Excel 2007數(shù)據(jù)挖掘完全手冊

內(nèi)容概要

本書圍繞Excel 2007的數(shù)據(jù)挖掘模塊，通過大量操作示范，介紹了主流的數(shù)據(jù)挖掘方法。全書包括數(shù)據(jù)挖掘算法介紹、Excel 2007數(shù)據(jù)挖掘模塊介紹、其他分析工具介紹、數(shù)據(jù)挖掘范例4篇，共26章。除了給出有關(guān)的理論和原理闡述之外，還提供了一些大型應用案例。通過詳細的操作講解和結(jié)果分析，讀者可以獲得實際的數(shù)據(jù)挖掘經(jīng)驗，并能迅速地在自己所處的領(lǐng)域中加以應用。    利用Excel 2007的數(shù)據(jù)挖掘模塊，讀者無須經(jīng)過專業(yè)培訓，就能完成多種數(shù)據(jù)挖掘任務。本書適用于學習數(shù)據(jù)挖掘和相關(guān)課程的學生、運用Excel 2007進行復雜大型數(shù)據(jù)分析的職場人士及咨詢公司從業(yè)人員等。

書籍目錄

第1篇  數(shù)據(jù)挖掘算法介紹　第1章  數(shù)據(jù)挖掘簡介　　1.1  數(shù)據(jù)挖掘的定義　　1.2  數(shù)據(jù)挖掘的重要性　　1.3  數(shù)據(jù)挖掘的功能　　1.4  數(shù)據(jù)挖掘的步驟　　1.5  數(shù)據(jù)挖掘建模的標準CRISP-DM　第2章  數(shù)據(jù)挖掘運用的理論和技術(shù)　　2.1  回歸分析　　　2.1.1  簡單線性回歸分析　　　2.1.2  多元回歸分析　　　2.1.3  嶺回歸分析　　　2.1.4  Logistic回歸分析　　2.2  關(guān)聯(lián)規(guī)則　　2.3  聚類分析　　2.4  判別分析　　2.5  類神經(jīng)網(wǎng)絡分析　　2.6  決策樹分析　　2.7  其他分析方法　第3章  數(shù)據(jù)挖掘與相關(guān)領(lǐng)域的關(guān)系　　3.1  數(shù)據(jù)挖掘與統(tǒng)計分析的不同　　3.2  數(shù)據(jù)挖掘與數(shù)據(jù)倉儲的關(guān)系　　3.3  知識發(fā)現(xiàn)與數(shù)據(jù)挖掘的關(guān)系　　3.4  OLAP與數(shù)據(jù)挖掘的關(guān)系　　3.5  數(shù)據(jù)挖掘與機器學習的關(guān)系　　3.6  網(wǎng)絡挖掘與數(shù)據(jù)挖掘的關(guān)系　第4章  數(shù)據(jù)挖掘商業(yè)軟件產(chǎn)品及其應用現(xiàn)狀　　4.1  數(shù)據(jù)挖掘商業(yè)軟件的分類　　4.2  主要軟件的介紹　　4.3  顧客關(guān)系管理　　4.4  數(shù)據(jù)挖掘的行業(yè)應用第2篇  Excel 2007數(shù)據(jù)挖掘模塊介紹　第5章  安裝與設定Excel 2007數(shù)據(jù)挖掘加載項　　5.1  系統(tǒng)需求　　5.2  開始安裝　　5.3  完成安裝驗證　　5.4  組件設定　　5.5  配置完成檢查　第6章  Excel 2007數(shù)據(jù)挖掘入門　　6.1  Excel 2007數(shù)據(jù)挖掘功能介紹　　6.2  數(shù)據(jù)挖掘使用說明　　　6.2.1  目錄查詢　　　6.2.2  開始功能　　　6.2.3  視頻和教學　　6.3  數(shù)據(jù)挖掘連接配置　　　6.3.1  設定目前的連接　　　6.3.2  跟蹤　　6.4  數(shù)據(jù)準備　　　6.4.1  瀏覽數(shù)據(jù)　　　6.4.2  清除數(shù)據(jù)　　　6.4.3  分割數(shù)據(jù)　　6.5  數(shù)據(jù)建?！　?.6  精確度和驗證　　　6.6.1  準確性圖表　　　6.6.2  分類矩陣　　　6.6.3  利潤圖　　6.7  模型用法　　　6.7.1  瀏覽功能　　　6.7.2  查詢功能　　6.8  模型管理　　　6.8.1  重新命名挖掘模型　　　6.8.2  刪除挖掘結(jié)構(gòu)　　　6.8.3  清除挖掘結(jié)構(gòu)　　　6.8.4  用原始數(shù)據(jù)處理挖掘結(jié)構(gòu)　　　6.8.5  用新數(shù)據(jù)處理挖掘結(jié)構(gòu)　　　6.8.6  導出挖掘結(jié)構(gòu)　　　6.8.7  導入挖掘結(jié)構(gòu)　第7章  決策樹　　7.1  基本概念　　7.2  決策樹模塊的建立　　7.3  決策樹與判別函數(shù)比較　　7.4  計算方法　　　7.4.1  確定預測精度的標準　　　7.4.2  