书籍详情

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

作者:谢邦昌,郑宇庭,苏志雄 著

出版社:水利水电出版社

出版时间:2011-10-01

ISBN:9787508487649

定价:¥48.00

购买这本书可以去
内容简介
  《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。
作者简介
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
目录
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
猜您喜欢

读书导航