书籍详情
商务智能方法与应用（第2版）
作者：刘红岩 著
出版社：清华大学出版社
出版时间：2020-08-01
ISBN：9787302558101
定价：¥59.00
购买这本书可以去
内容简介
《商务智能方法与应用（第2版）/高等学校大数据管理与应用专业规划教材》介绍商务智能概况、商务智能过程、关联分析、分类、数值预测、聚类、神经网络与深度学习、数据预处理、文本数据处理、数据仓库、联机分析处理、商务智能可视化、商务智能应用、商务智能软件系统、复杂数据的商务智能分析方法以及商务智能的社会影响与发展等。《商务智能方法与应用（第2版）/高等学校大数据管理与应用专业规划教材》内容具体、新颖、丰富、易于理解，既涵盖商务智能领域的经典基础知识，又反映该领域的新发展趋势；既包含数据分析的各种理论模型，又包含实用软件工具的具体使用方法。《商务智能方法与应用（第2版）/高等学校大数据管理与应用专业规划教材》适合作为信息管理、计算机应用、电子商务、数据科学与大数据技术以及商务数据科学等专业的教材，也可作为数据分析人员的参考资料。
作者简介
刘红岩，博士，教授，博士生导师。是ACM、IEEE、SIGKDD、AIS、SIAM、INFORMS等国际学术组织会员，中国计算机学会高级会员。自1994年在清华大学经济管理学院任教至今，长期从事数据挖掘、文本挖掘、商务智能、社会计算、个性化推荐系统等方面的研究和教学工作。主持和参与国家自然科学基金等科研项目20余项。在国内外学术期刊和国际会议发表文章100余篇，包括在国际期刊TODS、TKDE、TOIS、MISO、INFORMS、JOC、TMIS和国际学术会议VLDB、SIGKDD、ICDE、ICDM、SDM、ICIS上发表的学术文章数十篇。获得10项国家发明专利授权。出版学术专著2部、教材多部，包括国家级规划教材2部。
目录
第一部分 商务智能概念及过程
第1章 商务智能概述
1．1 商务智能的基本概念
1．1．1 数据
1．1．2 信息和知识
1．2 商务智能的系统构成
1．3 商务智能的发展历史
练习题1
第2章 商务智能过程
2．1 商务智能系统的开发方法
2．1．1 商务智能系统的开发过程
2．1．2 商务智能系统成功的关键因素
2．2 数据仓库与数据库
2．3 联机事务处理与联机分析处理
2．4 商务智能与决策支持系统
练习题2
第二部分 商务智能方法
第3章 关联分析
3．1 频繁模式与关联规则
3．2 频繁项集的典型挖掘方法
3．2．1 逐层发现算法Apriori
3．2．2 无候选集发现算法FP-Growth
3．3 关联规则的生成方法
3．4 关联规则的其他类型
3．4．1 多层次关联规则
3．4．2 负模式
3．4．3 结构化数据中的关联分析
3．5 关联规则的兴趣度的其他度量
练习题3
第4章 分类
4．1 分类的概念
4．2 决策树分类方法
4．2．1 决策树的构建过程
4．2．2 属性的类型及分裂条件
4．2．3 决策树的剪枝
4．3 朴素贝叶斯分类
4．4 K近邻分类
4．5 逻辑回归
4．6 支持向量机
4．6．1 线性可分
4．6．2 线性不可分
4．6．3 软间隔支持向量机
4．7 分类性能的度量方法
4．7．1 测试数据集的构造
4．7．2 分类性能的度量指标
4．7．3 不同分类模型的比较
练习题4
第5章 数值预测
5．1 数值预测的概念
5．2 回归方法
5．2．1 一元线性回归
5．2．2 多元线性回归
5．2．3 非线性回归
5．3 回归树与模型树
5．3．1 模型树的构建
5．3．2 模型树的剪枝
5．3．3 算法
5．4 K近邻数值预测
5．5 预测误差的度量
练习题5
第6章 聚类
6．1 概述
6．1．1 聚类的概念
6．1．2 聚类方法分类
6．2 相似度衡量方法
6．2．1 数据类型
6．2．2 基于内容的相似度衡量
6．2．3 基于链接的相似度衡量
6．3 K均值方法
6．4 层次聚类方法
6．5 DBSCAN算法
6．6 聚类效果衡量方法
练习题6
第7章 神经网络与深度学习
7．1 多层感知机
7．1．1 多层感知机的模型结构
7．1．2 多层感知机模型的训练
7．1．3 正则化
7．2 卷积神经网络
7．2．1 卷积
7．2．2 池化
7．2．3 经典的卷积神经网络模型结构
7．3 循环神经网络
7．3．1 循环神经网络基本模型
