數(shù)據(jù)挖掘基礎與應用（SQL Server 2008）

定　價：￥45.00

作　者：	謝邦昌編著
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

購買這本書可以去

ISBN：	9787111360735	出版時間：	2012-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	285	字數(shù)：

內(nèi)容簡介

　　《數(shù)據(jù)挖掘基礎與應用（SQL Server 2008）》介紹了數(shù)據(jù)挖掘技術，然后虛擬一個“邦邦超市”，通過使用SQL語言建立該超市的數(shù)據(jù)庫并對數(shù)據(jù)進行操作，再進一步利用SQLServer2008的數(shù)據(jù)挖掘模型對超市積累的數(shù)據(jù)進行挖掘，以實際例子幫助讀者迅速理解并掌握數(shù)據(jù)挖掘技術，學會使用SQLServer2008提供的數(shù)據(jù)挖掘工具，提高零售企業(yè)的信息利用能力和經(jīng)營水平。對于想要了解數(shù)據(jù)挖掘技術及其應用的讀者，《數(shù)據(jù)挖掘基礎與應用（SQL Server 2008）》是很好的參考讀物。

作者簡介

　　謝邦昌，教授，臺灣大學生物統(tǒng)計學博士、現(xiàn)任臺灣輔仁大學統(tǒng)計資訊學系教授、臺灣輔仁大學管理學院商學所所長、中華資料采礦協(xié)會理事長、臺北市政府市政顧問。他還擔任中華人民共和國國家統(tǒng)計局教材編審委員，廈門大學經(jīng)濟學院計劃統(tǒng)計系講座教授、博士生導師，同時是中國人民大學統(tǒng)計學院、中央財經(jīng)大學統(tǒng)計學院等國內(nèi)許多著名高校的客座教授。謝邦昌教授是臺灣數(shù)據(jù)挖掘界的領軍人物及世界知名統(tǒng)計學家，長久以來致力推動兩岸商務智能、數(shù)據(jù)挖掘和統(tǒng)計應用研究的發(fā)展。目前的研究方向主要集中在生物統(tǒng)計、抽樣調查設計、統(tǒng)計預測模型、數(shù)據(jù)挖掘，特別是數(shù)據(jù)挖掘與商務智能在企業(yè)中的應用研究。先后公開發(fā)表有關數(shù)據(jù)挖掘、預測模型、市場調查等方面的論文130余篇，出版統(tǒng)計學相關學術專著40余部。

