)的基本概念和原理
5.2.1 基本組成單元
5.2.2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程
5.2.3 基本的神經(jīng)網(wǎng)絡(luò)模型
5.3 STATISTICA中的神經(jīng)網(wǎng)絡(luò)模型
5.4 案例分析
練習(xí)題
第6章 回歸分析
6.1 回歸分析介紹
6.2 線性回歸模型
6.2.1 模型的建立及未知參數(shù)的估計(jì)
6.2.2 回歸方程與回歸參數(shù)的檢驗(yàn)及變量的選擇問(wèn)題
6.2.3 回歸診斷和決定系數(shù)
6.3 1ogistic回歸模型
6.3.1 1ogistic回歸模型的建立
6.3.2 1ogistic回歸模型的參數(shù)估計(jì)
6.3.3 1ogistic回歸模型的檢驗(yàn)及診斷
6.3.4 1ogistic回歸模型結(jié)果的解釋
6.3.5 1ogistic回歸模型的擴(kuò)展
6.4 STATISTICA中的回歸
6.5 案例分析
練習(xí)題
第7章 時(shí)間序列
7.1 時(shí)間序列介紹
7.2 時(shí)間序列算法
7.2.1 傳統(tǒng)時(shí)間序列分析
7.2.2 ARIMA模型
7.3 STATISTICA中的時(shí)間序列
7.4 案例分析
練習(xí)題
參考文獻(xiàn)