數(shù)據(jù)挖掘基礎(chǔ)與應(yīng)用

內(nèi)容概要

本書首先系統(tǒng)地介紹了數(shù)據(jù)挖掘技術(shù)，然后虛擬一個(gè)“邦邦超市”，通過使用SQL語(yǔ)言建立該超市的數(shù)據(jù)庫(kù)并對(duì)數(shù)據(jù)進(jìn)行操作，再進(jìn)一步利用SQL
Server 2008的數(shù)據(jù)挖掘模型對(duì)超市積累的數(shù)據(jù)進(jìn)行挖掘，以實(shí)際例子幫助讀者迅速理解并掌握數(shù)據(jù)挖掘技術(shù)，學(xué)會(huì)使用SQL
Server 2008 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(yíng)水平。
對(duì)于想要了解數(shù)據(jù)挖掘技術(shù)及其應(yīng)用的讀者，本書是很好的參考讀物。

作者簡(jiǎn)介

謝邦昌，臺(tái)灣大學(xué)生物統(tǒng)計(jì)學(xué)博士、現(xiàn)任臺(tái)灣輔仁大學(xué)統(tǒng)計(jì)資訊學(xué)系教授、臺(tái)灣輔仁大學(xué)管理學(xué)院商學(xué)所所長(zhǎng)、中華資料采礦協(xié)會(huì)理事長(zhǎng)、臺(tái)北市政府市政顧問。他還擔(dān)任中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局教材編審委員，廈門大學(xué)經(jīng)濟(jì)學(xué)院計(jì)劃統(tǒng)計(jì)系講座教授、博士生導(dǎo)師，同時(shí)是中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院、中央財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院等國(guó)內(nèi)許多著名高校的客座教授。謝邦昌教授是臺(tái)灣數(shù)據(jù)挖掘界的領(lǐng)軍人物及世界知名統(tǒng)計(jì)學(xué)家，長(zhǎng)久以來致力推動(dòng)兩岸商務(wù)智能、數(shù)據(jù)挖掘和統(tǒng)計(jì)應(yīng)用研究的發(fā)展。目前的研究方向主要集中在生物統(tǒng)計(jì)、抽樣調(diào)查設(shè)計(jì)、統(tǒng)計(jì)預(yù)測(cè)模型、數(shù)據(jù)挖掘，特別是數(shù)據(jù)挖掘與商務(wù)智能在企業(yè)中的應(yīng)用研究。先后公開發(fā)表有關(guān)數(shù)據(jù)挖掘、預(yù)測(cè)模型、市場(chǎng)調(diào)查等方面的論文130余篇.出版統(tǒng)計(jì)學(xué)相關(guān)學(xué)術(shù)專著40余部。

書籍目錄

前言
第1章　數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)
 1.1　數(shù)據(jù)挖掘簡(jiǎn)介
 1.2　商務(wù)智能簡(jiǎn)介
 1.3　數(shù)據(jù)挖掘與其他相關(guān)領(lǐng)域的關(guān)系
 1.4　數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用
 1.5　數(shù)據(jù)倉(cāng)庫(kù)定義
 1.6　數(shù)據(jù)挖掘工具分類
第2章　SQL語(yǔ)言介紹及其實(shí)例
 2.1　SQL簡(jiǎn)介及數(shù)據(jù)變量來源說明
 2.2　SQL基本語(yǔ)法介紹
 2.3　會(huì)員基本資料整理
 2.4　會(huì)員基本變項(xiàng)
 2.5　產(chǎn)品組合
 2.6　會(huì)員流失率
 2.7　會(huì)員貢獻(xiàn)度
第3章　SQL Server 2008的數(shù)據(jù)挖掘模型在零售業(yè)中的應(yīng)用
 3.1　實(shí)際案例練習(xí)
 3.2　潛在客戶預(yù)測(cè)模型
 3.3　模型建構(gòu)
 3.4　數(shù)據(jù)挖掘Microsoft時(shí)間序列
 3.5　數(shù)據(jù)挖掘Microsoft聚類分析
 3.6　數(shù)據(jù)挖掘Microsoft線性回歸
 3.7　數(shù)據(jù)挖掘Microsoft關(guān)聯(lián)規(guī)則
 3.8　數(shù)據(jù)挖掘Microsoft時(shí)序群集
第4章　OLAP在零售業(yè)中的應(yīng)用
 4.1　數(shù)據(jù)倉(cāng)庫(kù)
 4.2　實(shí)例操作
 4.3　維度設(shè)計(jì)
 4.4　建立多維數(shù)據(jù)集
 4.5　數(shù)據(jù)模擬及相關(guān)數(shù)據(jù)明細(xì)
第5章　Excel中的數(shù)據(jù)挖掘模塊
 5.1　安裝與設(shè)定數(shù)據(jù)挖掘加載宏
 5.2　Excel 2007數(shù)據(jù)挖掘工具列介紹
附錄

章節(jié)摘錄

版權(quán)頁(yè)：插圖：1.3.1 數(shù)據(jù)挖掘與統(tǒng)計(jì)分析的不同區(qū)分?jǐn)?shù)據(jù)挖掘和統(tǒng)計(jì)分析的差異其實(shí)是沒有太大意義的。數(shù)據(jù)挖掘有相當(dāng)大的比重是由高等統(tǒng)計(jì)學(xué)中的多元分析所支撐。但是為什么數(shù)據(jù)挖掘的出現(xiàn)會(huì)引發(fā)各領(lǐng)域的廣泛關(guān)注呢？主要原因是相較于傳統(tǒng)統(tǒng)計(jì)分析而言，數(shù)據(jù)挖掘有下列幾項(xiàng)特性：1）數(shù)據(jù)挖掘的工具處理大量實(shí)際數(shù)據(jù)時(shí)功能更強(qiáng)大，且使用時(shí)無須專業(yè)的統(tǒng)計(jì)背景。2）數(shù)據(jù)分析的趨勢(shì)為從大型數(shù)據(jù)庫(kù)抓取所需數(shù)據(jù)并使用專屬計(jì)算機(jī)分析軟件，數(shù)據(jù)挖掘的工具更符合企業(yè)需求。3）僅從理論的基礎(chǔ)點(diǎn)來看，數(shù)據(jù)挖掘和統(tǒng)計(jì)分析有應(yīng)用上的差別，畢竟數(shù)據(jù)挖掘是給企業(yè)末端使用者而非統(tǒng)計(jì)學(xué)家使用的。1.3.2 數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)的關(guān)系若將數(shù)據(jù)倉(cāng)庫(kù)比作礦坑，數(shù)據(jù)挖掘就是深入礦坑挖掘的工作。畢竟數(shù)據(jù)挖掘不是一種無中生有的魔術(shù)，也不是點(diǎn)石成金的煉金術(shù)，若沒有足夠豐富完整的數(shù)據(jù)，是很難期待數(shù)據(jù)挖掘能挖掘出什么有意義的信息的。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    數(shù)據(jù)挖掘基礎(chǔ)與應(yīng)用 PDF格式下載

---