☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　

本書全麵介紹瞭數據挖掘與商業智能的基本概念與原理，包括經典理論與趨勢發展，並深入敘述瞭各種數據挖掘的技術與典型應用。通過本書的學習，讀者可以對數據挖掘與商業智能的整體結構、概念、原理、技術和發展有深入的瞭解和認識。本書以Microsoft SQL Server 2014（適用於2012）的數據挖掘模塊進行介紹，讓讀者可以很快地通過書中的說明與範例，在極短的時間內就能上手。本書分為四個部分：第一部分介紹數據倉庫、數據挖掘與商業智能之間的關係。第二部分對Microsoft SQL Server的整體架構進行瞭介紹，並詳細闡述瞭直接與數據挖掘相關的兩個服務：分析服務和報錶服務。第三部分逐一闡述瞭Microsoft SQL Server中包含的九種數據挖掘模型。第四部分提供瞭四個數據挖掘的案例以及數據挖掘模型的評估，通過模仿練習，讀者可獲得實際的數據挖掘經驗，稍加修改就能在自己所處的領域中加以應用。

目錄

PART I 數據倉庫、數據挖掘與商業智能Chapter 1 緒論 2
1-1 商業智能 3
1-2 數據挖掘 7
Chapter 2 數據倉庫 9
2-1 數據倉庫定義 10
2-2 數據倉庫特性 10
2-3 數據倉庫架構 11
2-4 創建數據倉庫的目的 12
2-5 數據倉庫的運用 14
2-6 數據倉庫的管理 14
Chapter 3 數據挖掘簡介 16
3-1 數據挖掘的定義 17
3-2 數據挖掘的重要性 17
3-3 數據挖掘的功能 17
3-4 數據挖掘的步驟 18
3-5 數據挖掘建模的標準CRISP-DM 19
3-6 數據挖掘的應用 21
3-7 數據挖掘軟件介紹 22
Chapter 4 數據挖掘的主要方法 24
4-1 迴歸分析 25
4-2 關聯規則 27
4-3 聚類分析 27
4-4 判彆分析 29
4-5 神經網絡 29
4-6 決策樹 31
4-7 其他分析方法 32
Chapter 5 數據挖掘與相關領域的關係 34
5-1 數據挖掘與統計分析 35
5-2 數據挖掘與數據倉庫 35
5-3 數據挖掘與KDD 36
5-4 數據挖掘與OLAP 37
5-5 數據挖掘與機器學習 37
5-6 數據挖掘與Web數據挖掘 38PART II Microsoft SQL Server概述Chapter 6 Microsoft SQL Server中的商業智能 40
6-1 Microsoft SQL Server入門 41
6-2 關係數據倉庫 41
6-3 SQL Server 2008 R2概述 42
6-4 SQL Server 2008 R2技術 43
6-5 SQL Server 2008 R2新增功能 45
Chapter 7 Microsoft SQL Server中的數據挖掘功能 46
7-1 創建商業智能應用程序 47
7-2 Microsoft SQL Server數據挖掘功能的優勢 48
7-3 Microsoft SQL Server數據挖掘算法 50
7-4 Microsoft SQL Server可擴展性 51
7-5 Microsoft SQL Server是數據挖掘與商業智能的結閤 51
7-6 使用數據挖掘可以解決的問題 52
Chapter 8 Microsoft SQL Server的分析服務（Analysis Services） 56
8-1 創建多維數據集的結構 57
8-2 建立和部署多維數據集 58
8-3 從模闆創建自定義的數據庫 58
8-4 統一維度模型 59
8-5 基於屬性的維度 59
8-6 維度類型 60
8-7 量度組和數據視圖 61
8-8 計算效率 62
8-9 MDX腳本 62
8-10 存儲過程 63
8-11 關鍵績效指標（KPI） 64
8-12 實時商業智能 64
Chapter 9 Microsoft SQL Server的報錶服務（Reporting Services） 66
9-1 為何使用報錶服務 67
9-2 報錶服務的功能 67
Chapter 10 Microsoft SQL Server的整閤服務 71
10-1 SSIS介紹 72
10-2 操作示例 79
Chapter 11 Microsoft SQL Server的DMX語言 100
11-1 DMX語言介紹 101
11-2 DMX函數 102
11-3 DMX語法 107
11-4 DMX操作實例 115PART III Microsoft SQL Server中的數據挖掘模型Chapter 12 決策樹模型 122
12-1 基本概念 123
12-2 決策樹與判彆函數 123
12-3 計算方法 124
12-4 操作範例 126
Chapter 13 貝葉斯分類器 134
13-1 基本概念 135
13-2 操作範例 137
Chapter 14 關聯規則 147
14-1 基本概念 148
14-2 關聯規則的種類 149
14-3 關聯規則的算法：Apriori算法 149
14-4 操作範例 150
Chapter 15 聚類分析 160
15-1 基本概念 161
15-2 層級聚類法與動態聚類法 161
15-3 操作範例 166
Chapter 16 時序聚類 176
16-1 基本概念 177
16-2 主要算法 177
16-3 操作示例 179
Chapter 17 綫性迴歸模型 187
17-1 基本概念 188
17-2 一元迴歸模型 189
17-3 多元迴歸模型 192
17-4 操作範例 195
Chapter 18 邏輯迴歸模型 203
18-1 基本概念 204
18-2 logit變換與logistic分布 204
18-3 邏輯迴歸模型 206
18-4 操作範例 207
Chapter 19 人工神經網絡模型 215
19-1 基本概念 216
19-2 神經網絡模型的特點 217
19-3 神經網絡模型的優劣比較 218
19-4 操作範例 220
Chapter 20 時序模型 228
20-1 基本概念 229
20-2 時序的構成 231
20-3 簡單時序的預測 237
20-4 包含趨勢與季節成份的時序預測 238
20-5 參數化的時序預測模型 240
20-6 操作範例 243PART IV Microsoft SQL Server數據挖掘應用實例Chapter 21 決策樹模型實例 253
Chapter 22 邏輯迴歸模型實例 260
22-1 迴歸模型實例一 261
22-2 迴歸模型實例二 266
22-3 迴歸模型實例三 270
Chapter 23 神經網絡模型實例 275
23-1 神經網絡模型實例一 276
23-2 神經網絡模型實例二 281
Chapter 24 時序模型實例 292
24-1 時序模型實例一 293
24-2 時序模型實例二 297
Chapter 25 如何評估數據挖掘模型 303
25-1 評估圖節點介紹 Evaluation Chart Node 304
25-2 在SQL Server中如何評估模型 307
25-3 規則度量：支持度與可信度 311

