基本信息

内容简介

编辑推荐

目录

基本信息

作者：谢邦昌、郑宇庭、苏志雄(作者)

出版社: 中国水利水电出版社; 第1版 (2011年10月1日)

平装: 312页

正文语种: 简体中文

开本: 16

ISBN: 9787508487649

条形码: 9787508487649

商品尺寸: 25.8 x 18.2 x 1.8 cm

商品重量: 581 g

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。

编辑推荐

《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。以XMicrosoft SQL Server 2008 R2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。另外，介绍了Microsoft SQL Server的整合服务和DMX语言，便于已熟悉SQL数据库的用户编写基于数据挖掘的大型应用项目。

第三部分逐一阐述了Microsoft SQL Server中包含的决策树、贝叶斯分类器、关联规则、聚类分析、时序聚类、线性回归、逻辑回归、神经网络、时序等九种数据挖掘模型。

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。为便于读者更好理解和上机操作，每个包含软件操作的章节里都配有详细的操作步骤和说明。

数据挖掘领域“专家中的专家”谢邦昌倾心之作，智慧融化枯燥的概念，水煮讲解9大演算算法，实际案例淋漓展示如何学以致用。

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