数据仓库与数据挖掘技术 第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据仓库与数据挖掘技术 第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 数据仓库与数据挖掘概述1

1.1 数据仓库引论1

1.1.1 为什么要建立数据仓库1

1.1.2 什么是数据仓库2

1.1.3 数据仓库的特点6

1.1.4 数据进入数据仓库的基本过程与建立数据仓库的步骤10

1.1.5 分析数据仓库的内容11

1.2 数据挖掘引论12

1.2.1 为什么要进行数据挖掘12

1.2.2 什么是数据挖掘16

1.2.3 数据挖掘的特点19

1.2.4 数据挖掘的基本过程与步骤20

1.2.5 分析数据挖掘的内容24

1.3 数据挖掘与数据仓库的关系25

1.4 数据仓库与数据挖掘的应用28

1.4.1 数据挖掘在零售业的应用28

1.4.2 数据挖掘在商业银行中的应用33

1.4.3 数据挖掘在电信部门的应用36

1.4.4 数据挖掘在贝斯出口公司的应用38

1.4.5 数据挖掘如何预测信用卡欺诈38

1.4.6 数据挖掘在证券行业的应用40

思考练习题40

第2章 数据仓库的分析42

2.1 数据仓库的需求分析模型42

2.2 影响数据仓库成功的因素43

2.3 数据仓库的生命周期45

2.3.1 数据仓库计划与准备阶段45

2.3.2 数据仓库的其他阶段52

2.4 数据仓库的基本体系结构53

2.5 数据仓库的逻辑结构56

2.5.1 数据仓库中的粒度56

2.5.2 数据仓库中的数据分割57

2.5.3 数据仓库中的数据组织57

2.5.4 数据仓库中的快照58

2.5.5 数据仓库中的元数据58

思考练习题59

第3章 数据仓库的设计与实施60

3.1 设计科学与数据仓库的设计60

3.2 从数据库到数据仓库61

3.3 面向主题的数据仓库设计62

3.3.1 数据建模62

3.3.2 星型连接63

3.3.3 数据仓库的数据模型设计70

3.4 开发数据仓库的物理设计72

3.4.1 数据仓库设计工具的选择72

3.4.2 物理数据模型设计73

3.4.3 数据仓库中数据表的数量与规范化74

3.5 数据仓库的实施74

3.5.1 数据仓库的实施应注意的问题74

3.5.2 在实施数据仓库过程中应避免的错误75

3.5.3 数据仓库项目实施成功的要诀77

思考练习题81

第4章 信息分析的基本技术83

4.1 自动信息分析的基本技术83

4.1.1 智能代理83

4.1.2 群体智能85

4.1.3 小波分析88

4.1.4 分形技术分析91

4.2 联机分析91

4.2.1 联机分析OLAP的基本术语93

4.2.2 OLAP体系结构和处理的特性94

4.2.3 OLAP多维数据结构与OLAP的分类94

4.2.4 OLAP的多维数据分析方法95

4.2.5 OLAP评价准则97

4.2.6 OLAP的发展与流行的OLAP工具选择100

4.3 Rough的信息分析技术101

4.3.1 粗糙集理论的基本概念和理论基础102

4.3.2 粗糙集在信息分析中的特征表示103

思考练习题105

第5章 数据挖掘过程106

5.1 数据挖掘的方法与基本流程106

5.1.1 SEMMA方法106

5.1.2 数据挖掘的基本流程107

5.2 确定主题和定义数据挖掘任务108

5.2.1 确定主题109

5.2.2 定义数据挖掘任务110

5.3 数据预处理111

5.3.1 数据的收集和准备111

5.3.2 数据清理112

5.3.3 数据集成113

5.3.4 数据变换114

5.3.5 数据归约115

5.3.6 微软数据转换服务115

5.4 数据挖掘的模型建立与理解116

5.4.1 关于模型的准确性118

5.4.2 关于模型的可理解性118

5.4.3 关于模型的性能119

5.4.4 描述和可视化119

5.4.5 验证与评估120

5.5 数据挖掘中常见的一些问题122

5.5.1 商业用户提出的问题122

5.5.2 技术问题122

5.5.3 数据挖掘应用问题122

5.5.4 实施数据挖掘项目考虑的问题123

