數(shù)據(jù)挖掘技術(shù)應(yīng)用實(shí)例

前言

21世紀(jì)是信息的世紀(jì)。信息已經(jīng)和能源、材料一起成為支撐人類社會(huì)發(fā)展的三大要素，并顯示出越來越重要的作用。21世紀(jì)也是知識(shí)的世紀(jì)。以知識(shí)為主題的許多新研究對(duì)象的出現(xiàn)，如知識(shí)經(jīng)濟(jì)、知識(shí)產(chǎn)業(yè)、知識(shí)工人、知識(shí)管理、知識(shí)工程和知識(shí)網(wǎng)絡(luò)等，豐富了理論研究的內(nèi)涵，也推動(dòng)了以網(wǎng)絡(luò)為基礎(chǔ)的信息技術(shù)向著更高層次發(fā)展。如何實(shí)現(xiàn)從信息到知識(shí)的轉(zhuǎn)變呢？數(shù)據(jù)挖掘技術(shù)給出了答案。隨著計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)以及通訊技術(shù)的迅速發(fā)展和普及，信息技術(shù)將我們領(lǐng)進(jìn)入了全新的信息社會(huì)。但是隨著信息技術(shù)的不斷進(jìn)步，人們收集數(shù)據(jù)的手段不斷豐富，數(shù)據(jù)庫、數(shù)據(jù)倉庫容量的不斷膨脹，以及Web等新型數(shù)據(jù)源的不斷出現(xiàn)，各種各樣的數(shù)據(jù)已經(jīng)由不同的渠道匯成了浩瀚的海洋。據(jù)不完全統(tǒng)計(jì)，1993年全球數(shù)據(jù)存儲(chǔ)容量約為2000TB，到2000年增加到大約300萬TB，到2008年，這一數(shù)字已經(jīng)飆升至上億TB。人們面臨的主要問題已經(jīng)不再是沒有充分的信息可選擇，而是徜徉在如此龐大的信息之中，如何更為有效地利用它們，并且找到蘊(yùn)含于這些信息之中的有價(jià)值的知識(shí)寶藏。當(dāng)前的數(shù)據(jù)庫系統(tǒng)無法發(fā)現(xiàn)隱藏在海量數(shù)據(jù)中的潛在聯(lián)系和規(guī)則，不能根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測(cè)未來的發(fā)展趨勢(shì)，缺乏挖掘數(shù)據(jù)背后隱藏知識(shí)的手段，導(dǎo)致了人們面臨“數(shù)據(jù)豐富而知識(shí)匱乏”的現(xiàn)象。因此，在人們需求的呼喚下，數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)技術(shù)應(yīng)運(yùn)而生，并得以在社會(huì)生活的各個(gè)領(lǐng)域蓬勃發(fā)展。數(shù)據(jù)挖掘推動(dòng)信息分析處理技術(shù)上升到一個(gè)更高的階段。比爾·蓋茨曾預(yù)計(jì)，數(shù)據(jù)挖掘技術(shù)將是今后計(jì)算機(jī)技術(shù)發(fā)展的第二大方向。

內(nèi)容概要

　　《數(shù)據(jù)挖掘技術(shù)應(yīng)用實(shí)例》在介紹數(shù)據(jù)挖掘技術(shù)理論和算法的基礎(chǔ)上，通過不同領(lǐng)域的應(yīng)用案例，來說明數(shù)據(jù)挖掘在實(shí)際應(yīng)用中的具體操作方法，以期為讀者提供一個(gè)更為廣闊的視角。《數(shù)據(jù)挖掘技術(shù)應(yīng)用實(shí)例》從理論、應(yīng)用實(shí)例和數(shù)據(jù)挖掘的發(fā)展趨勢(shì)，以及面臨的機(jī)遇和挑戰(zhàn)等方面，對(duì)數(shù)據(jù)挖掘技術(shù)進(jìn)行了詳細(xì)介紹，其中在應(yīng)用實(shí)例部分分別介紹了數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理、市場(chǎng)營銷、證券領(lǐng)域、電信領(lǐng)域、產(chǎn)品設(shè)計(jì)、軍事領(lǐng)域以及web數(shù)據(jù)挖掘等方面的應(yīng)用?！　　稊?shù)據(jù)挖掘技術(shù)應(yīng)用實(shí)例》可作為企事業(yè)單位信息管理部門以及其他各行各業(yè)的管理者、信息分析人員、數(shù)據(jù)統(tǒng)計(jì)人員、市場(chǎng)營銷人員、研究與開發(fā)人員的參考資料，也可作為高等院校信息管理類、數(shù)據(jù)分析類、計(jì)算機(jī)類等相關(guān)專業(yè)的教材和參考書，還可作為高等院校畢業(yè)論文或畢業(yè)設(shè)計(jì)的參考資料。