精彩書摘

　　《SQL Server數據挖掘與商業智能基礎及案例實戰》：
　　開發數據挖掘模型的最佳人選是同時具備業務和技術技巧的人員。模型的開發人員將會從其統計背景中獲益、瞭解企業麵臨的關鍵業務問題、對數據和關係産生極大的好奇心，同時還能夠利用MicrosoftSQLServer工具處理和存儲數據。現有數據倉庫小組中的成員最有可能遇到這些標準。
　　作為數據挖掘的初學者，應在構建原型模型的同時，計劃花費數周時間來研究數據、工具以及可供選擇的算法。使用一颱具備數據庫管理權限的開發服務器。構建模型的最初階段是探索階段：用戶可能會希望以不同的方法來重新構建數據和實驗。當然，用戶肯定希望從少量數據子集開始，並在開發愈加清晰的模型設計時擴展數據集。在原型階段，不要為如何構建一個“可供生産使用”的應用程序而擔心。使用DTS或執行任何所需數據處理最為舒適的工具。保存一份記錄有必要轉換的高級日誌，但不要期望所做的一切都能成為永久應用程序的一部分。
　　用戶應當準備兩套數據：一套用於開發模型，另一套用於測試模型的精確度，從中選擇適閤業務問題的最佳模型。在考慮如何劃分數據子集時，要確保沒有引入任何偏差。例如，從十個客戶中選擇一個客戶，或根據姓氏的第一個字符區分，或根據其他任意屬性區分。
　　……

前言/序言

SQL Server數據挖掘與商業智能基礎及案例實戰 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

沒什麼說的，京東老顧客。沒什麼說的，京東老顧客。

評分☆☆☆☆☆

很實用

評分☆☆☆☆☆

有點泛泛的，還行

評分☆☆☆☆☆

還好好

評分☆☆☆☆☆

先學學看

評分☆☆☆☆☆

隨便翻瞭翻，有點雜，開捲有益吧

評分☆☆☆☆☆

京東值得買。值得信賴！

評分☆☆☆☆☆

這個作者還是比較理論啊，書本的事例數據沒有。

評分☆☆☆☆☆

哎90多個評價，纍死我瞭，

類似圖書 點擊查看全場最低價

查看全網最低價