5.5.5 数据挖掘对社会的影响——有关隐私问题123

5.6 事先无法预测的有价值知识124

思考练习题124

第6章 数据挖掘基本算法125

6.1 分类规则挖掘125

6.1.1 分类与估值125

6.1.2 决策树128

6.1.3 贝叶斯分类135

6.2 预测分析与趋势分析规则139

6.2.1 预言的基本方法139

6.2.2 定量分析预测140

6.2.3 预测的结果分析142

6.2.4 趋势分析挖掘143

6.3 数据挖掘的关联算法144

6.3.1 关联规则的概念及分类144

6.3.2 简单形式的关联规则算法（单维、单层和布尔关联规则）148

6.3.3 多层和多维关联规则的挖掘152

6.3.4 货篮子分析存在的问题155

6.3.5 关联分析的其他算法157

6.3.6 挖掘序列模式160

6.4 数据挖掘的聚类算法164

6.4.1 聚类分析的概念与分类166

6.4.2 聚类分析中两个对象之间的相异度计算方法171

6.4.3 划分方法177

6.4.4 层次方法181

6.4.5 基于密度的方法186

6.4.6 基于网格的方法188

6.4.7 基于模型的聚类方法191

6.4.8 模糊聚类算法192

6.5 数据挖掘的统计分析算法193

6.5.1 辨别分析193

6.5.2 回归建模193

6.5.3 优点和缺点194

6.6 数据挖掘的品种优化算法194

6.6.1 品种优化194

6.6.2 品种优化的算法196

6.7 数据挖掘的进化算法199

6.7.1 遗传算法199

6.7.2 数据挖掘的神经网络算法200

思考练习题204

第7章 非结构化数据挖掘206

7.1 文本挖掘206

7.1.1 文本挖掘的一般过程与应用207

7.1.2 文本表示与预处理208

7.1.3 文本分类方法与文本聚类方法212

7.1.4 自动摘要方法213

7.2 Web数据挖掘213

7.2.1 非结构化Web数据源214

7.2.2 Web挖掘分类219

7.2.3 Web内容挖掘221

7.2.4 Web结构挖掘222

7.2.5 Web访问挖掘222

7.2.6 利用Web日志的聚类算法225

7.2.7 电子商务中的Web挖掘227

7.3 空间群数据挖掘230

7.3.1 空间数据挖掘的概念230

7.3.2 空间数据挖掘的分类231

7.3.3 空间数据挖掘的体系结构232

7.4 多媒体数据挖掘232

7.4.1 多媒体数据挖掘的概念232

7.4.2 多媒体数据挖掘的分类233

7.4.3 多媒体数据挖掘的体系结构233

思考练习题234

第8章 离群数据挖掘235

8.1 离群数据挖掘的概念235

8.2 离群数据挖掘的分类236

8.3 离群数据挖掘的算法237

8.3.1 基于统计的方法237

8.3.2 基于距离的离群数据方法239

8.3.3 基于偏离的离群数据挖掘241

8.3.4 高维数据的离群数据挖掘243

8.3.5 基于小波的离群数据挖掘244

8.4 市场营销离群数据挖掘247

8.4.1 市场营销离群数据的特点247

8.4.2 基于分形的市场营销离群数据挖掘模型248

思考练习题250

第9章 数据挖掘语言与工具的选择251

9.1 数据挖掘语言及其标准化251

9.1.1 数据挖掘语言的分类251

9.1.2 分析与评价257

9.2 数据挖掘的研究热点257

9.3 数据挖掘工具的选择258

9.3.1 评价数据挖掘工具的优劣指标259

9.3.2 通用数据挖掘产品与工具260

9.3.3 国内的数据挖掘产品与工具273

9.3.4 数据可视化工具的选择275

9.3.5 数据挖掘网站与可获得的数据挖掘算法源代码276

思考练习题278

第10章 知识管理与知识管理系统279

10.1 知识管理279

10.1.1 知识279

10.1.2 知识管理的定义280

10.1.3 有效的知识管理281

10.2 知识管理系统284

10.2.1 知识管理共享的条件285

10.2.2 知识管理共享的困难285

10.2.3 知识管理的激励机制286

10.2.4 知识管理的体系结构289

思考练习题291

附录 数据挖掘产品部分信息292

参考文献294