數(shù)據(jù)挖掘原理與應(yīng)用

內(nèi)容概要

　　本書作為一本專家級指南，全面介紹了SQL　Server2005中數(shù)據(jù)挖掘的功能，并且對這些功能的應(yīng)用作了較為詳盡的講述。書中不但講述了數(shù)據(jù)挖掘的核心概念，還講述了數(shù)據(jù)挖掘的最新發(fā)展趨勢，并給出了一些數(shù)據(jù)挖掘的最佳實踐。

作者簡介

　　ZhaoHui Tang是Microsoft SQL Server數(shù)據(jù)挖掘團隊的項目經(jīng)理。Jamie Maclennan是SQL Server數(shù)據(jù)挖掘引擎開發(fā)團隊的開發(fā)組長。Zhaohui和Jamie是SQL Server數(shù)據(jù)挖掘組件的核心設(shè)計者，他們不僅經(jīng)常在大型的數(shù)據(jù)庫和數(shù)據(jù)挖掘會議上作報告，而且還在學(xué)術(shù)和行業(yè)博物上發(fā)表很多有關(guān)SQL Server數(shù)據(jù)挖掘方面的文章。

書籍目錄

第1章　數(shù)據(jù)挖掘?qū)д?.1　什么是數(shù)據(jù)挖掘1.2　數(shù)據(jù)挖掘解決的商業(yè)問題1.3　數(shù)據(jù)挖掘的任務(wù)1.3.1　分類1.3.2　聚類1.3.3　關(guān)聯(lián)1.3.4　回歸1.3.5　預(yù)測1.3.6　序列分析1.3.7　偏差分析1.4　數(shù)據(jù)挖掘技術(shù)1.5　數(shù)據(jù)流1.6　數(shù)據(jù)挖掘項目的生命周期1.6.1　第1步：數(shù)據(jù)收集1.6.2　第2步：數(shù)據(jù)清理和轉(zhuǎn)換1.6.3　第3步：模型構(gòu)建1.6.4　第4步：模型評估1.6.5　第5步：報告1.6.6　第6步：預(yù)測（評分）1.6.7　第7步：應(yīng)用集成1.6.8　第8步：模型管理1.7　數(shù)據(jù)挖掘當(dāng)前市場與主要廠商1.7.1　數(shù)據(jù)挖掘市場的大小1.7.2　主要生產(chǎn)廠商和產(chǎn)品1.8　目前存在的問題及挑戰(zhàn)1.9　數(shù)據(jù)挖掘標(biāo)準(zhǔn)1.10　OLE DB for DM規(guī)范和XML for Analysis規(guī)范1.10.1　用于數(shù)據(jù)挖掘的SQL/Multimedia1.10.2　Java數(shù)據(jù)挖掘API1.10.3　預(yù)測模型標(biāo)記語言1.10.4　Crisp－DM模型1.10.5　公共倉庫元數(shù)據(jù)1.11　數(shù)據(jù)挖掘的新趨勢1.12　本章小結(jié)第2章　OLE DB for DM規(guī)范2.1　OLE DB介紹2.2　為什么使用OLE DB進(jìn)行數(shù)據(jù)挖掘2.3　OLE DB for DM規(guī)范中的基本概念2.3.1　事例2.3.2　事例鍵2.3.3　嵌套健2.3.4　事例表和嵌套表2.3.5　標(biāo)量列和表列2.3.6　數(shù)據(jù)挖掘模型2.3.7　模型創(chuàng)建2.3.8　模型訓(xùn)練2.3.9　模型預(yù)測2.4　DMX2.4.1　數(shù)據(jù)挖掘的3個步驟2.4.2　預(yù)測函數(shù)2.4.3　單例查詢2.4.4　僅僅使用內(nèi)容進(jìn)行預(yù)測2.4.5　鉆取模型的內(nèi)容2.4.6　內(nèi)容查詢2.5　理解模式行集2.5.1　Mining－Services模型行集……第3章　實踐SQL Server數(shù)據(jù)挖掘第4章　Microsoft貝葉斯算法第5章　Microsoft決策樹算法第6章　Micrsosft時序算法第7章　Micrsosft聚類算法介紹第8章　Microsoft序列聚類算法第9章　Microsoft關(guān)聯(lián)規(guī)則算法第10章　Microsoft神經(jīng)網(wǎng)絡(luò)算法第11章　挖掘OLAP立方體第12章　SQL Server集成服務(wù)數(shù)據(jù)挖掘第13章　SQL Server數(shù)據(jù)挖掘的體系結(jié)構(gòu)第14章　SQL Server數(shù)據(jù)挖掘編程第15章　實現(xiàn)一個Web交叉銷售應(yīng)用程序第16章　使用Microsoft進(jìn)行高級預(yù)測第17章　擴展SQL Server數(shù)據(jù)挖掘第18章　總結(jié)與其他資源附錄A　導(dǎo)入數(shù)據(jù)集附錄B　支持的VBA函數(shù)和Excel函數(shù)附錄C　學(xué)習(xí)資源

編輯推薦

　　存儲技術(shù)的迅速發(fā)展，特別是硬件價格的下降，使得數(shù)據(jù)的積累速度不斷提高，面對日益龐大的數(shù)據(jù)資源，我們迫切需要強有力的工具來挖掘其中有用的信息。Microsoft最新的數(shù)據(jù)庫平臺SQL Server 2005中的數(shù)據(jù)挖掘組件是數(shù)據(jù)挖掘工具的典型代表。. SQL Server 2000中包括的數(shù)據(jù)挖掘算法只有決策樹算法和聚類算法，與之相比，SQL Server 2005中引入了多個新的數(shù)據(jù)挖掘算法，包括貝葉斯算法、時間序列算法、序列聚類算法、關(guān)聯(lián)規(guī)則算法和神經(jīng)網(wǎng)絡(luò)算法?！　〗邮苓@本書的審校任務(wù)時，我正在美國進(jìn)行商務(wù)訪問。期間，遇到了我的好友，本書的作者之一：ZhaoHui Tang。談起這本書已被譯為中文，并很快在國內(nèi)出版，大家都感到非常的高興和欣慰。借此機會，我不妨談?wù)勛约旱母邢搿? 數(shù)據(jù)挖掘，作為商業(yè)智能(Business Intelligence)實現(xiàn)的最深層次，在商業(yè)智能解決方案的體系中占據(jù)著重要的位置。數(shù)據(jù)庫中存在的是數(shù)據(jù)，對于業(yè)務(wù)人員來說，只是一些無法看懂的天書，沒有人會去拿放大鏡分析數(shù)據(jù)庫服務(wù)器硬盤上的磁軌。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    數(shù)據(jù)挖掘原理與應(yīng)用 PDF格式下載

---