7．3．2 长短期记忆网络模型
7．3．3 门控循环单元模型
7．4 深度神经网络模型的优化
7．4．1 小批量随机梯度
7．4．2 动量梯度下降
7．4．3 AdaGrad
7．4．4 RMSProp
7．4．5 Adam
7．4．6 学习率衰减
练习题7
第三部分 商务智能基础技术
第8章 数据预处理
8．1 数据预处理的原因和任务
8．2 数据规范化
8．3 数据高散化
8．3．1 分箱离散化
8．3．2 基于熵的离散化
8．3．3 离散化方法ChiMerge
8．4 数据清洗
8．5 特征选择与特征提取
8．5．1 特征选择
8．5．2 特征提取
练习题8
第9章 文本数据处理
9．1 词向量模型
9．2 主题模型
练习题9
第10章 数据仓库
10．1 数据仓库的基本概念
10．2 数据仓库的体系结构
10．3 多维数据模型
10．3．1 多维数据模型的概念
10．3．2 多维数据模型的构建方法
10．4 数据仓库项目的开发
10．4．1 数据仓库开发模式
10．4．2 数据仓库开发过程
练习题10
第11章 联机分析处理
11．1 联机分析处理简介
11．2 多维数据模型中的层次设计
11．3 立方体的定义和计算
11．4 OLAP的多维数据分析
练习题11
第12章 商务智能可视化
12．1 商务智能可视化的类型
12．2 数据可视化
12．3 过程和结果可视化
12．4 积分卡和仪表盘
练习题12
第四部分 商务智能应用系统
第13章 商务智能应用
13．1 商务智能应用领域
13．1．1 关系营销
13．1．2 生产管理
13．2 推荐系统
13．2．1 基于用户的协同过滤
13．2．2 基于物品的协同过滤
13．2．3 矩阵分解
13．2．4 基于内容的推荐方法
13．3 意见挖掘
13．3．1 特征和意见的抽取
13．3．2 意见极性判断
练习题13
第14章 商务智能软件系统
14．1 概述
14．1．1 商品化的商务智能系统
14．1．2 开源的商务智能软件
14．2 Weka
14．2．1 数据文件
14．2．2 数据预处理
14．2．3 关联分析
14．2．4 分类
14．2．5 数据规范化与聚类
14．2．6 回归分析
14．2．7 特征提取
14．3 RapidMiner
14．3．1 RapidMiner的安装
14．3．2 结构化数据预处理
14．3．3 文本数据预处理
14．3．4 频繁项集和关联规则的挖掘
14．3．5 序列模式的挖掘
14．3．6 分类
14．3．7 聚类
14．3．8 推荐系统
练习题14
第五部分 商务智能深度应用与发展
第15章 复杂数据的商务智能分析方法
15．1 序列模式挖掘
15．1．1 序列模式的定义
15．1．2 序列模式挖掘算法
15．2 社会网络分析
15．2．1 中心度分析
15．2．2 链接分析
15．3 数据流数据挖掘
15．4 多关系数据挖掘
练习题15
第16章 商务智能的社会影响与发展
16．1 商务智能中的隐私保护
16．2 移动商务智能
16．3 云商务智能
练习题16
参考文献
第1章 商务智能概述
1．1 商务智能的基本概念
1．1．1 数据
1．1．2 信息和知识
1．2 商务智能的系统构成
1．3 商务智能的发展历史
练习题1
第2章 商务智能过程
2．1 商务智能系统的开发方法
2．1．1 商务智能系统的开发过程
2．1．2 商务智能系统成功的关键因素
2．2 数据仓库与数据库
2．3 联机事务处理与联机分析处理
2．4 商务智能与决策支持系统
练习题2
第二部分 商务智能方法
第3章 关联分析
3．1 频繁模式与关联规则
3．2 频繁项集的典型挖掘方法
3．2．1 逐层发现算法Apriori
3．2．2 无候选集发现算法FP-Growth
3．3 关联规则的生成方法
3．4 关联规则的其他类型
3．4．1 多层次关联规则
3．4．2 负模式
3．4．3 结构化数据中的关联分析
3．5 关联规则的兴趣度的其他度量
练习题3
第4章 分类
4．1 分类的概念
4．2 决策树分类方法
4．2．1 决策树的构建过程
4．2．2 属性的类型及分裂条件
4．2．3 决策树的剪枝
4．3 朴素贝叶斯分类
4．4 K近邻分类
4．5 逻辑回归
4．6 支持向量机
4．6．1 线性可分
4．6．2 线性不可分