選擇分裂（分層）技術(shù)　　　7.4.3  定義停止分裂（分層）的時間點　　　7.4.4  選擇適當大小的決策樹　　7.5  Excel 2007 決策樹算法　第8章  貝葉斯概率分類　　8.1  基本概念　　8.2  Excel 2007貝葉斯概率分類　第9章  關(guān)聯(lián)規(guī)則　　9.1  基本概念　　9.2  關(guān)聯(lián)規(guī)則的種類　　9.3  關(guān)聯(lián)規(guī)則的算法：Apriori算法　　9.4  Excel 2007關(guān)聯(lián)規(guī)則　第10章  聚類分析　　10.1  基本概念　　10.2  層次聚類分析　　10.3  聚類分析原理　　10.4  Excel 2007聚類分析　第11章  時序聚類　　11.1  基本概念　　11.2  相關(guān)研究和算法　　11.3  Excel 2007時序聚類　第12章  線性回歸　　12.1  基本概念　　12.2  簡單回歸分析　　12.3  多元回歸分析　　12.4  Excel 2007線性回歸　第13章  Logistic回歸　　13.1  基本概念　　13.2  logit變換　　13.3  Logistic分布　　13.4  列聯(lián)表的Logistic回歸模型　　13.5  Excel 2007 Logistic回歸　第14章  類神經(jīng)網(wǎng)絡　　14.1  基本概念　　14.2  類神經(jīng)網(wǎng)絡的架構(gòu)與訓練算法　　14.3  類神經(jīng)網(wǎng)絡的特性　　14.4  類神經(jīng)網(wǎng)絡應用　　14.5  類神經(jīng)網(wǎng)絡優(yōu)缺點　　14.6  Excel 2007類神經(jīng)網(wǎng)絡　第15章  時間序列分析　　15.1  基本概念　　15.2  時間序列的成分　　15.3  時間序列數(shù)據(jù)的圖形介紹　　15.4  利用平滑法預測　　15.5  用趨勢方程預測時間序列　　15.6  預測含趨勢與季節(jié)成分的時間序列　　15.7  利用回歸模型預測時間序列　　15.8  其他預測模型　　15.9  單變量時間序列預測模型　　15.10  時間趨勢預測模型　　15.11  Excel 2007時間序列　第16章  DMX介紹　　16.1  DMX介紹　　16.2  DMX函數(shù)介紹　　　16.2.1  模型建立　　　16.2.2  模型訓練　　　16.2.3  模型使用（預測）　　　16.2.4  其他函數(shù)語法　　16.3  DMX數(shù)據(jù)挖掘語法　　　16.3.1  決策樹　　　16.3.2  貝葉斯概率分類　　　16.3.3  關(guān)聯(lián)規(guī)則　　　16.3.4  聚類分析　　　16.3.5  時序聚類　　　16.3.6  線性回歸　　　16.3.7  Logistic回歸　　　16.3.8  類神經(jīng)網(wǎng)絡　　　16.3.9  時間序列　　16.4  DMX應用范例　　　16.4.1  分類　　　16.4.2  估計　　　16.4.3  預測　　　16.4.4  關(guān)聯(lián)分組　　　16.4.5  聚類第3篇  其他分析工具介紹　第17章  分析關(guān)鍵影響因素　第18章  檢測類別　第19章  從示例填充　第20章  預測　第21章  突出顯示異常值　第22章  應用場景分析　　22.1  目標查找　　22.2  假設　第23章  Visio 2007數(shù)據(jù)透視分析第4篇  數(shù)據(jù)挖掘范例　第24章  上市公司投資價值分析的挖掘模型　　24.1  研究動機與目的　　24.2  挖掘模型的構(gòu)建　　24.3  變量篩選　　24.4  決策樹模型　　24.5  貝葉斯概率模型　　24.6  Logistic回歸模型　　24.7  預測準確度比較　第25章  信用卡用戶信用評測的挖掘模型　　25.1  研究背景　　25.2  研究動機　　25.3  研究目的　　25.4  Excel 2007構(gòu)建數(shù)據(jù)挖掘模型　　　25.4.1  決策樹分析　　　25.4.2  聚類分析　　　25.4.3  Logistic回歸　第26章  市場營銷與客戶細分的挖掘模型　　26.1  研究動機與目的　　26.2  研究方法與限制　　26.3  數(shù)據(jù)分析　　26.4  挖掘建?！　　?6.4.1  決策樹　　　26.4.2  單純貝葉斯分類　　　26.4.3  聚類分析　　　26.4.4  決策樹　　　26.4.5  Logistic回歸　　　26.4.6  關(guān)聯(lián)分析　　26.5  結(jié)論