書籍目錄

出版說明前言第1章 緒論1.1 數(shù)據(jù)挖掘的基本概念1.1.1 啤酒與尿布1.1.2 什么是數(shù)據(jù)挖掘1.1.3 數(shù)據(jù)挖掘的分類1.1.4 數(shù)據(jù)挖掘的特點(diǎn)和功能1.2 數(shù)據(jù)挖掘的過程1.2.1 數(shù)據(jù)準(zhǔn)備1.2.2 數(shù)據(jù)選擇1.2.3 數(shù)據(jù)預(yù)處理1.2.4 數(shù)據(jù)挖掘及模式評(píng)價(jià)1.3 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘1.3.1 數(shù)據(jù)倉庫的概念和特點(diǎn)1.3.2 數(shù)據(jù)集市1.3.3 元數(shù)據(jù)1.3.4 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的關(guān)系1.4 OLAP和數(shù)據(jù)挖掘1.4.1 OLAP的基本概念1.4.2 OLAP的操作1.4.3 OLAP的類別1.4.4 OLAP和0LTP的關(guān)系1.4.5 OLAP和數(shù)據(jù)挖掘的關(guān)系1.5 數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域1.6 數(shù)據(jù)挖掘研究現(xiàn)狀1.6.1 商業(yè)應(yīng)用1.6.2 支持平臺(tái)數(shù)據(jù)展現(xiàn)1.6.3 使用成本1.6.4 挖掘算法1.7 本章 小結(jié)第2章 數(shù)據(jù)挖掘的常用技術(shù)2.1 決策樹2.1.1 決策樹的基本概念2.1.2 決策樹的基本原理2.1.3 決策樹的算法2.1.4 決策樹的優(yōu)勢(shì)和劣勢(shì)2.2 神經(jīng)網(wǎng)絡(luò)2.2.1 神經(jīng)網(wǎng)絡(luò)的基本概念2.2.2 神經(jīng)網(wǎng)絡(luò)的特征2.2.3 神經(jīng)網(wǎng)絡(luò)的分類和學(xué)習(xí)方式2.2.4 進(jìn)化計(jì)算2.2.5 神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)2.3 關(guān)聯(lián)規(guī)則2.3.1 關(guān)聯(lián)規(guī)則的基本概念2.3.2 經(jīng)典Apriori算法的描述2.3.3 AprioriTid算法2.3.4 FPtree算法2.4 聚類分析2.4.1 聚類分析的基本概念2.4.2 聚類算法簡(jiǎn)介2.4.3 孤立點(diǎn)分析2.5 統(tǒng)計(jì)學(xué)習(xí)2.5.1 統(tǒng)計(jì)分析綜述2.5.2 貝葉斯學(xué)習(xí)2.5.3 支撐矢量機(jī)2.5.4 回歸分析2.6 模糊集和粗糙集2.6.1 模糊集概述2.6.2 粗糙集概述2.7 本章小結(jié)第3章 數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用3.1 數(shù)據(jù)挖掘在CRM中的應(yīng)用現(xiàn)狀3.1.1 CRM的由來3.1.2 CRM系統(tǒng)的研發(fā)現(xiàn)狀3.1.3 數(shù)據(jù)挖掘在CRM中的使用情況3.2 數(shù)據(jù)挖掘在CIW中的應(yīng)用3.2.1 客戶群體分類3.2.2 客戶盈利能力分析3.2.3 客戶獲取和客戶保持3.2.4 客戶滿意度分析3.3 數(shù)據(jù)挖掘在通信公司CRM應(yīng)用實(shí)例3.3.1 客戶細(xì)分模型和挖掘算法選擇3.3.2 數(shù)據(jù)挖掘模型和挖掘步驟3.3.3 結(jié)果分析和市場(chǎng)策略制定3.4 本章 小結(jié)第4章 數(shù)據(jù)挖掘在市場(chǎng)營銷中的應(yīng)用4.1 數(shù)據(jù)挖掘在市場(chǎng)營銷中的應(yīng)用現(xiàn)狀4.1.1 客戶分析4.1.2 產(chǎn)品分析4.1.3 促銷分析4.1.4 改進(jìn)企業(yè)市場(chǎng)預(yù)測(cè)機(jī)制4.1.5 市場(chǎng)營銷中常用的數(shù)據(jù)挖掘方法4.2 定位模型與設(shè)定營銷目標(biāo)4.3 客戶響應(yīng)建模、風(fēng)險(xiǎn)建模、客戶流失建模4.3.1 客戶響應(yīng)建模4.3.2 風(fēng)險(xiǎn)建模4.3.3 客戶流失建模4.4 產(chǎn)品生命周期建模4.5 對(duì)模型的驗(yàn)證與評(píng)估4.5.1 模型的驗(yàn)證4.5.2 對(duì)挖掘結(jié)果的解釋評(píng)估4.6 制定營銷戰(zhàn)略4.7 本章 小結(jié)第5章 數(shù)據(jù)挖掘在證券領(lǐng)域中的應(yīng)用5.1 中國證券市場(chǎng)的特點(diǎn)5.2 證券業(yè)數(shù)據(jù)倉庫的構(gòu)建5.2.1 證券行業(yè)應(yīng)用分析5.2.2 