滿額折
商務智能與數據挖掘Microsoft SQL Server應用（簡體書）
相關商品
商品簡介
作者簡介
目次
商品簡介
本書主要討論數據挖掘技術的基本原理與應用，可以解決企業運營中遇到的各種問題，并介紹了SQLServer 2005處理這些問題的方法。內容主要包括數據倉庫、數據挖掘中的主要方法，SQLServer2005中的商業智能與數據挖掘功能、決策樹模型、聚類分析、神經網絡模型和時間序列模型等，并配有相關的范例分析與實例練習。 本書內容翔實，示例豐富，結構合理，可作為各類開發人員及企業管理人員的參考用書。
作者簡介
謝邦昌，臺灣大學生物統計學博士。現任中華資料采礦協會(Chung-hua Data Mining Society，CDMS)理事長，輔仁大學統計資訊學系教授，華通人商用信息有限公司高級顧問。中國人民大學應用統計科學研究中心學術委員會委員。中國人民大學統計學系Data Minin9中心客座教授，上海財經大學統計學系客座教授。廈門大學計劃統計學系客座教授。西南財經大學客座教授。 他是數據挖掘界領軍人物及世界知名統計學家。發表過近三百篇關于統計和數據挖掘的論文。出版了近五十余本相關專著。
目次
推薦序
序
第1章 緒論
1.1 商業智能
1.2 數據挖掘
第2章 數據倉庫
2.1 數據倉庫定義
2.2 數據倉庫特點
2.3 數據倉庫架構
2.4 建立數據倉庫的原因和目的
2.5 數據倉庫的應用
2.6 數據倉庫的管理
第3章 數據挖掘簡介
3.1 數據挖掘的定義
3.2 數據挖掘的重要性
3.3 數據挖掘的功能
3.4 數據挖掘的步驟
3.5 數據挖掘建模的標準CRISP-DM
3.6 數據挖掘軟件分類
3.7 各數據挖掘軟件的分析方法簡介
第4章 數據挖掘中的主要方法
4.1 回歸分析
4.2 關聯規則
4.3 聚類分析
4.4 判別分析
4.5 神經網絡分析
4.6 決策樹分析
4.7 其他分析方法
第5章 數據挖掘與相關領域的關系
5.1 數據挖掘與統計分析的不同
5.2 數據挖掘與數據倉庫的關系
5.3 KDD與數據挖掘的關系
5.4 OLAP與數據挖掘的關系
5.5 數據挖掘與機器學習的關系
5.6 Web數據挖掘和數據挖掘有什么不同
第6章 SQL Server 2005中的商業智能
6.1 SQL Server 2005入門
6.2 關聯型數據庫
6.3 Analysis Services
第7章 SQL Server 2005中的數據挖掘功能
7.1 創建商業智能應用程序
7.2 SQL Server 2005數據挖掘功能的優勢
7.3 SQL Server 2005數據挖掘算法
7.4 可擴展性
7.5 SQL Server 2005數據挖掘功能與商業智能集成
7.6 使用數據挖掘可以解決的問題
第8章 SQL Server 2005的分析服務
8.1 建立數據源與數據源視圖
8.2 創建維度和多維數據集
8.3 構建和部署
8.4 從模板創建可自定義的數據庫
8.5 統一維度模型
8.6 基于屬性的維度
8.7 維度類型
8.8 量度組和透視
8.9 計算和分析
8.10 MDX腳本
8.11 存儲過程
8.12 關鍵績效指標
8.13 實時商業智能
第9章 SQL Server 2005的報表服務
第10章 決策樹模型
第11章 貝葉斯分類
第12章 關聯規則
第13章 聚類分析
第14章 時序聚類分析
第15章 線性回歸模型
第16章 Logistic回歸模型
第17章 神經網絡模型
第18章 時間序列模型
第19章 SQL Server 2005整合服務
第20章 文本挖掘模型
第21章 SQL Server 2005的DMX語言
第22章 實際案例：聚類分析模型應用
第23章 實際案例：時間序列模型應用
序
第1章 緒論
1.1 商業智能
1.2 數據挖掘
第2章 數據倉庫
2.1 數據倉庫定義
2.2 數據倉庫特點
2.3 數據倉庫架構
2.4 建立數據倉庫的原因和目的
2.5 數據倉庫的應用
2.6 數據倉庫的管理
第3章 數據挖掘簡介
3.1 數據挖掘的定義
3.2 數據挖掘的重要性
3.3 數據挖掘的功能
3.4 數據挖掘的步驟
3.5 數據挖掘建模的標準CRISP-DM
3.6 數據挖掘軟件分類
3.7 各數據挖掘軟件的分析方法簡介
第4章 數據挖掘中的主要方法
4.1 回歸分析
4.2 關聯規則
4.3 聚類分析
4.4 判別分析
4.5 神經網絡分析
4.6 決策樹分析
4.7 其他分析方法
第5章 數據挖掘與相關領域的關系
5.1 數據挖掘與統計分析的不同
5.2 數據挖掘與數據倉庫的關系
5.3 KDD與數據挖掘的關系
5.4 OLAP與數據挖掘的關系
5.5 數據挖掘與機器學習的關系
5.6 Web數據挖掘和數據挖掘有什么不同
第6章 SQL Server 2005中的商業智能
6.1 SQL Server 2005入門
6.2 關聯型數據庫
6.3 Analysis Services
第7章 SQL Server 2005中的數據挖掘功能
7.1 創建商業智能應用程序
7.2 SQL Server 2005數據挖掘功能的優勢
7.3 SQL Server 2005數據挖掘算法
7.4 可擴展性
7.5 SQL Server 2005數據挖掘功能與商業智能集成
7.6 使用數據挖掘可以解決的問題
第8章 SQL Server 2005的分析服務
8.1 建立數據源與數據源視圖
8.2 創建維度和多維數據集
8.3 構建和部署
8.4 從模板創建可自定義的數據庫
8.5 統一維度模型
8.6 基于屬性的維度
8.7 維度類型
8.8 量度組和透視
8.9 計算和分析
8.10 MDX腳本
8.11 存儲過程
8.12 關鍵績效指標
8.13 實時商業智能
第9章 SQL Server 2005的報表服務
第10章 決策樹模型
第11章 貝葉斯分類
第12章 關聯規則
第13章 聚類分析
第14章 時序聚類分析
第15章 線性回歸模型
第16章 Logistic回歸模型
第17章 神經網絡模型
第18章 時間序列模型
第19章 SQL Server 2005整合服務
第20章 文本挖掘模型
第21章 SQL Server 2005的DMX語言
第22章 實際案例：聚類分析模型應用
第23章 實際案例：時間序列模型應用
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。