章節(jié)摘錄

第1章 數(shù)據(jù)挖掘簡介1.1 數(shù)據(jù)挖掘的定義Data mining is the process of seeking interesting or valuable information in large database.數(shù)據(jù)挖掘（data mining）是近年來數(shù)據(jù)庫應用領(lǐng)域中相當熱門的話題。數(shù)據(jù)挖掘一般是指在數(shù)據(jù)庫或數(shù)據(jù)倉庫中，利用各種分析方法與技術(shù)，對過去累積的大量繁雜數(shù)據(jù)進行分析、歸納與整合等工作，提取出有用的信息，例如趨勢（trend）、模式（pattem）及相關(guān)性（relationship）等，并將其中有價值的信息作為決策參考提供給決策者。通俗地說，數(shù)據(jù)挖掘就是從數(shù)據(jù)中發(fā)掘信息或知識，有人稱為知識發(fā)現(xiàn)（knowledge discovery in database，KDD），也有人稱為數(shù)據(jù)考古學（data archeology）、數(shù)據(jù)模式分析（data pattern analysis）或功能相依分析（functional dependency analysis）。目前，數(shù)據(jù)挖掘已經(jīng)成為數(shù)據(jù)庫系統(tǒng)、機器學習、統(tǒng)計方法等多個學科相互交叉的重要領(lǐng)域，而在實務界，越來越多的企業(yè)開始認識到，實施數(shù)據(jù)挖掘可以為企業(yè)帶來更多潛在的商業(yè)機會。但我們對數(shù)據(jù)挖掘應有一個正確的認知：數(shù)據(jù)挖掘不是一個無所不能的魔法。數(shù)據(jù)挖掘的種種工具都是從數(shù)據(jù)中發(fā)掘出各種可能成立的“預言”，并對其潛在價值加以“估計”，但數(shù)據(jù)挖掘本身并不能在實際中查證和確認這些假設，也不能判斷這些假設的實際價值。1.2 數(shù)據(jù)挖掘的重要性現(xiàn)代企業(yè)經(jīng)常會搜集大量的數(shù)據(jù)，這些數(shù)據(jù)涵蓋了市場、客戶、供貨商，及其競爭對手等重要信息，但是由于信息超載與無結(jié)構(gòu)化，企業(yè)的決策者無法充分利用這些龐大的數(shù)據(jù)資源，僅能使用其中的一小部分，這可能導致決策失誤，甚至出現(xiàn)決策錯誤。而借助數(shù)據(jù)挖掘技術(shù)，企業(yè)完全有能力從浩瀚的數(shù)據(jù)海洋中，挖掘出全面而又有價值的信息和知識，并作為決策支持之用，進而形成企業(yè)獨有的競爭優(yōu)勢。

編輯推薦

利用Excel 2007的數(shù)據(jù)挖掘模塊，讀者無須經(jīng)過專業(yè)培訓，就能完成多種數(shù)據(jù)挖掘任務?！陡咝мk公"職"通車?Excel 2007數(shù)據(jù)挖掘完全手冊》適用于學習數(shù)據(jù)挖掘和相關(guān)課程的學生、運用Excel 2007進行復雜大型數(shù)據(jù)分析的職場人士及咨詢公司從業(yè)人員等。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    Excel 2007數(shù)據(jù)挖掘完全手冊 PDF格式下載

---