證券業(yè)基礎(chǔ)數(shù)據(jù)分析5.2.3 證券業(yè)數(shù)據(jù)倉庫設(shè)計(jì)與構(gòu)建5.3 實(shí)施數(shù)據(jù)挖掘5.3.1 基于關(guān)聯(lián)規(guī)則和模式發(fā)現(xiàn)的客戶行為模型挖掘5.3.2 基于決策樹的客戶流失模型分析5.3.3 基于神經(jīng)網(wǎng)絡(luò)的股票行情時(shí)間序列模式挖掘5.4 BP網(wǎng)絡(luò)預(yù)測(cè)5.4.1 神經(jīng)網(wǎng)絡(luò)模型5.4.2 BP算法5.4.3 利用BP預(yù)測(cè)股市5.5 本章 小結(jié)第6章 數(shù)據(jù)挖掘在電信領(lǐng)域中的應(yīng)用6.1 電信業(yè)務(wù)概述6.2 數(shù)據(jù)挖掘在電信業(yè)中的應(yīng)用背景6.3 電信業(yè)務(wù)系統(tǒng)數(shù)據(jù)挖掘6.3.1 電信系統(tǒng)數(shù)據(jù)挖掘目標(biāo)6.3.2 電信系統(tǒng)數(shù)據(jù)預(yù)處理6.3.3 關(guān)聯(lián)規(guī)則挖掘6.3.4 關(guān)聯(lián)規(guī)則挖掘算法的選擇與應(yīng)用6.4 本章 小結(jié)第7章 數(shù)據(jù)挖掘在產(chǎn)品設(shè)計(jì)中的應(yīng)用7.1.產(chǎn)品設(shè)計(jì)的概念7.2 產(chǎn)品概念設(shè)計(jì)的體系結(jié)構(gòu)7.2.1 產(chǎn)品概念設(shè)計(jì)的內(nèi)涵7.2.2 產(chǎn)品概念設(shè)計(jì)的特點(diǎn)7.2.3 產(chǎn)品概念設(shè)計(jì)的理論及發(fā)展7.2.4 產(chǎn)品概念設(shè)計(jì)的體系結(jié)構(gòu)7.3 面向產(chǎn)品設(shè)計(jì)的數(shù)據(jù)挖掘模型7.3.1 數(shù)據(jù)挖掘過程7.3.2 需求分析數(shù)據(jù)挖掘過程的實(shí)現(xiàn)7.3.3 功能結(jié)構(gòu)數(shù)據(jù)挖掘過程的實(shí)現(xiàn)7.4 產(chǎn)品設(shè)計(jì)數(shù)據(jù)挖掘?qū)嵗?.4.1 參數(shù)選擇7.4.2 構(gòu)造概念樹7.4.3 解釋關(guān)系規(guī)則7.4.4 評(píng)估與展望7.5 本章 小結(jié)第8章 數(shù)據(jù)挖掘在軍事領(lǐng)域中的應(yīng)用8.1 新軍事變革概述8.2 數(shù)據(jù)挖掘在軍事領(lǐng)域的應(yīng)用現(xiàn)狀8.2.1 數(shù)據(jù)挖掘在戰(zhàn)場(chǎng)信息融合中的應(yīng)用8.2.2 數(shù)據(jù)挖掘在軍事通信系統(tǒng)中的應(yīng)用8.2.3 數(shù)據(jù)挖掘在軍事智能決策中的應(yīng)用8.2.4 數(shù)據(jù)挖掘在信息作戰(zhàn)中的應(yīng)用8.3 指揮信息控制系統(tǒng)數(shù)據(jù)挖掘模型8.3.1 指揮信息控制系統(tǒng)的功能需求分析8.3.2 指揮信息控制系統(tǒng)的信息需求分析8.3.3 指揮信息控制系統(tǒng)數(shù)據(jù)挖掘的體系結(jié)構(gòu)8.3.4 指揮信息控制機(jī)理及數(shù)據(jù)挖掘過程8.3.5 基于指揮控制系統(tǒng)數(shù)據(jù)挖掘模型指揮控制戰(zhàn)8.4 三維態(tài)勢(shì)演播系統(tǒng)數(shù)據(jù)挖掘模型實(shí)例8.4.1 二、三維模型數(shù)據(jù)轉(zhuǎn)換層8.4.2 模型數(shù)據(jù)導(dǎo)入導(dǎo)出及轉(zhuǎn)化層8.4.3 三維數(shù)據(jù)表現(xiàn)和提取層8.4.4 三維態(tài)勢(shì)構(gòu)造繪制層8.5 本章 小結(jié)第9章 Web數(shù)據(jù)挖掘9.1 Web數(shù)據(jù)挖掘的基本概念9.1.1 Web數(shù)據(jù)挖掘的定義9.1.2 Web數(shù)據(jù)挖掘的分類9.2 W.eb數(shù)據(jù)挖掘的應(yīng)用狀況9.2.1 Web信息分類9.2.2 Web信息抽取9.2.3 數(shù)據(jù)約簡(jiǎn)高效算法研究9.3 基于web數(shù)據(jù)挖掘的搜索引擎應(yīng)用9.3.1 數(shù)據(jù)挖掘在搜索引擎中的使用現(xiàn)狀9.3.2 基于Web數(shù)據(jù)挖掘的搜索引擎建模9.3.3 PageRank技術(shù)9.3.4 PageRank算法改進(jìn)的有效性驗(yàn)證9.4 本章 小結(jié)第10章 數(shù)據(jù)挖掘技術(shù)的發(fā)展10.1 數(shù)據(jù)挖掘是不斷發(fā)展的概念10.2 數(shù)據(jù)挖掘面臨的問題10.3 數(shù)據(jù)挖掘的發(fā)展趨勢(shì)10.4 本章 小結(jié)參考文獻(xiàn)