圖書目錄

前言
第1章數(shù)據(jù)挖掘與數(shù)據(jù)倉庫
1.1 數(shù)據(jù)挖掘簡介
1.1.1 數(shù)據(jù)挖掘的定義4
1.1.2 數(shù)據(jù)挖掘的重要性
1.1.3 數(shù)據(jù)挖掘的功能
1.1.4 數(shù)據(jù)挖掘的步驟
1.1.5 數(shù)據(jù)挖掘建模的標準CRISP-DM
1.2 商務智能簡介
1.2.1 商務智能
1.2.2 商務智能的定義
1.2.3 商務智能的架構
1.2.4 商務智能的實施流程
1.3 數(shù)據(jù)挖掘與其他相關領域的關系
1.3.1 數(shù)據(jù)挖掘與統(tǒng)計分析的不同
1.3.2 數(shù)據(jù)挖掘與數(shù)據(jù)倉庫的關系
1.3.3 KDD與數(shù)據(jù)挖掘的關系
1.3 .4在線分析處理(OLAP)與數(shù)據(jù)挖掘的關系
1.3.5 數(shù)據(jù)挖掘與機器學習的關系
1.3.6 Web挖掘和數(shù)據(jù)挖掘有什么不同
1.4 數(shù)據(jù)挖掘在客戶關系管理中的應用
1.4.1 客戶關系管理(CRM)
1.4.2 客戶關系管理指標
1.4.3 數(shù)據(jù)挖掘應用于各行業(yè)
1.4.4 客戶市場細分
1.4.5 交叉銷售
1.4.6 客戶關系管理四大循環(huán)過程
1.4.7 數(shù)據(jù)庫營銷
1.5 數(shù)據(jù)倉庫定義
1.5.1 數(shù)據(jù)倉庫特性
1.5.2 數(shù)據(jù)倉庫架構
1.5.3 構建數(shù)據(jù)倉庫的原因
1.5.4 構建數(shù)據(jù)倉庫的主要目的
1.5.5 數(shù)據(jù)倉庫的應用
1.5.6 數(shù)據(jù)倉庫的管理
1.6 數(shù)據(jù)挖掘工具分類
1.6.1 數(shù)據(jù)挖掘工具
1.6.2 各工具的簡介
第2章 SQL語言介紹及其實例
2.1 SQL簡介及數(shù)據(jù)變量來源說明
2.1.1 何謂SQL
2.1.2 各數(shù)據(jù)文檔變量說明
2.2 SQL基本語法介紹
2.3 會員基本資料整理
2.3.1 查詢縣市別填答狀態(tài)
2.3.2 婚姻狀態(tài)
2.4 會員基本變項
2.4.1 性別
2.4.2 交易周期性變化
2.4.3 會員在交易時的年齡及婚姻狀態(tài)
2.4.4 會員交易金額及紅利積點次數(shù)分配百分比
2.4.5 平均交易間隔時間
2.5 產(chǎn)品組合
2.5.1 按照產(chǎn)品編號排行榜
2.5.2 單項產(chǎn)品的排行榜
2.5.3 重復購買率
2.6 會員流失率
2.7 會員貢獻度
第3章 SQL Server 2008的數(shù)據(jù)挖掘模型在零售業(yè)中的應用
3.1 實際案例練習
3.1.1 數(shù)據(jù)挖掘Microsoft決策樹
3.1.2 數(shù)據(jù)挖掘Microsoft羅吉斯回歸
3.1.3 數(shù)據(jù)挖掘Microsoft類神經(jīng)網(wǎng)絡
3.1.4 數(shù)據(jù)挖掘Microsoft貝氏概率分類
3.2 潛在客戶預測模型
3.2.1 潛在客戶預測流程圖
3.2.2 交易頻率趨勢圖
3.2.3 交易頻率語法
3.3 模型建構
3.3.1 SSIS操作流程
3.3.2 SSAS操作流程
3.3.3 數(shù)據(jù)挖掘Microsoft決策樹模型建構
3.3.4 數(shù)據(jù)挖掘Microsoft羅吉斯回歸模型建構
3.3.5 數(shù)據(jù)挖掘Microsoft類神經(jīng)網(wǎng)絡及貝氏概率模型建構
3.3.6 模型比較
3.4 數(shù)據(jù)挖掘Microsoft時間序列
3.4.1 基本概念
3.4.2 時間序列的成分
3.4.3 時間序列數(shù)據(jù)的圖形介紹
3.4.4 利用修勻法預測
3.4.5 用趨勢投射預測時間序列
3.4.6 預測含趨勢與季節(jié)成分的時間序列
3.4.7 利用回歸模型預測時間序列
3.4.8 其他預測模型
3.4.9 模型單變量時間序列預測模型
3 ,4.1 0時間趨勢預測模型
3.4.1 1范例操作
3.5 數(shù)據(jù)挖掘Microsoft聚類分析
3.5.1 基本概念
3.5.2 范例操作
3.6 數(shù)據(jù)挖掘Microsoft線性回歸
3.6.1 基本概念
3.6.2 簡單線性回歸分析
3.6.3 多無回歸分析
3.6.4 嶺回歸分析
3.6.5 范例操作
3.6.6 補充（測試集數(shù)據(jù)匯出）
3.7 數(shù)據(jù)挖掘Microsoft關聯(lián)規(guī)則
3.7.1 基本概念
3.7.2 關聯(lián)規(guī)則的種類
3.7.3 關聯(lián)規(guī)則的算法：Apriori算法
3.7.4 關聯(lián)規(guī)則DMX數(shù)據(jù)挖掘語法
3.8 數(shù)據(jù)挖掘Microsoft時序群集
3.8.1 基本概念
3.8.2 相關研究
3.8.3 時序群集DMX數(shù)據(jù)挖掘語法
第4章 OLAP-零售業(yè)中的應用
4.1 數(shù)據(jù)倉庫
4.2 實例操作
4.2.1 數(shù)據(jù)來源檢查
4.2.2 創(chuàng)建命名查詢（VIP會員數(shù)據(jù)）
4.2.3 編輯命名查詢（VIP產(chǎn)品組成貨號）
4.2.4 編輯命名查詢(VIP訂單明細表)
4.2.5 編輯命名查詢（VIP訂單數(shù)）
4.2.6 編輯命名查詢（VIP購買產(chǎn)品）
4.2.7 編輯命名查詢（VIP會員數(shù)）
4.3 維度設計
4.4 建立多維數(shù)據(jù)集
4.4.1 對企業(yè)的價值
4.4.2 數(shù)據(jù)儲存的選擇性
4.4.3 實例操作
4.5 數(shù)據(jù)模擬及相關數(shù)據(jù)明細
第5章 Excel中的數(shù)據(jù)挖掘模塊
5.1 安裝與設定數(shù)據(jù)挖掘加載宏
5.1.1 系統(tǒng)需求
5.1.2 開始安裝
5.1.3 完成安裝檢查
5.1.4 狀態(tài)設定
5.1.5 設定完成檢查
5.2 Excel 2007數(shù)據(jù)挖掘工具列介紹
5.2.1 數(shù)據(jù)挖掘使用幫助
5.2.2 數(shù)據(jù)挖掘連接設定
5.2.3 設定目前的連接
5.2.4 跟蹤
5.2.5 數(shù)據(jù)準備
5.2.6 瀏覽數(shù)據(jù)
5.2.7 清除數(shù)據(jù)
……