商務(wù)智能與數(shù)據(jù)挖掘Microsoft SQL Server應(yīng)用

內(nèi)容概要

　　本書主要討論數(shù)據(jù)挖掘技術(shù)的基本原理與應(yīng)用，可以解決企業(yè)運(yùn)營(yíng)中遇到的各種問題，并介紹了SQLServer 2005處理這些問題的方法。內(nèi)容主要包括數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘中的主要方法，SQLServer2005中的商業(yè)智能與數(shù)據(jù)挖掘功能、決策樹模型、聚類分析、神經(jīng)網(wǎng)絡(luò)模型和時(shí)間序列模型等，并配有相關(guān)的范例分析與實(shí)例練習(xí)。    本書內(nèi)容翔實(shí)，示例豐富，結(jié)構(gòu)合理，可作為各類開發(fā)人員及企業(yè)管理人員的參考用書。

作者簡(jiǎn)介

謝邦昌，臺(tái)灣大學(xué)生物統(tǒng)計(jì)學(xué)博士?，F(xiàn)任中華資料采礦協(xié)會(huì)(Chung-hua Data Mining Society，CDMS)理事長(zhǎng)，輔仁大學(xué)統(tǒng)計(jì)資訊學(xué)系教授，華通人商用信息有限公司高級(jí)顧問。中國(guó)人民大學(xué)應(yīng)用統(tǒng)計(jì)科學(xué)研究中心學(xué)術(shù)委員會(huì)委員。中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)系Data Minin9中心客座教授，上

書籍目錄

推薦序序第1章   緒論	　1.1   商業(yè)智能	　1.2   數(shù)據(jù)挖掘	第2章   數(shù)據(jù)倉(cāng)庫(kù)	　2.1   數(shù)據(jù)倉(cāng)庫(kù)定義	　2.2   數(shù)據(jù)倉(cāng)庫(kù)特點(diǎn)	　2.3   數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)	　2.4   建立數(shù)據(jù)倉(cāng)庫(kù)的原因和目的	　2.5   數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用	　2.6   數(shù)據(jù)倉(cāng)庫(kù)的管理	第3章   數(shù)據(jù)挖掘簡(jiǎn)介	　3.1   數(shù)據(jù)挖掘的定義	　3.2   數(shù)據(jù)挖掘的重要性	　3.3   數(shù)據(jù)挖掘的功能	　3.4   數(shù)據(jù)挖掘的步驟	　3.5   數(shù)據(jù)挖掘建模的標(biāo)準(zhǔn)CRISP-DM	　3.6   數(shù)據(jù)挖掘軟件分類	　3.7   各數(shù)據(jù)挖掘軟件的分析方法簡(jiǎn)介	第4章   數(shù)據(jù)挖掘中的主要方法	　4.1   回歸分析	　4.2   關(guān)聯(lián)規(guī)則	　4.3   聚類分析	　4.4   判別分析	　4.5   神經(jīng)網(wǎng)絡(luò)分析	　4.6   決策樹分析	　4.7   其他分析方法	第5章   數(shù)據(jù)挖掘與相關(guān)領(lǐng)域的關(guān)系	　5.1   數(shù)據(jù)挖掘與統(tǒng)計(jì)分析的不同	　5.2   數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)的關(guān)系	　5.3   KDD與數(shù)據(jù)挖掘的關(guān)系	　5.4   OLAP與數(shù)據(jù)挖掘的關(guān)系	　5.5   數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的關(guān)系	　5.6   Web數(shù)據(jù)挖掘和數(shù)據(jù)挖掘有什么不同	第6章   SQL Server 2005中的商業(yè)智能	　6.1   SQL Server 2005入門	　6.2   關(guān)聯(lián)型數(shù)據(jù)庫(kù)	　6.3   Analysis Services	第7章   SQL Server 2005中的數(shù)據(jù)挖掘功能	　7.1   創(chuàng)建商業(yè)智能應(yīng)用程序	　7.2   SQL Server 2005數(shù)據(jù)挖掘功能的優(yōu)勢(shì)	　7.3   SQL Server 2005數(shù)據(jù)挖掘算法　7.4   可擴(kuò)展性	　7.5   SQL Server 2005數(shù)據(jù)挖掘功能與商業(yè)智能集成	　7.6   使用數(shù)據(jù)挖掘可以解決的問題	第8章   SQL Server 2005的分析服務(wù)	　8.1   建立數(shù)據(jù)源與數(shù)據(jù)源視圖	　8.2   創(chuàng)建維度和多維數(shù)據(jù)集	　8.3   構(gòu)建和部署	　8.4   從模板創(chuàng)建可自定義的數(shù)據(jù)庫(kù)	　8.5   統(tǒng)一維度模型	　8.6   基于屬性的維度	　8.7   維度類型	　8.8   量度組和透視	　8.9   計(jì)算和分析	　8.10   MDX腳本	　8.11   存儲(chǔ)過(guò)程	　8.12   關(guān)鍵績(jī)效指標(biāo)	　8.13   實(shí)時(shí)商業(yè)智能	第9章   SQL Server 2005的報(bào)表服務(wù)第10章   決策樹模型	第11章   貝葉斯分類	第12章   關(guān)聯(lián)規(guī)則	第13章   聚類分析	第14章   時(shí)序聚類分析	第15章   線性回歸模型第16章   Logistic回歸模型	第17章   神經(jīng)網(wǎng)絡(luò)模型	第18章   時(shí)間序列模型	第19章   SQL Server 2005整合服務(wù)	第20章   文本挖掘模型	第21章   SQL Server 2005的DMX語(yǔ)言第22章   實(shí)際案例：聚類分析模型應(yīng)用	第23章   實(shí)際案例：時(shí)間序列模型應(yīng)用