章節(jié)摘錄

插圖：3.1.1 CRM的由來總體上說，客戶關(guān)系管理的產(chǎn)生原因有以下四個(gè)：（1）信息技術(shù)的發(fā)展。伴隨著網(wǎng)絡(luò)技術(shù)的迅速普及，電子商務(wù)日益成為影響企業(yè)效益的重要因素和產(chǎn)品推向市場(chǎng)的重要手段。電子商務(wù)使產(chǎn)品趨向同質(zhì)化，使市場(chǎng)趨向全球化。（2）市場(chǎng)環(huán)境的變化。進(jìn)入信息社會(huì)的同時(shí)，經(jīng)濟(jì)也更多地融入了信息元素。在信息經(jīng)濟(jì)時(shí)代，信息不僅推動(dòng)了企業(yè)的進(jìn)步，也讓消費(fèi)者的消費(fèi)觀念發(fā)生了變化。（3）市場(chǎng)營銷理論的變化。（4）企業(yè)管理理念的變化。CRM就是基于以上背景產(chǎn)生的，其核心思想是將企業(yè)的客戶（包括最終客戶、分銷商和合作伙伴）作為最重要的企業(yè)資源，企業(yè)通過進(jìn)行客戶關(guān)懷，及時(shí)了解客戶的需求，以及建立長期的客戶關(guān)系，并通過在全企業(yè)范圍內(nèi)來強(qiáng)化這一關(guān)系，為客戶提供比競(jìng)爭(zhēng)對(duì)手更好的服務(wù)，增強(qiáng)客戶的滿意度和忠誠度，促使客戶回頭購買更多的產(chǎn)品，企業(yè)整個(gè)業(yè)務(wù)也將從每位客戶未來不斷的采購中獲益，實(shí)現(xiàn)企業(yè)與客戶雙贏。簡(jiǎn)言之，客戶關(guān)系管理的本質(zhì)（見圖3-1）就是在合適的時(shí)間，以合適的價(jià)格，將合適的產(chǎn)品和服務(wù)提供給合適的客戶，以滿足他們的需要?？蛻舻囊话阆M(fèi)行為都是經(jīng)過考慮各種因素，然后作出購買決策的。一個(gè)客戶的消費(fèi)行為模型如圖3-2所示。通用汽車公司總裁杰克·史密斯先生曾經(jīng)說過：“要把所有的一切——全部的資產(chǎn)、決策都集中在客戶身上。他們才是成敗的最終裁判?！?/pre>




編輯推薦
《數(shù)據(jù)挖掘技術(shù)應(yīng)用實(shí)例》由機(jī)械工業(yè)出版社出版。





圖書封面



圖書標(biāo)簽Tags
無




評(píng)論、評(píng)分、閱讀與下載



還沒讀過(58)
勉強(qiáng)可看(422)
一般般(721)
內(nèi)容豐富(2990)
強(qiáng)力推薦(245)


 


    數(shù)據(jù)挖掘技術(shù)應(yīng)用實(shí)例 PDF格式下載