商务智能与数据挖掘 第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

商务智能与数据挖掘 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 商务智能概述1

1.1商务智能的概念1

1.1.1数据、信息与知识1

1.1.2商务智能的定义3

1.1.3商务智能的特点4

1.1.4商务智能的过程5

1.2商务智能的产生与发展5

1.2.1商务智能的产生和发展过程5

1.2.2商务智能与其他系统的关系6

1.3商务智能的研究内容9

1.4商务智能系统的支撑技术10

1.5商务智能系统框架及数据流程11

1.5.1商务智能系统框架12

1.5.2商务智能系统的数据流程13

1.6主流商务智能产品14

1.6.1主流商务智能产品简介14

1.6.2商务智能的抉择15

1.7商务智能的未来发展趋势16

1.8商务智能的应用17

小结19

习题20

第2章 商务智能中的核心技术21

2.1数据仓库22

2.1.1数据仓库的产生与发展22

2.1.2数据仓库的概念与特征22

2.1.3 ETL23

2.1.4数据集市25

2.1.5数据仓库的数据组织26

2.1.6数据仓库的体系结构26

2.1.7数据仓库的开发步骤27

2.2在线分析处理30

2.2.1 OLAP简介30

2.2.2 OLAP的定义和相关概念31

2.2.3 OLAP与OLTP的区别32

2.2.4 OLAP的分类33

2.2.5 OLAP多维数据分析34

2.3数据可视化36

2.3.1什么是数据可视化36

2.3.2数据可视化的优势37

2.3.3数据可视化工具37

小结41

习题41

第3章 数据挖掘概述42

3.1数据挖掘的起源与发展42

3.1.1数据挖掘的起源42

3.1.2数据挖掘的发展43

3.2数据挖掘所要解决的问题45

3.3数据挖掘的定义46

3.4数据挖掘的过程46

3.5数据挖掘系统49

3.5.1数据挖掘系统的分类49

3.5.2数据挖掘系统的发展50

3.6数据挖掘的功能和方法51

3.6.1数据挖掘的功能51

3.6.2数据挖掘的方法53

3.7数据挖掘的典型应用领域55

3.8数据挖掘的发展趋势57

小结59

习题59

第4章 分类分析60

4.1预备知识60

4.2解决分类问题的一般方法62

4.3分类算法63

4.3.1贝叶斯分类器63

4.3.2贝叶斯信念网络68

4.3.3决策树72

4.3.4支持向量机77

4.3.5粗糙集80

4.3.6其他分类算法83

4.4评估分类器的性能84

4.4.1保持方法84

4.4.2随机二次抽样85

4.4.3交叉验证85

4.4.4自助法85

小结86

习题86

第5章 关联分析89

5.1引言89

5.2基本概念91

5.3关联规则的种类93

5.4关联规则的研究现状94

5.5关联规则挖掘算法95

5.5.1 Apriori算法95

5.5.2 Apriori改进算法100

5.5.3 FP增长算法102

5.6改善关联规则挖掘质量问题104

5.6.1用户主观层面104

5.6.2系统客观层面105

5.7约束数据挖掘问题105

小结106

习题107

第6章 聚类分析109

6.1聚类的概念109

6.1.1聚类概念及应用109

6.1.2聚类算法要求110

6.1.3聚类技术类型划分111

6.2聚类分析的统计量113

6.2.1模型定义113

6.2.2相似性度量114

6.3常用聚类算法118

6.3.1 k均值算法118

6.3.2 k-medoids算法120

6.3.3凝聚层次聚类算法122

6.3.4 DBSCAN算法126

6.3.5 STING算法129

6.3.6 CLIQUE算法130

6.4簇评估131

6.4.1概述132

6.4.2非监督簇评估：使用凝聚度和分离度132

6.4.3非监督簇评估：使用邻近度矩阵136

6.4.4层次聚类的非监督评估137

6.4.5确定正确的簇个数137

6.4.6聚类趋势138

6.4.7簇有效性的监督度量138

6.5聚类与分类比较141

小结141

习题141

第7章 深度学习143

7.1深度学习的由来144

7.1.1深度学习的神经学启示144

7.1.2浅层结构函数表示能力的局限性144

7.1.3特征提取的需要145

7.2深度学习的经典方法146

7.2.1深度学习表示模型和网络结构146

7.2.2自动编码器146

7.2.3受限玻尔兹曼机148

7.2.4卷积神经网络149

7.3深度学习的应用150

7.3.1深度学习在语音识别、合成及机器翻译中的应用150

7.3.2深度学习在图像分类及识别中的应用151

7.3.3深度学习在视频分类及行为识别中的应用152

7.4深度学习的研究近况及未来研究方向153

7.4.1研究近况153

7.4.2未来研究方向153

小结155

习题156

第8章 Web挖掘技术157

8.1 Web数据挖掘概述157

8.1.1 Web数据挖掘的概念157

8.1.2 Web数据挖掘的特点158

8.1.3 Web数据挖掘的处理流程159

8.1.4 Web数据挖掘与信息检索、信息抽取的区别159

8.2 Web数据挖掘分类160

8.2.1 Web内容挖掘概述160

8.2.2 Web结构挖掘概述161

8.2.3 Web使用挖掘概述161

8.3 Web内容挖掘162

8.3.1特征提取和特征表示162

8.3.2自动摘要163

8.3.3文本分类163

8.3.4文本聚类164

8.4 Web结构挖掘164

8.4.1超链和页面内容的关系165

8.4.2不同挖掘阶段的分析165

8.4.3 PageRank166

8.4.4 HITS172

8.4.5两种算法的比较176

8.4.6 Web结构挖掘应用177

8.5 Web使用挖掘178

8.5.1 Web使用挖掘数据预处理178

8.5.2 Web使用挖掘模式发现181

8.5.3 Web使用挖掘模式分析183

8.5.4 Web使用挖掘模式应用184

小结185

习题185

第9章 数据挖掘在电子商务中的应用187

9.1网站结构优化187

9.2智能搜索引擎189

9.2.1网络机器人189

9.2.2文本分析190

9.2.3搜索条件的获取和分析191

9.2.4信息的搜索和排序191

9.3移动商务智能192

9.4客户关系管理193

9.4.1营销193

9.4.2销售194

9.4.3客户服务194

9.4.4客户保持194

9.4.5风险评估和欺诈识别195

9.5客户分类195

9.5.1传统的客户分类理论196

9.5.2基于客户行为的客户分类196

9.5.3基于客户生命周期的客户分类196

9.5.4基于客户生命周期价值的客户分类196

小结197

习题197

参考文献198