SQL Server 2008 R2数据挖掘与商业智能基础及高级案例实战

　　《SQL Server 2008 R2：数据挖掘与商业智能基础及高级案例实战》全面介绍了数据挖掘与商业智能的基本概念与原理，包括经典理论与趋势发展，并深入叙述了各种数据挖掘的技术与典型应用。通过《SQL Server 2008 R2：数据挖掘与商业智能基础及高级案例实战》的学习，读者可以对数据挖掘与商业智能的整体结构、概念、原理、技术和发展有深入的了解和认识。《SQL Server 2008 R2：数据挖掘与商业智能基础及高级案例实战》以microsoft sql server 2008的数据挖掘模块进行介绍，让读者可以很快地通过书中的说明与范例，在最短的时间内就能上手。《SQL Server 2008 R2：数据挖掘与商业智能基础及高级案例实战》分为四个部分：第一部分介绍数据仓库、数据挖掘与商业智能之间的关系。第二部分对microsoft sql server的整体架构加以介绍，并详细阐述了直接与数据挖掘相关的两个服务：分析服务和报表服务。第三部分逐一阐述了microsoft sql server中包含的九种数据挖掘模型。第四部分提供了四个数据挖掘的范例，通过模仿练习，读者可获得实际的数据挖掘经验，稍加修改就能在自己所处的领域中加以应用。

暂缺《SQL Server 2008 R2数据挖掘与商业智能基础及高级案例实战》作者简介

推荐序
前言
part i 数据仓库、数据挖掘与商业智能
　chapter 1 绪论
　　1-1 商业智能
　　1-2 数据挖掘
　chapter 2 数据仓库
　　2-1 数据仓库定义
　　2-2 数据仓库特性
　　2-3 数据仓库架构
　　2-4 创建数据仓库的目的
　　2-5 数据仓库的运用
　　2-6 数据仓库的管理
　chapter 3 数据挖掘简介
　　3-1 数据挖掘的定义
　　3-2 数据挖掘的重要性
　　3-3 数据挖掘的功能
　　3-4 数据挖掘的步骤
　　3-5 数据挖掘建模的标准crisp-dm
　　3-6 数据挖掘的应用
　　3-7 数据挖掘软件介绍
　chapter 4 数据挖掘的主要方法
　　4-1 回归分析
　　4-2 关联规则
　　4-3 聚类分析
　　4-4 判别分析
　　4-5 神经网络
　　4-6 决策树
　　4-7 其他分析方法
　chapter 5 数据挖掘与相关领域的关系
　　5-1 数据挖掘与统计分析
　　5-2 数据挖掘与数据仓库
　　5-3 数据挖掘与kdd
　　5-4 数据挖掘与olap
　　5-5 数据挖掘与机器学习
　　5-6 数据挖掘与web数据挖掘
part ii microsoft sql server概述
　chapter 6 microsoft sql server中的商业智能
　　6-1 microsoft sql server入门
　　6-2 关系数据仓库
　　6-3 sql server 2008 r2概述
　　6-4 sql server 2008 r2技术
　　6-5 sql server 2008 r2新增功能
　chapter 7 microsoft sql server中的数据挖掘功能
　　7-1 创建商业智能应用程序
　　7-2 microsoft sql server数据挖掘功能的优势
　　7-3 microsoft sql server数据挖掘算法
　　7-4 microsoft sql server可扩展性
　　7-5 microsoft sql server是数据挖掘与商业智能的结合
　　7-6 使用数据挖掘可以解决的问题
　chapter 8 microsoft sql server的分析服务（analysis services）
　　8-1 创建多维数据集的结构
　　8-2 建立和部署多维数据集
　　8-3 从模板创建自定义的数据库
　　8-4 统一维度模型
　　8-5 基于属性的维度
　　8-6 维度类型
　　8-7 量度组和数据视图
　　8-8 计算效率
　　8-9 mdx脚本
　　8-10 存储过程
　　8-11 关键绩效指标（kpi）
　　8-12 实时商业智能
　chapter 9 microsoft sql server的报表服务（reporting services）
　　9-1 为何使用报表服务
　　9-2 报表服务的功能
　chapter 10 microsoft sql server的整合服务
　　10-1 ssis介绍
　　10-2 操作示例
　chapter 11 microsoft sql server的dmx语言
　　11-1 dmx语言介绍
　　11-2 dmx函数
　　11-3 dmx语法
　　11-4 dmx操作实例
part iii microsoft sql server中的数据挖掘模型
　chapter 12 决策树模型
　　12-1 基本概念
　　12-2 决策树与判别函数
　　12-3 计算方法
　　12-4 操作范例
　chapter 13 贝叶斯分类器
　　13-1 基本概念
　　13-2 操作范例
　chapter 14 关联规则
　　14-1 基本概念
　　14-2 关联规则的种类
　　14-3 关联规则的算法：apriori算法
　　14-4 操作范例
　chapter 15 聚类分析
　　15-1 基本概念
　　15-2 层级聚类法与动态聚类法
　　15-3 操作范例
　chapter 16 时序聚类
　　16-1 基本概念
　　16-2 主要算法
　　16-3 操作示例
　chapter 17 线性回归模型
　　17-1 基本概念
　　17-2 一元回归模型
　　17-3 多元回归模型
　　17-4 操作范例
　chapter 18 逻辑回归模型
　　18-1 基本概念
　　18-2 logit变换与logistic分布
　　18-3 逻辑回归模型
　　18-4 操作范例
　chapter 19 人工神经网络模型
　　19-1 基本概念
　　19-2 神经网络模型的特点
　　19-3 神经网络模型的优劣比较
　　19-4 操作范例
　chapter 20 时序模型
　　20-1 基本概念
　　20-2 时序的构成
　　20-3 简单时序的预测
　　20-4 包含趋势与季节成份的时序预测
　　20-5 参数化的时序预测模型
　　20-6 操作范例
part iv microsoft sql server数据挖掘应用实例
　chapter 21 决策树模型实例
　chapter 22 逻辑回归模型实例
　　22-1 回归模型实例一
　　22-2 回归模型实例二
　　22-3 回归模型实例三
　chapter 23 神经网络模型实例
　　23-1 神经网络模型实例一
　　23-2 神经网络模型实例二
　chapter 24 时序模型实例
　　24-1 时序模型实例一
　　24-2 时序模型实例二
　chapter 25 如何评估数据挖掘模型
　　25-1 评估图节点介绍 evaluation chart node
　　25-2 在sql server中如何评估模型
　　25-3 规则度量：支持度与可信度