編輯推薦

　　相對(duì)于其他數(shù)據(jù)庫(kù)系統(tǒng)或數(shù)據(jù)挖掘軟件，微軟最新推出的數(shù)據(jù)庫(kù)系統(tǒng)Microsoft SOL Server借助自帶的數(shù)據(jù)挖掘功能，較好地平衡了企業(yè)商務(wù)智能方案的性能和價(jià)格，因而在業(yè)界迅速普及。針對(duì)業(yè)界實(shí)務(wù)上的需求，本書主要介紹了如下內(nèi)容：　　數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘與商務(wù)智能之間的關(guān)系?！　icrosoft SQL Server的整體架構(gòu)、分析服務(wù)9ate告服務(wù)以及Microsoft SQL Server的整合服務(wù)gl：IDMX　　語(yǔ)言?！　?種數(shù)據(jù)挖掘模型：決策樹、貝葉斯分類、聚類分析、時(shí)序聚類、線性回歸、Logistic回歸、神經(jīng)網(wǎng)絡(luò)、時(shí)間序列。　　本書給出了豐富的精彩實(shí)例，主要包括：　　利用聚類分析找出最具有投資價(jià)值的企業(yè)?！　±脹Q策樹模型分析游戲《三國(guó)志4》武將數(shù)據(jù)，找出三國(guó)武將特性分布。　　利用線性回歸分析了解成人血液中的膽固醇是否受體重、血壓及年齡的影響，了解來(lái)店顧客人數(shù)是否受廣告促銷費(fèi)用、店面面積以及店鋪所在位置的影響。　　利用Logistic回歸和神經(jīng)網(wǎng)絡(luò)分析影響病人腎細(xì)胞癌轉(zhuǎn)移的臨床病理因素。　　利用Logistic回歸分析影響高中學(xué)生升學(xué)的因素?！　±脮r(shí)間序列分析預(yù)測(cè)中國(guó)臺(tái)灣地區(qū)未來(lái)的進(jìn)出口貨物價(jià)值，了解中國(guó)臺(tái)灣地區(qū)未來(lái)的進(jìn)出口貨物的成長(zhǎng)趨勢(shì)，以及預(yù)測(cè)未來(lái)用電負(fù)荷，來(lái)整合整體電力使用規(guī)劃。　　本書涉及的數(shù)據(jù)文件可到華章網(wǎng)站(WWW．hzbook．com)和(WWW．a(chǎn)cmr，com．cn／bi)下載。

圖書封面

圖書標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    商務(wù)智能與數(shù)據(jù)挖掘Microsoft SQL Server應(yīng)用 PDF格式下載

---