4．6．3 软间隔支持向量机
4．7 分类性能的度量方法
4．7．1 测试数据集的构造
4．7．2 分类性能的度量指标
4．7．3 不同分类模型的比较
练习题4
第5章 数值预测
5．1 数值预测的概念
5．2 回归方法
5．2．1 一元线性回归
5．2．2 多元线性回归
5．2．3 非线性回归
5．3 回归树与模型树
5．3．1 模型树的构建
5．3．2 模型树的剪枝
5．3．3 算法
5．4 K近邻数值预测
5．5 预测误差的度量
练习题5
第6章 聚类
6．1 概述
6．1．1 聚类的概念
6．1．2 聚类方法分类
6．2 相似度衡量方法
6．2．1 数据类型
6．2．2 基于内容的相似度衡量
6．2．3 基于链接的相似度衡量
6．3 K均值方法
6．4 层次聚类方法
6．5 DBSCAN算法
6．6 聚类效果衡量方法
练习题6
第7章 神经网络与深度学习
7．1 多层感知机
7．1．1 多层感知机的模型结构
7．1．2 多层感知机模型的训练
7．1．3 正则化
7．2 卷积神经网络
7．2．1 卷积
7．2．2 池化
7．2．3 经典的卷积神经网络模型结构
7．3 循环神经网络
7．3．1 循环神经网络基本模型
7．3．2 长短期记忆网络模型
7．3．3 门控循环单元模型
7．4 深度神经网络模型的优化
7．4．1 小批量随机梯度
7．4．2 动量梯度下降
7．4．3 AdaGrad
7．4．4 RMSProp
7．4．5 Adam
7．4．6 学习率衰减
练习题7
第三部分 商务智能基础技术
第8章 数据预处理
8．1 数据预处理的原因和任务
8．2 数据规范化
8．3 数据高散化
8．3．1 分箱离散化
8．3．2 基于熵的离散化
8．3．3 离散化方法ChiMerge
8．4 数据清洗
8．5 特征选择与特征提取
8．5．1 特征选择
8．5．2 特征提取
练习题8
第9章 文本数据处理
9．1 词向量模型
9．2 主题模型
练习题9
第10章 数据仓库
10．1 数据仓库的基本概念
10．2 数据仓库的体系结构
10．3 多维数据模型
10．3．1 多维数据模型的概念
10．3．2 多维数据模型的构建方法
10．4 数据仓库项目的开发
10．4．1 数据仓库开发模式
10．4．2 数据仓库开发过程
练习题10
第11章 联机分析处理
11．1 联机分析处理简介
11．2 多维数据模型中的层次设计
11．3 立方体的定义和计算
11．4 OLAP的多维数据分析
练习题11
第12章 商务智能可视化
12．1 商务智能可视化的类型
12．2 数据可视化
12．3 过程和结果可视化
12．4 积分卡和仪表盘
练习题12
第四部分 商务智能应用系统
第13章 商务智能应用
13．1 商务智能应用领域
13．1．1 关系营销
13．1．2 生产管理
13．2 推荐系统
13．2．1 基于用户的协同过滤
13．2．2 基于物品的协同过滤
13．2．3 矩阵分解
13．2．4 基于内容的推荐方法
13．3 意见挖掘
13．3．1 特征和意见的抽取
13．3．2 意见极性判断
练习题13
第14章 商务智能软件系统
14．1 概述
14．1．1 商品化的商务智能系统
14．1．2 开源的商务智能软件
14．2 Weka
14．2．1 数据文件
14．2．2 数据预处理
14．2．3 关联分析
14．2．4 分类
14．2．5 数据规范化与聚类
14．2．6 回归分析
14．2．7 特征提取
14．3 RapidMiner
14．3．1 RapidMiner的安装
14．3．2 结构化数据预处理
14．3．3 文本数据预处理
14．3．4 频繁项集和关联规则的挖掘
14．3．5 序列模式的挖掘
14．3．6 分类
14．3．7 聚类
14．3．8 推荐系统
练习题14
第五部分 商务智能深度应用与发展
第15章 复杂数据的商务智能分析方法
15．1 序列模式挖掘
15．1．1 序列模式的定义
15．1．2 序列模式挖掘算法
15．2 社会网络分析
15．2．1 中心度分析
15．2．2 链接分析
15．3 数据流数据挖掘
15．4 多关系数据挖掘
练习题15
第16章 商务智能的社会影响与发展
16．1 商务智能中的隐私保护
16．2 移动商务智能
16．3 云商务智能
练习题16
参考文献
猜您喜欢
